정규분포에서 X가 특정 값보다 클 확률 P(X > x)

계산 입력

기준값 (x)

평균 (μ)

표준편차 (σ)

결과

P(X > x)

0.066807

6.6807% chance

z-점수	1.5
P(X ≤ x) = Φ(z)	0.933193

이 계산기의 기능

이 도구는 정규분포를 따르는 변수에서 우측 꼬리 확률 \(P(X > x)\)를 계산합니다. 기준값 \(x\), 모집단 평균 \(\mu\), 표준편차 \(\sigma\)를 입력하면, 무작위로 뽑은 관측값이 \(x\)보다 클 확률을 알려줍니다. 함께 표준화된 z-점수와 그 반대인 좌측 꼬리 확률 \(P(X \le x)\)도 제공합니다. 특정 국가에 한정되지 않는 범용 통계 도구로, 품질 관리, 시험 점수, 금융, 실험실 측정 등 어디서나 활용할 수 있습니다.

사용 방법

관심 있는 기준값(\(x\)), 분포의 평균(\(\mu\)), 표준편차(\(\sigma\), 반드시 양수)를 입력하세요. 계산기는 입력한 값을 z-점수로 표준화한 뒤, 표준정규 누적분포함수 \(\Phi\)를 계산해 양쪽 꼬리 확률을 모두 구합니다. \(X\)가 \(x\)를 초과할 확률을 소수와 백분율 두 가지 형태로 확인할 수 있습니다.

공식 설명

먼저 \(x\)를 z-점수로 변환합니다: \(z = (x - \mu) / \sigma\). 함수 \(\Phi(z)\)는 표준정규곡선에서 \(z\)의 왼쪽 면적, 즉 \(P(X \le x)\)를 나타냅니다. 전체 면적이 1이므로 우측 꼬리는 간단히 다음과 같이 됩니다.

$$P(X > x) = 1 - \Phi\!\left( \frac{\text{Value }(x) - \text{Mean }(\mu)}{\text{Std Dev }(\sigma)} \right)$$

이 계산기는 고정밀 오차함수 근사식(Abramowitz & Stegun 7.1.26)을 사용해 \(\Phi\)를 계산하며, 소수점 약 7자리까지 정확합니다.

광고

\(P(X > x)\)는 정규 곡선 아래 \(x\) 너머의 음영 처리된 오른쪽 꼬리 면적입니다.

예제 풀이

성인 키가 평균 \(\mu = 170\) cm, 표준편차 \(\sigma = 10\) cm인 정규분포를 따른다고 하고, \(P(\text{키} > 185)\)를 구한다고 합시다. 그러면 다음과 같습니다.

$$z = \frac{185 - 170}{10} = 1.5$$

표준정규분포표에서 \(\Phi(1.5) \approx 0.93319\)이므로

$$P(X > 185) = 1 - 0.93319 \approx 0.06681$$

즉 약 6.68%입니다.

값 \(x\)를 z 점수로 변환하면 오른쪽 꼬리 면적이 확률을 나타냅니다.

자주 묻는 질문

\(P(X < x)\)를 구하고 싶다면? 그것은 좌측 꼬리이며, 결과 표에 \(P(X \le x) = \Phi(z)\)로 표시됩니다. 연속분포에서는 \(P(X < x)\)가 \(P(X \le x)\)와 같습니다.

\(\sigma\)는 왜 양수여야 하나요? 표준편차는 데이터의 퍼짐 정도를 나타내므로 0보다 커야 합니다. 0 이하의 값으로는 유효한 정규분포가 성립하지 않습니다.

결과는 얼마나 정확한가요? \(\Phi\) 근사식은 소수점 약 7자리까지 정확하며, 일반적인 통계 작업에는 충분하고도 남습니다.