확률분포의 분산 계산기

확률분포의 분산 계산기

성장 중 AI Skill PRO

계산 입력

공식

σ2=∑pixi2−μ2여기서{μ=∑pixi∑pixi2=∑pixi2\begin{gathered} \sigma^{2} = \sum p_i x_i^{2} - \mu^{2} \\[1.5em] \text{여기서}\quad \left\{ \begin{aligned} \mu &= \sum {p_i}\,{x_i} \\ \sum p_i x_i^{2} &= \sum {p_i}\,{x_i}^{2} \end{aligned} \right. \end{gathered}
사용 통계

광고

결과

분산 Var(X)
0.49
분포의 σ²
평균 μ 2.1
E[X²] 4.9
표준편차 σ 0.7
Σ pᵢ (1이 되어야 함) 1

이 페이지의 오류 신고

이 계산기의 기능

이 도구는 확률분포로부터 이산확률변수의 분산과 표준편차를 계산합니다. 가능한 각 결과값(\(x_i\))과 그 결과가 나올 확률(\(p_i\))을 입력하면, 분산 \(\text{Var}(X)\), 평균 \(\mu\), \(X^2\)의 기댓값, 그리고 표준편차 \(\sigma\)를 계산해 줍니다. 분산은 결과값들이 평균을 중심으로 얼마나 퍼져 있는지를 나타냅니다. 분산이 작으면 결과값들이 평균 가까이 모여 있다는 뜻이고, 분산이 크면 넓게 흩어져 있다는 의미입니다.

사용 방법

첫 번째 칸에 결과값을 쉼표로 구분해 입력합니다(예: 1, 2, 3). 두 번째 칸에는 같은 순서로 대응하는 확률을 입력합니다(예: 0.2, 0.5, 0.3). 확률의 합은 1이 되어야 하며, 계산기가 \(\sum p_i\) 값을 함께 보여 주므로 이를 확인할 수 있습니다. 계산 버튼을 누르면 분산과 관련 통계량이 표시됩니다.

공식 설명

분산은 다음과 같은 계산에 편리한 형태를 사용합니다:

$$\text{Var}(X) = \sum p_i x_i^{2} - \left(\sum p_i x_i\right)^{2}$$

여기서 \(\sum p_i x_i\)는 평균 \(\mu = E[X]\)이고, \(\sum p_i x_i^{2}\)는 \(E[X^2]\)입니다. \(E[X^2]\)에서 평균의 제곱을 빼면 분산이 됩니다. 이는 정의식 \(\text{Var}(X) = \sum p_i (x_i - \mu)^{2}\)와 대수적으로 완전히 동일하지만, 한 번에 계산하기가 더 쉽습니다. 표준편차는 단순히 \(\sigma = \sqrt{\text{Var}(X)}\)입니다.

광고
평균선과 퍼짐 화살표가 있는 이산 확률 분포의 막대그래프
분산은 결과들이 분포의 평균 주위로 얼마나 퍼져 있는지를 측정합니다.

예제 풀이

확률변수 X가 1, 2, 3의 값을 각각 0.2, 0.5, 0.3의 확률로 가진다고 합시다. 평균은 $$\mu = 1(0.2) + 2(0.5) + 3(0.3) = 0.2 + 1.0 + 0.9 = 2.1$$입니다. $$E[X^2] = 1(0.2) + 4(0.5) + 9(0.3) = 0.2 + 2.0 + 2.7 = 4.9$$입니다. 따라서 $$\text{Var}(X) = 4.9 - 2.1^{2} = 4.9 - 4.41 = 0.49$$이고, \(\sigma = \sqrt{0.49} = 0.7\)입니다.

결과와 확률을 분산 공식에 들어가는 가중 제곱값에 대응시킨 표
각 결과는 분산 공식의 두 합에 \(p_i x_i\)와 \(p_i x_i^{2}\)를 기여합니다.

추가 풀이 예제

예제 1: 공정한 여섯 면체 주사위

결과는 \(x = 1, 2, 3, 4, 5, 6\)이며, 각각의 확률은 \(p_i = \frac{1}{6}\)입니다.

  1. 평균: \(E[X] = \sum p_i x_i = \frac{1}{6}(1+2+3+4+5+6) = \frac{21}{6} = 3.5\).
  2. 두 번째 적률: \(E[X^2] = \sum p_i x_i^2 = \frac{1}{6}(1+4+9+16+25+36) = \frac{91}{6} \approx 15.1667\).
  3. 분산: \(\sigma^2 = E[X^2] - (E[X])^2 = \frac{91}{6} - 3.5^2 = 15.1667 - 12.25 \approx 2.9167\) (정확히는 \(\frac{35}{12}\)).
  4. 표준편차: \(\sigma = \sqrt{2.9167} \approx 1.7078\).

