목차
베르누이 시행은 어떤 것일까
확률을 처음 배울 때 가장 먼저 만나는 개념 중 하나가 베르누이 시행입니다. 동전을 한 번 던져 앞면이 나오는지 뒷면이 나오는지 확인하는 순간, 이미 베르누이 시행을 하고 있는 셈입니다. 결과가 두 가지로만 갈리는 실험을 베르누이 시행이라고 부르며, 성공 확률을 p, 실패 확률을 1-p로 나타냅니다. 이 개념은 확률과 통계에서 가장 단순하면서도 이항분포와 연결되는 중요한 출발점입니다.
| 구분 | 의미 | 핵심 |
|---|---|---|
| 베르누이 시행 | 결과가 두 가지뿐인 한 번의 실험 | 성공 확률 p와 실패 확률 1-p |
| 베르누이 분포 | 베르누이 시행 결과를 확률로 표현한 분포 | 성공이면 1, 실패면 0 |
| 이항분포 | 베르누이 시행을 n번 반복했을 때 성공 횟수의 분포 | X는 B(n,p)를 따름 |
이 표를 보면 세 개념이 한 줄로 연결됩니다. 베르누이 시행이 반복되면서 성공 횟수를 세면 이항분포가 되고, 그 결과를 확률로 정리한 것이 베르누이 분포입니다. 처음에는 용어가 많아 보여도 실제로는 하나의 흐름을 따라가면 됩니다. 시행과 분포의 차이를 구분하는 순간 문제 풀이가 훨씬 수월해집니다.
베르누이 시행과 베르누이 분포는 무엇이 다른가
베르누이 시행과 베르누이 분포는 비슷해 보이지만 역할이 다릅니다. 시행은 실험 자체를 말하고, 분포는 그 실험에서 나온 확률을 정리한 것입니다. 예를 들어 주사위를 한 번 던져 1이 나오는지 아닌지 확인하는 것은 베르누이 시행이고, 그 결과를 확률로 나타낸 것이 베르누이 분포입니다. 이런 차이를 알고 나면 두 용어가 섞여 나와도 당황하지 않게 됩니다.
베르누이 시행의 두 가지 조건
모든 실험이 베르누이 시행이 되는 것은 아닙니다. 다음 조건을 모두 만족해야 합니다.
- 결과가 성공과 실패 두 가지로 구분되어야 합니다.
- 각 시행의 성공 확률 p가 일정하고 서로 독립이어야 합니다.
동전을 두 번 던질 때 첫 번째 결과가 두 번째 결과에 영향을 주지 않는 것이 독립의 예입니다. 성공 확률이 매번 같지 않거나 앞선 결과가 다음 결과에 영향을 준다면 베르누이 시행이라고 보기 어렵습니다. 베르누이 시행이라는 이름이 낯설게 느껴질 수 있지만, 실제 생활에서 쉽게 찾아볼 수 있습니다. 시험 문제를 맞히거나 틀리는 일, 새로 산 전자제품이 처음에 작동하는지 아닌지 확인하는 일도 모두 두 가지 결과로 나뉘는 시행입니다.
베르누이 분포로 표현하는 방법
베르누이 시행의 결과를 확률변수 X로 나타낼 때 성공을 1, 실패를 0으로 둡니다. 그러면 X가 1일 확률은 p, X가 0일 확률은 1-p가 됩니다. 이렇게 두 가지 값만 가지는 분포가 베르누이 분포입니다. 하나의 베르누이 시행만 봐도 확률의 구조가 보이기 때문에 이항분포를 이해하는 출발점이 됩니다. 성공 확률이 0.5에 가까울수록 결과를 예측하기 어려워지고 분산이 커지는 것도 이 단계에서 함께 기억해 두면 좋습니다.
베르누이 시행을 반복하면 이항분포가 된다
동전 한 번 던지기는 베르누이 시행입니다. 그런데 동전을 열 번 던져서 앞면이 몇 번 나오는지 확인하면 이야기가 달라집니다. 성공 확률이 p로 일정한 베르누이 시행을 n번 반복하고, 그중 성공한 횟수를 X라고 둘 때 X가 따르는 분포가 이항분포입니다. 기호로는 X는 B(n,p)를 따른다고 표현합니다.
이항분포 공식의 의미
이항분포에서 X가 k번 성공할 확률은 n개 중 k개를 고르는 경우의 수에 성공 확률 p의 k제곱과 실패 확률 1-p의 n-k제곱을 곱해서 구합니다. 공식이 복잡해 보여도 원리는 간단합니다. 성공과 실패가 특정 순서로 나올 확률을 구하고, 그 순서가 몇 가지인지 곱하면 됩니다. 예를 들어 5번 시행에서 정확히 2번 성공할 확률은 5개 중 2개를 고르는 경우의 수에 p의 2제곱과 1-p의 3제곱을 곱한 값입니다. 이때 n개 중 k개를 고르는 경우의 수는 성공이 나올 위치를 고르는 방법의 수를 뜻합니다. 이렇게 보면 공식을 외우지 않고도 자연스럽게 이해할 수 있습니다.
