직관 — 중심을 맞추고 자를 바꾸기
서로 다른 눈금의 자 두 개를 비교하려면 시작점을 맞추고 한 칸의 길이도 맞춰야 한다. 정규분포도 평균을 빼 중심을 맞춘다. 표준편차로 나누면 평균에서 얼마나 떨어졌는지를 같은 단위로 읽을 수 있다.
새 눈금은 ‘평균에서 표준편차의 몇 배 떨어졌는가’다. 정규분포를 이 눈금으로 바꾸면 여러 평균과 퍼짐을 한 확률표로 계산한다. 평균과 표준편차가 다른 두 시험의 점수를 비교할 때도 같은 눈금을 쓴다.
표준정규분포는 평균 0·분산 1인 정규분포다
표준정규분포는 평균 0, 표준편차 1인 정규분포 이다. 정규분포 에서 일 때 식 (1)의 표준화로 이 분포를 얻는다.
| 기호 | 이름 | 원어 | 뜻 |
|---|---|---|---|
| 원래 확률변수 | random variable | 정규분포 를 따름 | |
| 평균 | mean | 원래 분포의 중심 | |
| 표준편차 | standard deviation | 원래 눈금의 양수 단위 | |
| 표준화한 확률변수 | standardized variable | ||
| 표준 점수 | z score | 의 값 | |
| 중심부터의 넓이 | area from zero | 이 글에서 일 때 | |
| 누적확률 | cumulative distribution function | ||
| 표준정규밀도 | standard normal density | 그림의 세로축, 넓이가 확률 |
교과서는 평균을 으로 써서 라고 적고, 표준정규분포를 따르는 확률변수를 보통 로 나타낸다. 이 글의 가 그 이다.
의 평균과 분산은 기댓값과 분산에서 배운 , 로 구한다. 이 성질은 연속확률변수에서도 성립한다. , 를 넣으면 식 (2)가 된다.
식 (2)는 평균과 분산만 맞춘다. 도 정규분포를 따른다는 것은 원래 가 정규분포라는 가정에서 나오며, 밀도로 확인할 수 있다. 가로 폭을 로 나누면 넓이를 보존하려고 새 밀도 높이는 배가 된다. 앞 글의 정규밀도식에 를 넣고 높이를 배하면 가 사라진 평균 0·표준편차 1의 밀도가 된다.
표준화할 때 부등호는 왜 그대로일까?
가 양수이므로 나누어도 부등호 방향이 바뀌지 않는다. 인 두 경계에 같은 변환을 적용하면 같은 사건을 다른 눈금으로 적게 된다.
가상 점수가 을 따른다고 가정하자. 표준편차는 이다. 60점부터 85점까지의 경계를 각각 바꾸면 다음과 같다.
그림 1 위의 가로 폭 25와 아래의 폭 2.5는 다르지만 같은 사건의 확률이다. 최댓값도 에서 로 10배가 되어, 색칠한 넓이는 보존된다.
figures/standardized_interval.py표준편차 대신 분산으로 나누면 안 되나요?
표준 점수를 만들 때는 분산으로 나누면 안 되고, 표준편차로 나눠야 한 칸이 한 표준편차가 된다. 예제에서 85점은 평균보다 15점 높으므로 이고, 분산 100으로 나눈 0.15는 표준 점수가 아니다.
표에 적힌 수는 0부터일까, 왼쪽 끝부터일까?
표 제목과 색칠한 구간을 먼저 확인한다. 확인한 국내 교과서의 부록 표와 여기서 참고한 NIST 표는 양의 에 대해 를 싣는다. 다른 표나 계산기는 왼쪽 전체 누적확률 를 준다. 아래 표는 같은 의 두 값을 나란히 놓았다.
| 0 | 0.00000 | 0.50000 |
| 0.5 | 0.19146 | 0.69146 |
| 1 | 0.34134 | 0.84134 |
| 1.28 | 0.39973 | 0.89973 |
| 1.5 | 0.43319 | 0.93319 |
| 1.53 | 0.43699 | 0.93699 |
| 1.96 | 0.47500 | 0.97500 |
| 2 | 0.47725 | 0.97725 |
| 3 | 0.49865 | 0.99865 |
열은 NIST 표처럼 소수 다섯째 자리까지 반올림한 근삿값이다. 그 교과서 부록의 표는 같은 넓이를 소수 넷째 자리까지 실어 , , 로 읽힌다. 원래 표에서 1.53은 1.5행과 0.03열이 만나는 칸을 읽는다. 값 0.43699는 ‘1.53 이하 전체’가 아니라 ‘0부터 1.53까지’의 넓이다.
