PE Notes · 확률통계
정규분포 vs 이항분포 vs 포아송분포
정규분포(Normal Distribution, N(μ, σ²)): 평균 μ를 중심으로 좌우 대칭인 종 모양의 연속형 확률분포 — 측정 오차·키·시험 점수 등
정규분포(Normal Distribution, N(μ, σ²)): 평균 μ를 중심으로 좌우 대칭인 종 모양의 연속형 확률분포 — 측정 오차·키·시험 점수 등. 확률밀도함수: f(x) = 1 ÷ (σ√(2π)) · e^(−(x − μ)² ÷ (2σ²)).
구조와 칸
| 근사 | 조건(일반적 기준) | 방법 |
|---|---|---|
| 이항 → 정규 | np ≥ 5 이고 n(1 − p) ≥ 5 | N(np, np(1 − p)), (±0.5) |
| 이항 → 포아송 | n 큼(예: ≥ 20~100), p 작음(예: ≤ 0.05) | λ = np |
| 포아송 → 정규 | λ 큼(예: ≥ 10~20) | N(λ, λ) |
표준화: Z = (X − μ) ÷ σ → 표준정규분포 N(0, 1). 경험 법칙(68-95-99.7): μ ± 1σ에 약 68.3%, ± 2σ에 약 95.4%, ± 3σ에 약 99.7% — ±1.96σ에 95%. : 표본평균의 분포는 n이 크면 모집단 분포와 무관하게 정규분포에 근사. n번 중 k번 성공하는 경우의 수 C(n, k) × 각 경우의 확률 pᵏ(1 − p)ⁿ⁻ᵏ.
세 분포 종합
| 기준 | 정규분포 | 이항분포 | 포아송분포 |
|---|---|---|---|
| 유형 | 연속 | 이산 | 이산 |
| 모수 | μ, σ² | n, p | λ |
| 평균 / 분산 | μ / σ² | np / np(1 − p) | λ / λ |
| 질문 형태 | "값이 어느 범위에 있을 확률" | "n번 중 k번 성공할 확률" | "단위 구간에 k번 발생할 확률" |
| 예 | 키·점수·오차 | 10개 중 불량 3개 | 시간당 장애 2건 |
| 관계 | 이항·포아송의 극한 근사 | n = 1이면 베르누이 | 이항의 극한(n → ∞, p ) |
| 기준 | 이항분포 | 포아송분포 |
|---|---|---|
| 시행 수 | 유한(n 고정) | 사실상 무한(연속 구간) |
| 상한 | n | 없음 |
| 분산 | 평균보다 작음(np(1 − p) < np) | 평균과 같음 |
| 분산 > 평균인 실제 데이터 | - | → 음이항분포 사용 |
정규분포: 품질 관리(6시그마, 관리도 ±3σ), 측정 오차, 기준. 이항분포: 불량품 개수, A/B 테스트 전환 수, 합격자 수. 포아송분포: 콜센터·서버 요청 수, 시간당 장애 건수, 결함 수(수율 모델 e^(−DA), ), 대기행렬 도착 과정.
답안은 정규분포 vs 이항분포 vs 포아송분포의 정의, 칸, 비교 축을 한 장에 닫습니다.
기술사 답안 포인트
관련 용어
관련 토픽
확률통계
통계적 가설검정과 유의수준
통계적 가설검정(Statistical Hypothesis Test): 모집단에 대한 주장(가설)이 맞는지를 표본 자료로 확률적으로 판단하는 절차
확률통계
이상치(Outlier, 3가지 유형: 전역/맥락/군집)
이상치(Outlier): 데이터의 일반적인 패턴·분포에서 크게 벗어난 관측값 — 측정·입력 오류일 수도 있고, 사기·장애·침입 같은 중요한 사건일 수도 있음
CA/OS
반도체 생태계(메모리 vs 비메모리, 가치사슬)
반도체 생태계: 반도체를 설계 → 제조(전공정) → 패키징·테스트(후공정) → 판매·응용하는 기업과, 이를 뒷받침하는 설계 도구(EDA)·설계 자산(IP)·장비·소재·부품 기업이 연결된 산업 구조