평균과 분산은 어떻게 구할까
이항분포에서 평균은 np이고 분산은 np 곱하기 1-p입니다. 평균은 전체 시행 횟수에 성공 확률을 곱한 값으로, 100번 시행하고 성공 확률이 0.2라면 평균적으로 20번 성공한다는 뜻입니다. 분산은 성공 횟수가 평균 주변에 얼마나 퍼져 있는지를 보여줍니다. 표준편차는 분산의 제곱근으로 구할 수 있습니다. 예를 들어 성공 확률이 0.5인 동전 던지기를 10번 하면 평균 5번 성공하고 분산은 2.5가 됩니다. 평균과 분산을 연결해서 보면 베르누이 시행 하나의 기댓값과 분산을 n번 더한 것이라는 사실이 더 잘 보입니다.
정확히 적어도 많아야 구분
문제를 풀 때 가장 많이 틀리는 부분이 정확히, 적어도, 많아야의 차이입니다. 정확히 k번은 k번일 때만 구하고, 적어도 k번은 k번 이상을 모두 더합니다. 많아야 k번은 0번부터 k번까지 더합니다. 이 표현을 문제에서 먼저 확인하면 계산 실수를 줄일 수 있습니다. 특히 적어도 문제는 여사건으로 바꾸면 계산량이 크게 줄어드는 경우가 많습니다.
시험장에서 경험한 베르누이 시행
예전에 통계 시험을 준비할 때 이 개념을 공식만 외우고 넘어간 적이 있습니다. 그런데 막상 문제를 만나니 어떤 상황에 어떤 공식을 써야 할지 헷갈렸습니다. 특히 적어도라는 말이 나오면 여사건으로 바꿔서 계산하는 것이 훨씬 빠른데, 그때는 이 사실을 몰라 시간을 많이 허비했습니다. 그때는 머릿속이 복잡해서 공식을 적용할 엄두가 나지 않았습니다. 하지만 같은 실험을 반복할 때는 성공 횟수만 세면 된다는 단순한 사실을 떠올린 뒤부터는 문제가 하나씩 풀리기 시작했습니다. 그 경험을 바탕으로 이번에는 조건을 먼저 확인하고 성공 확률과 시행 횟수를 정리한 다음 문제가 정확히, 적어도, 많아야 중 무엇을 묻는지 파악하는 순서로 공부했습니다. 이렇게 하니 같은 유형의 문제가 훨씬 쉽게 풀렸습니다.
데이터 분석에서도 같은 흐름이 쓰인다
베르누이 시행은 시험 문제에만 등장하지 않습니다. 데이터 분석에서도 성공과 실패로 나뉘는 결과를 다룰 때 자주 사용합니다. 예를 들어 제품이 정상인지 불량인지 확인하는 검사 과정이나 온라인 광고를 본 사람이 구매로 이어지는지 확인하는 과정도 베르누이 시행으로 볼 수 있습니다. 이런 상황을 반복해서 성공 횟수를 세면 이항분포가 되고, 그 분포를 통해 평균적인 성공 횟수와 변동성을 예측할 수 있습니다. 특히 머신러닝에서 분류 모델을 다룰 때도 확률 분포의 개념이 등장합니다. 베르누이 시행과 이항분포를 이해해 두면 손실함수와 엔트로피를 배울 때도 자연스럽게 연결됩니다.
정리하며 바라보는 확률의 세계
지금까지 베르누이 시행의 뜻과 조건, 베르누이 분포와 이항분포의 관계, 평균과 분산을 구하는 방법을 살펴보았습니다. 핵심은 결과가 두 가지인 실험을 반복하고 성공 횟수를 세는 흐름을 이해하는 것입니다. 확률은 복잡한 공식보다 상황을 어떻게 단순하게 바라보는지가 중요합니다. 앞으로 베르누이 시행을 만나면 성공과 실패를 먼저 정하고, 시행 횟수와 성공 확률을 확인한 뒤 차근차근 계산해 보세요. 그러면 통계와 데이터 분석의 세계가 한결 가깝게 느껴질 것입니다. 확률을 공부할 때는 단순히 숫자를 계산하는 것이 아니라, 어떤 사건을 성공으로 볼지 스스로 정의하는 힘을 키워보세요. 그 힘이 실제 데이터를 해석하는 능력으로 이어집니다.
자주 묻는 질문
Q 베르누이 시행과 베르누이 분포는 어떻게 다른가요
A 베르누이 시행은 결과가 두 가지인 실험 자체를 말하고, 베르누이 분포는 그 실험 결과를 확률로 나타낸 분포입니다. 동전 던지기는 시행, 앞면 확률 p와 뒷면 확률 1-p로 정리한 것이 분포입니다.
Q 이항분포는 언제 사용할 수 있나요
A 성공 확률이 일정한 베르누이 시행을 여러 번 반복하고 성공 횟수를 셀 때 사용합니다. 각 시행이 독립이고 결과가 두 가지로 나뉘면 이항분포를 적용할 수 있습니다.
Q 적어도 문제는 어떻게 푸는 것이 빠른가요
A 적어도 k번은 k번 이상을 모두 더해야 하는데, 계산이 길어지면 전체 확률 1에서 k-1번 이하일 확률을 빼는 여사건 방식이 빠릅니다.