두 열은 왼쪽 반쪽 0.5만큼 다르다. 음수 쪽은 대칭으로 옮긴다. 에서 식 (5)가 성립한다.
figures/table_conventions.py식 (4)의 구간은 0을 사이에 두므로 양쪽 넓이를 더한다. 표의 반올림값으로 계산하면 다음과 같다.
표준 점수가 음수이면 확률도 음수인가요?
아니다. 음수 표준 점수는 평균보다 작은 값이라는 뜻이고 확률은 언제나 0 이상이다. 예를 들어 이다. 입력 위치와 넓이 값을 구별한다.
표준정규분포표로 꼬리와 같은 쪽 구간은 어떻게 구할까?
표에는 0부터의 넓이만 있으므로, 구하려는 넓이를 0.5와 의 합이나 차로 바꾼다. 오른쪽 꼬리는 0.5에서 빼고, 0의 같은 쪽에 놓인 구간은 두 표 값을 빼고, 음수 쪽은 대칭으로 양수 쪽에 옮긴다.
그림 3은 식 (7)의 세 줄을 위에서부터 차례로 색칠했다. 셋째 칸의 빗금은 색칠한 왼쪽 꼬리와 넓이가 같은 오른쪽 꼬리다. 누적확률을 쓰면 부호에 관계없이 로 계산한다. 여기서 이며 점확률이 0이므로 등호는 바꾸어도 된다.
figures/table_cases.py양쪽 꼬리를 함께 묻는 경우도 있다. 이다. 이 0.05는 뒤의 추정 단원에서 신뢰도 95%와 짝을 이룬다.
표준정규분포에서 z가 3보다 크면 확률이 0인가요?
아니다. 표준정규분포의 밀도는 모든 에서 양수라서 꼬리 확률도 양수다. 로 매우 작지만 0은 아니다.
공학 도구에서 표의 관례를 직접 확인하기
GeoGebra Classic의 입력창에 다음을 한 줄씩 넣는다. 계산값 표시 자릿수를 늘려 표의 반올림값과 비교하자. Normal과 InverseNormal의 둘째 인수는 표준편차이므로 첫 예제에서 100이 아닌 10을 넣는다.
Normal(0, 1, 1, true)
Normal(0, 1, 1, true) - 0.5
Normal(70, 10, 60, 85)
InverseNormal(70, 10, 0.9)
차례로 약 0.84134475, 0.34134475, 0.77453754, 82.8155를 얻는다. 첫째 결과는 , 둘째는 이다. 셋째는 식 (4)의 원래 구간 확률이고, 식 (6)과 마지막 자리가 조금 다른 이유는 표가 먼저 반올림되었기 때문이다. 넷째는 왼쪽 넓이가 0.9인 점수로, 다음 절의 결과와 비교한다.
확률이 주어지면 경계 점수는 어떻게 거꾸로 찾을까?
확률에서 를 찾고, 식 (1)을 거꾸로 써서 원래 점수로 되돌린다. 에서 위쪽 10%에 들려면 몇 점 이상이어야 할까? 경계의 표준 점수를 라 하면 다음과 같다.
표에서 0.40에 가장 가까운 값은 이므로 이다. 표준화 를 에 대해 풀면 경계 점수가 나온다.
그림 4의 아래 눈금은 , 위 눈금은 점수 다. 같은 경계가 과 로 함께 읽힌다. 표에서 가장 가까운 칸을 골랐으므로 근삿값이며, 도구의 값 82.8155와 소수 둘째 자리부터 다르다.
figures/inverse_cutoff.py표준 점수로 다른 시험의 성적을 비교할 수 있을까?
비교할 수 있다. 두 시험 점수가 각각 정규분포를 따른다고 가정하면, 표준 점수가 큰 쪽이 자기 집단에서 상대적으로 더 높은 위치다. 첫째 시험은 이고 85점을 받았다. 둘째 시험은 이고 80점을 받았다.
원점수는 둘째 시험이 5점 낮지만 표준 점수는 더 크다. 그 점수보다 높은 점수를 받을 확률은 첫째 시험이 , 둘째 시험이 이다. 그림 5 위에서 두 점은 서로 다른 곡선 위에 있지만, 아래의 같은 눈금으로 옮기면 바로 비교된다.
figures/score_comparison.py정규분포가 아니어도 표준화하면 표준정규분포인가요?
