확률·통계표준정규분포#255

표준정규분포

Standard Normal Distribution

표준정규분포는 평균 0·분산 1인 정규분포다. X가 N(μ,σ²)를 따를 때 Z=(X−μ)/σ로 표준화하고, 0부터 z까지의 표와 누적확률 Φ의 차이, 확률에서 경계를 거꾸로 찾는 방법을 구간 그림과 계산으로 확인한다.

읽는 시간
약 8분
선수 개념
정규분포

직관 — 중심을 맞추고 자를 바꾸기

직관

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 N(0,1)N(0,1)이다. 정규분포 X∼N(μ,σ2)X\sim N(\mu,\sigma^2)에서 σ>0\sigma>0일 때 식 (1)의 표준화로 이 분포를 얻는다.

Z=X−μσ∼N(0,1).(1)Z=\frac{X-\mu}{\sigma}\sim N(0,1).\tag{1}
정의
기호이름원어뜻
XX원래 확률변수random variable정규분포 N(μ,σ2)N(\mu,\sigma^2)를 따름
μ\mu평균mean원래 분포의 중심
σ\sigma표준편차standard deviation원래 눈금의 양수 단위
ZZ표준화한 확률변수standardized variable(X−μ)/σ(X-\mu)/\sigma
zz표준 점수z scoreZZ의 값
A(z)A(z)중심부터의 넓이area from zero이 글에서 z≥0z\ge0일 때 P(0≤Z≤z)P(0\le Z\le z)
Φ(z)\Phi(z)누적확률cumulative distribution functionP(Z≤z)P(Z\le z)
φ(z)\varphi(z)표준정규밀도standard normal density그림의 세로축, 넓이가 확률

교과서는 평균을 mm으로 써서 Z=(X−m)/σZ=(X-m)/\sigma라고 적고, 표준정규분포를 따르는 확률변수를 보통 ZZ로 나타낸다. 이 글의 μ\mu가 그 mm이다.

ZZ의 평균과 분산은 기댓값과 분산에서 배운 E(aX+b)=aE(X)+bE(aX+b)=aE(X)+b, V(aX+b)=a2V(X)V(aX+b)=a^2V(X)로 구한다. 이 성질은 연속확률변수에서도 성립한다. a=1/σa=1/\sigma, b=−μ/σb=-\mu/\sigma를 넣으면 식 (2)가 된다.

E(Z)=E(X)−μσ=0,V(Z)=V(X)σ2=1.(2)E(Z)=\frac{E(X)-\mu}{\sigma}=0,\qquad V(Z)=\frac{V(X)}{\sigma^2}=1.\tag{2}

식 (2)는 평균과 분산만 맞춘다. ZZ도 정규분포를 따른다는 것은 원래 XX가 정규분포라는 가정에서 나오며, 밀도로 확인할 수 있다. 가로 폭을 σ\sigma로 나누면 넓이를 보존하려고 새 밀도 높이는 σ\sigma배가 된다. 앞 글의 정규밀도식에 x=μ+σzx=\mu+\sigma z를 넣고 높이를 σ\sigma배하면 μ,σ\mu,\sigma가 사라진 평균 0·표준편차 1의 밀도가 된다.

표준화할 때 부등호는 왜 그대로일까?

σ\sigma가 양수이므로 나누어도 부등호 방향이 바뀌지 않는다. a≤ba\le b인 두 경계에 같은 변환을 적용하면 같은 사건을 다른 눈금으로 적게 된다.

P(a≤X≤b)=P(a−μσ≤Z≤b−μσ).(3)P(a\le X\le b)= P\left(\frac{a-\mu}{\sigma}\le Z\le\frac{b-\mu}{\sigma}\right).\tag{3}

가상 점수가 X∼N(70,100)X\sim N(70,100)을 따른다고 가정하자. 표준편차는 100=10\sqrt{100}=10이다. 60점부터 85점까지의 경계를 각각 바꾸면 다음과 같다.

60−7010=−1,85−7010=1.5,P(60≤X≤85)=P(−1≤Z≤1.5).(4)\frac{60-70}{10}=-1,\qquad \frac{85-70}{10}=1.5,\qquad P(60\le X\le85)=P(-1\le Z\le1.5).\tag{4}

그림 1 위의 가로 폭 25와 아래의 폭 2.5는 다르지만 같은 사건의 확률이다. 최댓값도 1/(102π)≈0.03991/(10\sqrt{2\pi})\approx0.0399에서 1/2π≈0.39891/\sqrt{2\pi}\approx0.3989로 10배가 되어, 색칠한 넓이는 보존된다.

