'최소 k회 성공' 이항분포 계산기란?
이 도구는 매 시행마다 동일한 성공 확률 \(p\)를 가지는 독립적인 \(n\)번의 시행에서 최소 k회 성공할 확률을 계산합니다. 이는 이항분포의 상단 꼬리 누적 확률에 해당하며 \(P(X \geq k)\)로 표기합니다. 품질 관리, 신뢰성 시험, A/B 테스트, 여론 조사 등 '예/아니오'(베르누이) 시행이 반복되는 모든 상황에서 폭넓게 활용됩니다.
사용 방법
세 가지 값을 입력하세요. 시행 횟수 n(자연수), 관심 있는 최소 성공 횟수 k, 그리고 매 시행당 성공 확률 p를 0과 1 사이의 소수로 입력합니다(예: 25%는 0.25). 계산 버튼을 누르면 \(P(X \geq k)\)와 이를 백분율로 환산한 값은 물론, 정확히 k회 성공할 확률 \(P(X = k)\)와 하단 꼬리 확률 \(P(X \leq k)\)까지 함께 확인할 수 있습니다.
공식 풀이
정확히 i회 성공할 확률은 이항 질량 함수 \(\binom{n}{i} \cdot p^{i} \cdot (1-p)^{n-i}\)로 나타냅니다. 여기서 \(\binom{n}{i}\)는 어떤 시행이 성공할지 고르는 경우의 수입니다. '최소 k회'를 구하려면 \(i = k\)부터 \(i = n\)까지 모든 항을 더하면 됩니다.
$$P(X \geq k) = \sum_{i=k}^{n} \binom{n}{i}\, p^{\,i}\,\left(1-p\right)^{n-i}$$
이 계산기는 큰 팩토리얼을 직접 계산하는 대신 각 항을 반복적으로 누적해 수치적 안정성을 확보하므로, n이 큰 경우에도 정확한 결과를 유지합니다.
예제로 살펴보기
공정한 동전(\(p = 0.5\))을 10번 던져 앞면이 최소 6번 나올 확률을 구한다고 해봅시다. \(n = 10\), \(k = 6\), \(p = 0.5\)일 때 \(i = 6, 7, 8, 9, 10\)에 해당하는 항들의 합은 $$\frac{386}{1024} \approx 0.376953,$$ 즉 약 37.7%입니다.
결과 해석
\(P(X \geq k)\)는 단측(상측 꼬리) 확률입니다: 이는 "만약 참의 성공률이 정말 \(p\)라면, \(n\)번의 시행에서 \(k\)번 이상의 성공을 우연히 몇 번이나 관찰할 것인가?"라는 질문에 답합니다. 정확히 \(k\)번의 성공부터 모든 \(n\)까지의 모든 결과를 포함합니다.
작은 결과 — 예를 들어 0.05 미만 — 는 관찰된 성공 횟수가 가정된 \(p\) 하에서 놀랄 만하다는 의미입니다. 이것이 정확히 단측 p값의 논리입니다: 기준선 비율을 가정하고 데이터가 꼬리 끝에 있으면, 그 가정은 의심스러워 보입니다. 큰 결과는 그 횟수가 주목할 만하지 않으며 가정된 \(p\)와 완전히 일치한다는 의미입니다.
- A/B 테스트. 대조군 전환율이 \(p\)이고 변형군이 \(n\)번의 시행 중 \(k\)번 전환한 경우, \(P(X \geq k)\)는 그 상승 효과가 단지 잡음일 수 있는지를 측정합니다. 매우 작은 꼬리 확률은 변형군이 실제로 다르다는 증거입니다.
- 품질 관리 / 수입 검사. 가정된 불량률 \(p\)의 경우, \(P(X \geq k)\)는 로트가 \(n\)개 표본에서 \(k\)개 이상의 불량품을 보일 확률입니다 — 수용/거부 규칙의 기초입니다.
- 신뢰성 "최소 하나". \(k=1\)로 설정하면 \(n\)번의 독립적인 시도 전반에 걸쳐 최소 하나의 사건이 발생할 확률을 얻습니다.
큰 \(n\)의 경우, 이항 꼬리는 정규 분포로 근사되는 경우가 많으므로, \(np\)와 \(n(1-p)\)가 모두 약 10을 편안하게 초과할 때 정규 상측 꼬리 도구를 검산으로 사용할 수 있습니다. 이 숫자를 데이터가 가정된 \(p\)와 얼마나 양립하는지에 대한 설명으로 취급하십시오; 조치를 위한 임계값을 선택하는 것은 연구 설계 결정이지, 확률이 스스로 지시하는 것이 아닙니다.
정의 및 용어집
- \(n\) — 시행 횟수
- 실험의 고정된 총 독립적 반복 횟수입니다(예: 동전 던지기 20번, 표본 부품 100개).
- \(k\) — 최소 성공 횟수
- 테스트되는 임계값입니다. \(P(X \geq k)\)는 정확히 \(k, k+1, \dots, n\)번의 성공을 얻을 확률을 합산합니다.
- \(p\) — 시행당 성공 확률
- 모든 시행에 동일하다고 가정되는 단일 시행이 "성공"일 확률입니다. 0과 1 사이의 값입니다.
- 베르누이 시행
- 정확히 두 가지 결과를 가진 단일 실험 — 성공(확률 \(p\)) 또는 실패(확률 \(1-p\)). 이항 설정은 \(n\)개의 동일하고 독립적인 베르누이 시행입니다.
- 이항 계수 \(\binom{n}{i}\)
- "\(n\) 중에 \(i\) 선택", \(n\)번의 시행 중에 \(i\)번의 성공을 배열하는 서로 다른 방법의 수: \(\binom{n}{i} = \dfrac{n!}{i!\,(n-i)!}\).
- 누적 / 상측 꼬리 확률
- 결과의 범위를 합산하는 확률입니다. \(P(X \geq k)\)는 상측 꼬리입니다 — 이는 \(k\)부터 \(n\)까지의 모든 횟수의 확률을 더합니다. 그 여사건은 \(P(X \leq k-1)\)입니다.
- 독립성
- 한 시행의 결과가 다른 시행에 영향을 미치지 않는다는 가정입니다. 독립성이 없고 상수 \(p\)가 없으면 이항 공식이 적용되지 않습니다.
자주 묻는 질문
시행이 독립이라고 가정하나요? 그렇습니다. 모든 시행은 서로 독립이어야 하며 동일한 성공 확률 \(p\)를 가져야 합니다.
정확히 k회나 최대 k회를 알고 싶다면? 결과 표에 \(P(X = k)\)와 \(P(X \leq k)\)도 함께 표시되니 편리하게 확인할 수 있습니다.
p를 백분율로 입력해도 되나요? p는 백분율이 아니라 소수로 입력하세요(예: 5%는 5가 아니라 0.05).
