PE Notes · 확률통계
확률분포(정규/베르누이/기하분포)
확률분포(Probability Distribution): 확률변수가 취할 수 있는 값과 그 값이 나타날 확률(또는 확률밀도)의 대응 관계
확률분포(Probability Distribution): 확률변수가 취할 수 있는 값과 그 값이 나타날 확률(또는 확률밀도)의 대응 관계. 이산형: 확률질량함수(PMF) P(X = x) / 연속형: 확률밀도함수(PDF) f(x), 구간 넓이가 확률.
구조와 칸
| 질문 | 분포 |
|---|---|
| 한 번 시행의 성공·실패? | 베르누이 |
| n번 중 성공 횟수? | 이항 |
| 첫 성공까지 몇 번? | 기하 |
| r번째 성공까지 몇 번? | 음이항 |
| 단위 시간 발생 횟수? | 포아송 |
| 다음 사건까지 시간? | 지수 |
| 연속 측정값·합·평균? | 정규 |
표준화 Z = (X − μ) ÷ σ, 68-95-99.7 법칙. 최대 엔트로피 분포: 평균·분산만 알 때 가장 가정이 적은 분포. 많은 독립 요인의 합 → 정규에 근사(, ). 한 번의 예/아니오 실험: 클릭 여부·불량 여부·전환 여부.
정규 vs 베르누이 vs 기하
| 기준 | 정규 | 베르누이 | 기하 |
|---|---|---|---|
| 확률변수 | 연속 실수 | 0 또는 1 | 첫 성공까지 시행 수(1, 2, …) |
| 모수 | μ, σ² | p | p |
| 평균 | μ | p | 1/p |
| 분산 | σ² | p(1 − p) | (1 − p)/p² |
| 모양 | 대칭 종 모양 | 두 막대 | 지수적 감소(오른쪽 꼬리) |
| 핵심 성질 | 중심극한정리 | 이항·기하의 기본 단위 | |
| 예 | 응답 시간 | 클릭 여부 | 첫 성공까지 시도 수 |
| 기준 | 기하분포 | |
|---|---|---|
| 유형 | 이산(시행 횟수) | 연속(시간) |
| 모수 | p | λ |
| 평균 | 1/p | 1/λ |
| 공통점 | 무기억성 | 무기억성 |
| 관계 | 베르누이 과정의 대기 | 포아송 과정의 대기 |
베르누이: A/B 테스트 전환 여부, 이진 분류 레이블, 불량 판정. 기하: 첫 구매까지 방문 수, 재시도 횟수(재전송·로그인 시도), 무작위 대입 공격의 첫 성공 시점 추정, 첫 결함 발견까지 검사 수. 정규: 측정 오차·응답 시간 분포 근사·품질 관리.
답안은 확률분포(정규/베르누이/기하분포)의 정의, 칸, 비교 축을 한 장에 닫습니다.
기술사 답안 포인트
관련 용어
관련 토픽
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
확률통계
중심극한정리/t-검정/z-검정 (대수의 법칙 포함)
대수의 법칙(Law of Large Numbers, LLN): 표본 크기 n이 커질수록 표본평균 x̄가 모평균 μ에 수렴한다는 정리 — 약한 법칙(확률 수렴)·강한 법칙(거의 확실한 수렴)
확률통계
선형회귀 vs 로지스틱회귀(실습 포함)
선형회귀(Linear Regression): 독립변수와 연속형 종속변수 사이의 선형 관계를 추정하는 모형 — ŷ = β₀ + β₁x₁ + … + βₖxₖ, 최소제곱법(OLS)으로 오차 제곱합 최소화