이항 분포 (Binomial Distribution)
이항 분포의 정의
이항 분포(Binomial Distribution)는 확률 이론에서 매우 중요한 분포 중 하나로, 특정 실험이 일정한 확률로 성공 또는 실패하는 이산적(discrete) 확률 분포를 나타낸다. 이항 분포는 **베르누이 시행(Bernoulli trial)**이라고 불리는 독립적인 반복 시행을 기반으로 하며, 각각의 시행은 오직 두 가지 결과만 가질 수 있다: 성공 또는 실패. 이항 분포는 이러한 성공의 횟수를 확률적으로 모델링하는데 사용된다.
이항 분포의 확률 질량 함수(PMF, Probability Mass Function)는 다음과 같이 정의된다:
여기서:
$ X $: 성공의 횟수
$ n $: 총 시행 횟수
$ k $: 성공 횟수
$ p $: 성공 확률
$ 1-p $: 실패 확률
$ \binom{n}{k} $: 이항 계수(Binomial coefficient), 이는 $ n $개의 시행 중 $ k $번 성공할 확률을 나타낸다.
이항 분포의 성질
이항 분포는 다음과 같은 주요 성질을 가진다:
기대값(평균, Mean): 이항 분포의 기대값은 $ \mu = np $로 주어진다. 이는 전체 시행에서 성공할 것으로 기대되는 평균적인 횟수를 나타낸다.
분산(Variance): 이항 분포의 분산은 $ \sigma^2 = np(1-p) $로 주어진다. 이는 성공 횟수의 변동성을 측정하는 지표로 사용된다.
표준 편차(Standard Deviation): 이항 분포의 표준 편차는 $ \sigma = \sqrt{np(1-p)} $로, 분산의 제곱근이다.
왜도(Skewness): 이항 분포의 왜도는 $ \frac{1-2p}{\sqrt{np(1-p)}} $로, 이는 분포의 비대칭성을 나타낸다. $ p = 0.5 $인 경우 이항 분포는 대칭적이 된다.
첨도(Kurtosis): 이항 분포의 첨도는 $ \frac{1 - 6p(1-p)}{np(1-p)} $로 정의되며, 이는 분포의 중심 피크와 꼬리의 두께를 나타낸다.
이항 분포의 파생 특성
이항 분포는 여러 특성 및 경우에 따라 다음과 같은 파생 특성을 가진다:
정규 분포로의 근사(Normal Approximation): 시행 횟수 $ n $이 매우 크고 성공 확률 $ p $가 0.5에 가까울 경우, 이항 분포는 중심극한정리에 의해 정규 분포로 근사될 수 있다. 이때, 정규 분포의 평균은 $ \mu = np $, 표준 편차는 $ \sigma = \sqrt{np(1-p)} $가 된다.
포아송 분포로의 근사(Poisson Approximation): 성공 확률 $ p $가 매우 작고 $ n $이 매우 큰 경우, 이항 분포는 포아송 분포로 근사될 수 있다. 이때, 포아송 분포의 파라미터 $ \lambda $는 $ np $로 설정된다.
이항 계수와 확률 계산
이항 분포에서 확률을 계산하기 위해 이항 계수 $ \binom{n}{k} $를 사용하는데, 이는 다음과 같이 계산된다:
이 이항 계수는 $ n $개의 시행에서 정확히 $ k $번 성공할 수 있는 경우의 수를 나타낸다. 이항 분포의 확률 질량 함수는 이 이항 계수와 각각의 성공 확률 및 실패 확률의 곱으로 구성된다.
누적 분포 함수(Cumulative Distribution Function, CDF)
이항 분포의 누적 분포 함수는 특정 성공 횟수 $ k $까지의 누적 확률을 나타낸다. 이는 다음과 같이 정의된다:
이 함수를 이용하면 특정 횟수 이하의 성공이 발생할 확률을 계산할 수 있다.
관련 자료:
Feller, W. (1957). An Introduction to Probability Theory and Its Applications, Vol. 1. Wiley.
Ross, S. M. (2014). Introduction to Probability Models. Academic Press.
Casella, G., & Berger, R. L. (2002). Statistical Inference. Duxbury Press.
Last updated