N(70,100)의 60점부터 85점까지(위)를 표준화하면 N(0,1)의 −1부터 1.5까지(아래)다. 평균과 두 경계를 함께 변환하며 두 넓이는 같다.
그림 1 N(70,100)의 60점부터 85점까지(위)를 표준화하면 N(0,1)의 −1부터 1.5까지(아래)다. 평균과 두 경계를 함께 변환하며 두 넓이는 같다. figures/standardized_interval.py

표준편차 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 15/10=1.515/10=1.5이고, 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 zz에 대해 A(z)=P(0≤Z≤z)A(z)=P(0\le Z\le z)를 싣는다. 다른 표나 계산기는 왼쪽 전체 누적확률 Φ(z)=P(Z≤z)\Phi(z)=P(Z\le z)를 준다. 아래 표는 같은 zz의 두 값을 나란히 놓았다.

zzA(z)=P(0≤Z≤z)A(z)=P(0\le Z\le z)Φ(z)=P(Z≤z)\Phi(z)=P(Z\le z)
00.000000.50000
0.50.191460.69146
10.341340.84134
1.280.399730.89973
1.50.433190.93319
1.530.436990.93699
1.960.475000.97500
20.477250.97725
30.498650.99865

A(z)A(z) 열은 NIST 표처럼 소수 다섯째 자리까지 반올림한 근삿값이다. 그 교과서 부록의 표는 같은 넓이를 소수 넷째 자리까지 실어 A(1)=0.3413A(1)=0.3413, A(1.5)=0.4332A(1.5)=0.4332, A(2)=0.4772A(2)=0.4772로 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. z≥0z\ge0에서 식 (5)가 성립한다.

Φ(z)=12+A(z),Φ(−z)=12−A(z).(5)\Phi(z)=\frac12+A(z),\qquad \Phi(-z)=\frac12-A(z).\tag{5}
위 색칠은 A(1)=P(0≤Z≤1)≈0.34134이고, 아래 색칠은 Φ(1)=P(Z≤1)≈0.84134다. 두 그림은 같은 밀도이며 왼쪽 반쪽 0.5의 포함 여부가 다르다.
그림 2 위 색칠은 A(1)=P(0≤Z≤1)≈0.34134이고, 아래 색칠은 Φ(1)=P(Z≤1)≈0.84134다. 두 그림은 같은 밀도이며 왼쪽 반쪽 0.5의 포함 여부가 다르다. figures/table_conventions.py

식 (4)의 구간은 0을 사이에 두므로 양쪽 넓이를 더한다. 표의 반올림값으로 계산하면 다음과 같다.

P(−1≤Z≤1.5)=A(1)+A(1.5)≈0.34134+0.43319=0.77453.(6)P(-1\le Z\le1.5)=A(1)+A(1.5) \approx0.34134+0.43319=0.77453.\tag{6}

표준 점수가 음수이면 확률도 음수인가요?

아니다. 음수 표준 점수는 평균보다 작은 값이라는 뜻이고 확률은 언제나 0 이상이다. 예를 들어 Φ(−0.5)≈0.5−0.19146=0.30854\Phi(-0.5)\approx0.5-0.19146=0.30854이다. 입력 위치와 넓이 값을 구별한다.

표준정규분포표로 꼬리와 같은 쪽 구간은 어떻게 구할까?

표에는 0부터의 넓이만 있으므로, 구하려는 넓이를 0.5와 A(z)A(z)의 합이나 차로 바꾼다. 오른쪽 꼬리는 0.5에서 빼고, 0의 같은 쪽에 놓인 구간은 두 표 값을 빼고, 음수 쪽은 대칭으로 양수 쪽에 옮긴다.

P(Z≥1.5)=0.5−A(1.5)≈0.06681,P(0.5≤Z≤2)=A(2)−A(0.5)≈0.28579,P(Z≤−1)=P(Z≥1)=0.5−A(1)≈0.15866.(7)\begin{aligned} P(Z\ge1.5)&=0.5-A(1.5)\approx0.06681,\\ P(0.5\le Z\le2)&=A(2)-A(0.5)\approx0.28579,\\ P(Z\le-1)&=P(Z\ge1)=0.5-A(1)\approx0.15866. \end{aligned}\tag{7}

그림 3은 식 (7)의 세 줄을 위에서부터 차례로 색칠했다. 셋째 칸의 빗금은 색칠한 왼쪽 꼬리와 넓이가 같은 오른쪽 꼬리다. 누적확률을 쓰면 부호에 관계없이 P(a≤Z≤b)=Φ(b)−Φ(a)P(a\le Z\le b)=\Phi(b)-\Phi(a)로 계산한다. 여기서 a≤ba\le b이며 점확률이 0이므로 등호는 바꾸어도 된다.