예제 2: 손실과 이익이 모두 있는 게임 보수

어떤 게임은 (달러 단위로) \(x = -10, 0, 20\)을 지급하며, 확률은 \(p = 0.5, 0.3, 0.2\)입니다. 확률의 합은 1입니다.

  1. 평균: \(E[X] = 0.5(-10) + 0.3(0) + 0.2(20) = -5 + 0 + 4 = -1\).
  2. 두 번째 적률: \(E[X^2] = 0.5(100) + 0.3(0) + 0.2(400) = 50 + 0 + 80 = 130\).
  3. 분산: \(\sigma^2 = 130 - (-1)^2 = 130 - 1 = \) 129.
  4. 표준편차: \(\sigma = \sqrt{129} \approx 11.36\) 달러.

마지막 단계에서 평균이 제곱되므로, 평균이 음수이더라도 빼지는 항은 양수가 된다는 점에 유의하십시오.

평균이 같은 분포 비교

아래의 세 분포는 모두 평균이 2이지만 퍼진 정도가 다릅니다. 분산은 평균만으로는 알 수 없는 이런 차이를 포착합니다.

분포 평균 E[X] E[X²] 분산 표준편차
x = 2, p = 1 2 4 0 0
x = 1, 2, 3이고 p = 0.25, 0.5, 0.25 2 0.25 + 2 + 2.25 = 4.5 4.5 − 4 = 0.5 ≈ 0.7071
x = 0, 2, 4이고 p = 0.25, 0.5, 0.25 2 0 + 2 + 4 = 6 6 − 4 = 2 ≈ 1.4142

세 번째 분포의 결과값은 두 번째 분포보다 평균에서 두 배 멀리 떨어져 있으므로, 분산은 네 배 크고(2 대 0.5) 표준편차는 두 배 큽니다.

광고

분산과 표준편차의 해석

  • 분산 0: 결과가 일정한 값입니다(퇴화 분포). 모든 확률이 하나의 값, 즉 평균에 놓여 있습니다.
  • σ가 클수록 퍼짐이 넓음: 결과값이 평균 E[X]에서 더 멀리 떨어지는 경향이 있습니다.
  • 단위: X가 달러 단위로 측정되면 분산의 단위는 달러 제곱이고, 표준편차 \(\sigma = \sqrt{\sigma^2}\)는 X와 같은 단위(달러)이므로 해석하기가 더 쉽습니다.
  • 선형 변환: \(\mathrm{Var}(aX + b) = a^2\,\mathrm{Var}(X)\). 상수 b를 더하면 분포가 이동할 뿐 퍼짐은 바뀌지 않으며, a를 곱하면 표준편차는 \(|a|\)배가 됩니다.
  • 독립 변수의 합: X와 Y가 독립이면 \(\mathrm{Var}(X + Y) = \mathrm{Var}(X) + \mathrm{Var}(Y)\)이고, \(\mathrm{Var}(X - Y) = \mathrm{Var}(X) + \mathrm{Var}(Y)\)도 성립합니다. 표준편차는 직접 더해지지 않습니다.
  • 극단값에 대한 민감성: 편차를 제곱하기 때문에, 확률이 작더라도 드물게 나타나는 극단적인 결과가 분산을 크게 높일 수 있습니다.

분산은 결코 음수가 될 수 없습니다. 계산 결과가 음수라면 확률의 합이 1인지, 그리고 각 pᵢ가 0과 1 사이에 있는지 확인하십시오.

자주 묻는 질문

확률의 합이 반드시 1이 되어야 하나요? 네, 올바른 확률분포가 되려면 그렇습니다. 계산기가 \(\sum p_i\)를 보여 주므로 직접 확인할 수 있습니다. 합이 1이 아니면 결과가 부정확해집니다.

분산과 표준편차의 차이는 무엇인가요? 분산은 단위가 제곱으로 표현됩니다. 표준편차는 분산의 제곱근으로, X와 같은 단위로 표현되기 때문에 해석하기가 더 쉽습니다.

분산이 음수가 될 수 있나요? 아니요. 수학적으로 분산은 항상 0 이상입니다. 음수 값이 나온다면 확률 입력에 오류가 있다는 뜻입니다.

최종 업데이트:

수학 및 통계 인기 계산기

수학 및 통계 계산기 전체 보기