정규분포는 평균을 중심으로 좌우대칭인 종 모양의 연속확률분포로, 키·점수·측정 오차처럼 자연·사회 현상에서 가장 흔하게 나타나는 분포입니다. 이 글은 정규분포의 성질, 모든 정규분포를 하나로 통일하는 표준화 Z=(X−μ)/σ, 그리고 표준정규분포표로 확률을 구하는 흐름을 검산한 예제와 함께 정리합니다. 확률과 통계 '통계' 단원에서 확률분포와 확률변수를 배운 뒤 연속확률변수로 넘어가는 학생에게 맞습니다.
정규분포란 무엇인가?
확률변수 X가 평균 μ, 분산 σ²인 정규분포를 따를 때 X ~ N(μ, σ²) 라고 씁니다. 그래프는 다음 성질을 갖습니다.
| 성질 | 내용 |
|---|---|
| 대칭성 | 직선 x = μ 에 대해 좌우대칭 |
| 중심 위치 | 평균 μ에서 가장 높고, μ가 커지면 그래프가 오른쪽으로 평행이동 |
| 퍼짐 정도 | σ가 클수록 낮고 넓게, 작을수록 높고 뾰족하게 |
| 전체 넓이 | 곡선과 x축 사이 넓이 = 1 (= 전체 확률) |
확률은 곡선 아래의 넓이로 읽습니다. 그런데 μ, σ가 분포마다 달라서 넓이를 매번 적분하는 것은 불가능합니다. 그래서 모든 정규분포를 하나의 기준 분포로 바꾸는 장치가 필요합니다.
왜 표준화를 하는가?
표준화: X ~ N(μ, σ²) 일 때 Z = (X − μ) / σ 로 바꾸면 Z ~ N(0, 1) (표준정규분포)
즉 "평균을 빼서 중심을 0으로 옮기고(−μ), 표준편차로 나눠서 퍼짐을 1로 맞추는(÷σ)" 두 조작입니다. 이렇게 하면 어떤 정규분포든 표준정규분포 N(0,1) 하나가 되어, 미리 계산된 표준정규분포표(P(0≤Z≤z) 값)로 확률을 읽을 수 있습니다.
자주 쓰는 표준정규분포 넓이는 외워두면 빠릅니다(아래 값은 표준정규분포표 기준).
- P(0 ≤ Z ≤ 1) ≈ 0.3413
- P(0 ≤ Z ≤ 1.96) ≈ 0.4750
- P(0 ≤ Z ≤ 2) ≈ 0.4772
- P(0 ≤ Z ≤ 2.58) ≈ 0.4951
예제로 흐름 잡기
[예제] 어느 시험 점수 X가 X ~ N(60, 10²) 을 따를 때, P(50 ≤ X ≤ 80)의 값은? (단 P(0≤Z≤1)=0.3413, P(0≤Z≤2)=0.4772)
풀이
- 양 끝을 표준화: X=50 → Z = (50−60)/10 = −1, X=80 → Z = (80−60)/10 = 2
- 구하는 넓이 = P(−1 ≤ Z ≤ 2) = P(−1≤Z≤0) + P(0≤Z≤2)
- 대칭성에서 P(−1≤Z≤0) = P(0≤Z≤1) = 0.3413
- 따라서 0.3413 + 0.4772 = 0.8185
검산: 정규분포 누적확률로 직접 계산하면 P(50≤X≤80) ≈ 0.8186 — 표 계산과 일치.
여기서 σ = 10 입니다. N(60, 100)의 100은 분산 σ²이므로, 표준화 분모에는 √100 = 10을 써야 합니다. σ²을 그대로 분모에 넣으면 답이 통째로 어긋납니다.
어디서 자주 막히나 — 풀이 흐름 점검
| 막히는 지점 | 원인 | 교정 |
|---|---|---|
| 분모에 σ² 를 넣음 | 분산·표준편차 혼동 | N(μ, σ²)에서 분모는 √σ² = σ |
| 음수 Z 넓이를 못 읽음 | 표에 음수가 없음 | 대칭성 P(−a≤Z≤0)=P(0≤Z≤a) |
| P(Z≤z)와 P(0≤Z≤z) 혼동 | 표 종류 착각 | 표가 '0부터'면 0.5를 더하고 빼서 조정 |
| 그래프 없이 식만 세움 | 어느 넓이인지 불명확 | 종 모양을 그려 구할 넓이부터 색칠 |
흔한 오해 3가지
- "정규분포는 특정 한 곡선이다" — 아닙니다. μ, σ에 따라 무수히 많은 정규분포가 있고, 표준화는 그 전부를 N(0,1) 하나로 모으는 작업입니다.
- "P(X=60) 같은 한 점의 확률도 구할 수 있다" — 연속확률변수에서 한 점의 확률은 0입니다. 정규분포에서는 항상 구간의 넓이만 의미가 있습니다.
- "표준화하면 값이 변한다" — 분포의 모양·위치는 바뀌지만 넓이(확률)는 보존됩니다. 그래서 바꿔서 계산해도 같은 확률이 나옵니다.
한 줄로 남기는 핵심
정규분포 문제는 "적분하라"가 아니라 "표준화해서 표를 읽어라" 는 신호입니다. 양 끝을 Z로 바꾸고 그래프에 넓이를 색칠하는 순간, 계산은 덧셈·뺄셈으로 끝납니다.
모든 정규분포는 Z = (X−μ)/σ 한 줄로 같은 표 위에 올라선다 — 이것이 표준화의 전부입니다.
표준화는 다음 단원인 통계적 추정에서 표본평균의 신뢰구간을 세우는 토대가 됩니다. TimeLevelUp은 확률과 통계를 '분포 → 표준화 → 추정'의 의존 순서대로 배치하고, 표를 잘못 읽어 틀린 유형을 다음 복습에 다시 꺼내 같은 실수가 쌓이지 않도록 학습 리듬을 설계합니다.