아니다. 표준화는 평균 0·표준편차 1만 보장한다. −1과 1을 각각 확률 로 갖는 확률변수는 이미 평균 0·표준편차 1이지만 두 점만 갖는 이산형이다. 정규분포표를 쓸 수 있다는 결론에는 원래의 정규분포 가정이 필요하다.
정규분포 X∼N(μ,σ²), σ>0에서 Z=(X−μ)/σ는 표준정규분포 N(0,1)을 따른다. 표가 0부터 z까지의 넓이인지 누적확률 Φ(z)인지 확인하고 사건의 양쪽 경계를 함께 표준화한다.
표준정규분포표의 흔한 오해
- 양 끝의 표 값을 언제나 더한다. — 0.5부터 2까지는 0부터 0.5까지를 빼야 하므로 0.28579다. 구간이 중심을 가로지르는지 먼저 그린다.
- 표준 점수가 두 배면 0부터의 넓이도 두 배다. — 이지만 로 두 배인 0.68268보다 훨씬 작다. 밀도가 중심에서 멀수록 낮아 같은 폭의 넓이가 줄기 때문이다.
- 표에서 얻은 소수는 정확한 확률이다. — 의 도구 값은 약 0.84134475다. 소수 다섯 자리 표에서 더한 0.84134와 작은 차이가 난다.
직접 해보기
- 일 때 를 위 표로 구하라.
- 표준정규분포 에서 를 구하라.
- 를 구하고 양수 쪽의 어떤 구간과 같은지 말하라.
- 에서 가 되게 하는 를 표의 1.96으로 구하라.
- 에서 이다. 표를 써서 를 구하고, 를 구하라.
답과 풀이
- 표준편차 4로 나누면 경계는 −1과 1이다. 이다.
- 오른쪽 반쪽에서 0부터 1.5까지를 빼 이다.
- 대칭으로 0.5부터 2까지와 같으므로 이다.
- 이다. 에서 을 얻는다.
- 에서 이므로 표에서 다. 에서 이다. 는 와 같으므로 확률은 이다.
다음 이항분포의 정규근사에서는 이 표를 이산형에 적용할 때 필요한 경계 보정을 다룬다.
더 읽기
- 교육부 2022 개정 수학과 교육과정 — [12확통03-04] 및 공학 도구를 활용한 확률 계산 범위.
- NIST, 표준정규분포표 — 본문 표는 실제 0부터 z까지의 넓이를 읽어 필요한 값만 옮겼다. 페이지 제목만으로 누적표라고 판단하지 않는다.
- GeoGebra, Normal 명령 — 평균·표준편차·누적 여부 및 두 경계 입력의 공식 사용법이다.
- GeoGebra, InverseNormal 명령 — 평균·표준편차와 왼쪽 넓이를 넣어 경계를 돌려받는 공식 사용법이다.
영상 노트
- 00:00 평균을 빼고 표준편차로 자를 맞추기
- 00:50 식 (2)로 평균 0·분산 1 확인하기
- 01:30 식 (3)에 원래 두 경계를 넣어 식 (4) 얻기
- 02:20 세로 표에서 A와 Φ 두 열 비교하고 1.5행·0.03열 읽기
- 03:10 그림 2와 식 (5)의 두 관례 구별하기
- 04:00 식 (6)은 더하고, 그림 3과 식 (7)의 세 꼴 정리하기
- 05:00 도구에서 누적값·구간값·역함수 실제 비교하기
- 05:50 식 (8)·(9)와 그림 4로 위쪽 10% 경계 찾기
- 06:40 그림 5와 식 (10)으로 두 시험 비교하기
- 07:30 새 문제의 확률에서 원래 경계로 되돌아가기
지도에서의 위치
- 2026-11-16 · 교과 정의·새 연습·표와 도구 확인을 담은 에이전트 초안
- 2026-11-17 · 전수 검수 반영 — 평균 0·분산 1의 이유, 교과서 표의 넷째 자리 관례, A와 Φ 두 열의 세로 표, 꼬리·같은 쪽·음수 쪽 세 꼴, 확률에서 경계 찾기, 표준 점수로 두 시험 비교, 새 질문·오해·연습 1문항, 띄어쓰기 수정 (에이전트 수정, 그림 2→5)
- 2026-11-17 · 전수 검수(에이전트 편집·독립 검증) 통과 — 주인 요청으로 완성으로 올림