# 확률 분포: 베르누이 분포 (Bernoulli Distribution)

#### 베르누이 분포의 정의

베르누이 분포는 이산 확률 분포의 하나로, 이분법적인 사건의 발생 가능성을 설명하는 데 사용된다. 즉, 어떤 실험에서 결과가 두 가지 가능한 경우로 나타나는 상황을 모델링한다. 이 분포는 각각의 사건이 성공(예: 1) 또는 실패(예: 0)로 귀결되는 실험의 결과를 설명한다. 베르누이 분포는 성공 확률 $ p $와 실패 확률 $ 1-p $를 갖는 확률 변수 $ X $의 분포를 나타낸다. 여기서 $ X $는 1 또는 0의 값을 취한다.

수학적으로, 베르누이 분포는 다음과 같이 정의된다.

$$
P(X = x) = \begin{cases} p & \text{if } x = 1 \ 1 - p & \text{if } x = 0 \end{cases}
$$

여기서 $ 0 \leq p \leq 1 $이며, $ p $는 성공 확률을 나타낸다.

#### 베르누이 확률 변수

베르누이 분포를 따르는 확률 변수를 베르누이 확률 변수라고 하며, 이는 두 가지 가능한 결과를 갖는 실험에서 결과를 모델링하는 데 사용된다. 베르누이 확률 변수 $ X $는 확률 밀도 함수(PMF)를 통해 다음과 같이 기술할 수 있다:

$$
P(X = x) = p^x (1 - p)^{1-x} \quad \text{for } x \in {0, 1}
$$

이 수식에서 $ x $는 0 또는 1의 값을 가질 수 있으며, 각 값에 대한 확률은 각각 $ 1-p $와 $ p $가 된다.

#### 베르누이 분포의 기대값과 분산

베르누이 분포의 기대값 $ E(X) $와 분산 $ Var(X) $은 다음과 같이 계산된다:

$$
E(X) = p
$$

$$
Var(X) = p(1 - p)
$$

여기서 기대값은 확률 변수의 평균 값을 나타내며, 분산은 확률 변수의 값들이 평균 값으로부터 얼마나 흩어져 있는지를 나타낸다. $ p $가 0 또는 1에 가까울수록 분산은 작아지며, $ p $가 0.5일 때 분산이 최대가 된다.

#### 베르누이 분포의 성질

1. **이항 분포와의 관계**: 베르누이 분포는 이항 분포의 특수한 경우로 볼 수 있다. 이항 분포는 $ n $번의 독립적인 베르누이 시행에서 성공 횟수를 모델링하지만, 베르누이 분포는 $ n=1 $인 경우에 해당한다.
2. **이산 분포**: 베르누이 분포는 이산 확률 분포의 일종으로, 실험 결과가 이산적인 두 가지 값(0 또는 1) 중 하나로 나타난다.
3. **확률의 독립성**: 베르누이 분포를 따르는 여러 실험에서 각 실험은 독립적이다. 즉, 한 실험의 결과가 다른 실험의 결과에 영향을 미치지 않는다.

#### 베르누이 시행의 특성

베르누이 시행은 베르누이 분포를 따르는 실험을 말한다. 이러한 시행은 다음과 같은 특성을 가진다:

* **결과의 이분성**: 결과가 두 가지 중 하나로만 나타난다.
* **일정한 확률**: 각 시행에서 성공 확률 $ p $는 변하지 않는다.
* **독립성**: 각 시행은 독립적으로 이루어진다.

이러한 특성은 베르누이 분포의 핵심 요소로, 이를 통해 다양한 확률 모델을 단순화할 수 있다.

#### 베르누이 분포의 확률 생성 함수 (PGF)

베르누이 분포의 확률 생성 함수는 다음과 같이 표현된다:

$$
G\_X(t) = E(t^X) = (1 - p) + pt
$$

이 함수는 베르누이 분포의 중요한 성질들을 다루는 데 유용하며, 특히 기대값과 분산을 계산하는 데 사용된다.

#### 모멘트 생성 함수 (MGF)

베르누이 분포의 모멘트 생성 함수는 다음과 같다:

$$
M\_X(t) = E(e^{tX}) = (1 - p) + pe^t
$$

이 함수는 확률 변수의 모멘트를 구하는 데 활용되며, 베르누이 분포의 다양한 통계적 특성을 분석하는 데 유용하다.

#### 확률 밀도 함수의 그래프적 표현

베르누이 분포의 확률 밀도 함수는 단순히 두 점(0, 1)에서의 확률 값을 나타내는 그래프다. 이 그래프에서 $ p $의 값에 따라 그래프의 모양이 달라진다. $ p = 0.5 $일 때는 두 점에서의 확률이 동일하며, $ p = 1 $이나 $ p = 0 $일 때는 하나의 점에서만 확률이 존재한다.

***

관련 자료:

* Grimmett, G., & Stirzaker, D. (2020). *Probability and Random Processes*. Oxford University Press.
* Ross, S. M. (2014). *Introduction to Probability Models*. Academic Press.
* Papoulis, A., & Pillai, S. U. (2002). *Probability, Random Variables, and Stochastic Processes*. McGraw-Hill.