표준정규분포표의 A(z)로 세 꼴의 확률을 만든다. 위는 오른쪽 꼬리 P(Z≥1.5), 가운데는 0의 같은 쪽 구간 P(0.5≤Z≤2), 아래는 음수 쪽 꼬리 P(Z≤−1)이며 빗금 친 오른쪽 꼬리 P(Z≥1)과 넓이가 같다.
그림 3 표준정규분포표의 A(z)로 세 꼴의 확률을 만든다. 위는 오른쪽 꼬리 P(Z≥1.5), 가운데는 0의 같은 쪽 구간 P(0.5≤Z≤2), 아래는 음수 쪽 꼬리 P(Z≤−1)이며 빗금 친 오른쪽 꼬리 P(Z≥1)과 넓이가 같다. figures/table_cases.py

양쪽 꼬리를 함께 묻는 경우도 있다. P(∣Z∣≥1.96)=2{0.5−A(1.96)}=2(0.025)=0.05P(|Z|\ge1.96)=2\{0.5-A(1.96)\}=2(0.025)=0.05이다. 이 0.05는 뒤의 추정 단원에서 신뢰도 95%와 짝을 이룬다.

표준정규분포에서 z가 3보다 크면 확률이 0인가요?

아니다. 표준정규분포의 밀도는 모든 zz에서 양수라서 꼬리 확률도 양수다. P(Z≥3)≈0.5−0.49865=0.00135P(Z\ge3)\approx0.5-0.49865=0.00135로 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 Φ(1)\Phi(1), 둘째는 A(1)A(1)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 zz를 찾고, 식 (1)을 거꾸로 써서 원래 점수로 되돌린다. X∼N(70,100)X\sim N(70,100)에서 위쪽 10%에 들려면 몇 점 이상이어야 할까? 경계의 표준 점수를 cc라 하면 다음과 같다.

P(Z≥c)=0.10 ⟹ A(c)=0.5−0.10=0.40.(8)P(Z\ge c)=0.10\ \Longrightarrow\ A(c)=0.5-0.10=0.40.\tag{8}

표에서 0.40에 가장 가까운 값은 A(1.28)=0.39973A(1.28)=0.39973이므로 c≈1.28c\approx1.28이다. 표준화 c=(x−70)/10c=(x-70)/10를 xx에 대해 풀면 경계 점수가 나온다.

x=70+10c≈70+10×1.28=82.8.(9)x=70+10c\approx70+10\times1.28=82.8.\tag{9}

그림 4의 아래 눈금은 zz, 위 눈금은 점수 xx다. 같은 경계가 z=1.28z=1.28과 x=82.8x=82.8로 함께 읽힌다. 표에서 가장 가까운 칸을 골랐으므로 근삿값이며, 도구의 값 82.8155와 소수 둘째 자리부터 다르다.

N(70,100)에서 위쪽 10%의 경계를 표준정규분포 위에서 거꾸로 찾았다. 0부터 경계까지 넓이가 약 0.40이 되는 z≈1.28이 점수 82.8에 대응하며, 오른쪽 꼬리 넓이는 약 0.10이다.
그림 4 N(70,100)에서 위쪽 10%의 경계를 표준정규분포 위에서 거꾸로 찾았다. 0부터 경계까지 넓이가 약 0.40이 되는 z≈1.28이 점수 82.8에 대응하며, 오른쪽 꼬리 넓이는 약 0.10이다. figures/inverse_cutoff.py

표준 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 N(70,100)N(70,100)이고 85점을 받았다. 둘째 시험은 N(64,64)N(64,64)이고 80점을 받았다.

z1=85−7010=1.5,z2=80−648=2.(10)z_1=\frac{85-70}{10}=1.5,\qquad z_2=\frac{80-64}{8}=2.\tag{10}

원점수는 둘째 시험이 5점 낮지만 표준 점수는 더 크다. 그 점수보다 높은 점수를 받을 확률은 첫째 시험이 0.5−A(1.5)≈0.066810.5-A(1.5)\approx0.06681, 둘째 시험이 0.5−A(2)≈0.022750.5-A(2)\approx0.02275이다. 그림 5 위에서 두 점은 서로 다른 곡선 위에 있지만, 아래의 같은 zz 눈금으로 옮기면 바로 비교된다.

평균·표준편차가 다른 두 시험 N(70,100)의 85점과 N(64,64)의 80점(위)을 표준 점수 1.5와 2로 옮겼다(아래). 두 점수보다 높을 확률은 각각 약 0.06681과 0.02275다.
그림 5 평균·표준편차가 다른 두 시험 N(70,100)의 85점과 N(64,64)의 80점(위)을 표준 점수 1.5와 2로 옮겼다(아래). 두 점수보다 높을 확률은 각각 약 0.06681과 0.02275다. figures/score_comparison.py

정규분포가 아니어도 표준화하면 표준정규분포인가요?

아니다. 표준화는 평균 0·표준편차 1만 보장한다. −1과 1을 각각 확률 1/21/2로 갖는 확률변수는 이미 평균 0·표준편차 1이지만 두 점만 갖는 이산형이다. 정규분포표를 쓸 수 있다는 결론에는 원래의 정규분포 가정이 필요하다.

핵심

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. — A(1)≈0.34134A(1)\approx0.34134이지만 A(2)≈0.47725A(2)\approx0.47725로 두 배인 0.68268보다 훨씬 작다. 밀도가 중심에서 멀수록 낮아 같은 폭의 넓이가 줄기 때문이다.
  • 표에서 얻은 소수는 정확한 확률이다. — Φ(1)\Phi(1)의 도구 값은 약 0.84134475다. 소수 다섯 자리 표에서 더한 0.84134와 작은 차이가 난다.

직접 해보기

  1. X∼N(40,16)X\sim N(40,16)일 때 P(36≤X≤44)P(36\le X\le44)를 위 표로 구하라.
  2. 표준정규분포 ZZ에서 P(Z≥1.5)P(Z\ge1.5)를 구하라.
  3. P(−2≤Z≤−0.5)P(-2\le Z\le-0.5)를 구하고 양수 쪽의 어떤 구간과 같은지 말하라.
  4. W∼N(100,64)W\sim N(100,64)에서 P(W≤c)≈0.975P(W\le c)\approx0.975가 되게 하는 cc를 표의 1.96으로 구하라.
  5. X∼N(60,σ2)X\sim N(60,\sigma^2)에서 P(X≥72)≈0.02275P(X\ge72)\approx0.02275이다. 표를 써서 σ\sigma를 구하고, P(∣X−60∣≥12)P(|X-60|\ge12)를 구하라.
답과 풀이
  1. 표준편차 4로 나누면 경계는 −1과 1이다. 2A(1)≈2(0.34134)=0.682682A(1)\approx2(0.34134)=0.68268이다.
  2. 오른쪽 반쪽에서 0부터 1.5까지를 빼 0.5−0.43319=0.066810.5-0.43319=0.06681이다.
  3. 대칭으로 0.5부터 2까지와 같으므로 0.47725−0.19146=0.285790.47725-0.19146=0.28579이다.
  4. Φ(1.96)≈0.5+0.47500=0.97500\Phi(1.96)\approx0.5+0.47500=0.97500이다. (c−100)/8=1.96(c-100)/8=1.96에서 c=100+8(1.96)=115.68c=100+8(1.96)=115.68을 얻는다.
  5. 0.5−A(z)=0.022750.5-A(z)=0.02275에서 A(z)=0.47725A(z)=0.47725이므로 표에서 z=2z=2다. (72−60)/σ=2(72-60)/\sigma=2에서 σ=6\sigma=6이다. ∣X−60∣≥12|X-60|\ge12는 ∣Z∣≥2|Z|\ge2와 같으므로 확률은 2×0.02275=0.04552\times0.02275=0.0455이다.

다음 이항분포의 정규근사에서는 이 표를 이산형에 적용할 때 필요한 경계 보정을 다룬다.

더 읽기

영상 노트

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

이 페이지의 기록
  1. 2026-11-16 · 교과 정의·새 연습·표와 도구 확인을 담은 에이전트 초안
  2. 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)
  3. 2026-11-17 · 전수 검수(에이전트 편집·독립 검증) 통과 — 주인 요청으로 완성으로 올림