확률변수와 분포 — 기댓값과 분산

💡 왜 필요할까요?

보험료는 기댓값으로 계산됩니다 (보험금 × 사고확률). 게임 아이템 드랍 확률, 로또 기대수익, 주식 포트폴리오 리스크 — 모두 기댓값과 분산으로 분석합니다. 분산이 클수록 고위험, 작을수록 안정적입니다.

📜 역사 이야기

크리스티안 호이겐스(Christiaan Huygens, 1629~1695)는 망원경으로 토성의 고리를 발견하고, 진자시계를 발명한 천재 과학자입니다. 그러나 수학사에서 그의 가장 중요한 업적 중 하나는 1657년 저술한 《주사위 게임의 확률 계산에 관하여(De Ratiociniis in Ludo Aleae)》입니다. 이 책에서 호이겐스는 처음으로 **기댓값(Expectation)**의 개념을 수학적으로 정의했습니다. 호이겐스의 기댓값 개념은 파스칼과 페르마의 도박 문제 서신(1654년)에서 영감을 받았습니다. "공정한 게임이란 무엇인가?"라는 질문에 답하려면 '평균적으로 얼마를 기대할 수 있는가'를 계산해야 했고, 그것이 기댓값입니다. 예를 들어 주사위 한 번 던져 나오는 수 $X$의 기댓값은 $E(X) = \dfrac{1+2+3+4+5+6}{6} = 3.5$로, 실제로 3.5가 나올 수는 없지만 장기 평균은 3.5에 수렴합니다. 확률변수의 **분산(Variance)**은 19세기 통계학자들이 체계화했습니다. 분산 $V(X) = E[(X - E(X))^2]$는 관측값이 기댓값에서 얼마나 흩어져 있는지를 측정합니다. 오늘날 기댓값과 분산은 보험 계리, 금융 포트폴리오 최적화, 기계학습 손실함수, 양자역학의 불확정성 원리까지 과학 전반의 핵심 언어입니다.

"확률은 우리의 무지를 측정하는 것이 아니라, 자연 자체의 변동성을 표현한다." — 크리스티안 호이겐스 (재해석)

🔬 직접 발견하기

📐 공식 이해하기

**기댓값** $E(X)$: 확률변수 $X$의 가중 평균 (가중치 = 확률). 무한 반복 시 장기 평균. **분산** $V(X)$: $X$가 기댓값에서 평균적으로 벗어나는 정도의 제곱. **표준편차** $\sigma(X) = \sqrt{V(X)}$는 분산의 제곱근으로 원래 단위를 복원합니다.

$X$

확률변수 — 시행 결과를 숫자로 대응시키는 함수

x_i

확률변수가 가질 수 있는 $i$번째 값

P(X=x_i)

$X = x_i$일 확률

E(X)

기댓값(기대값, 평균) — 장기 평균

V(X)

분산 — 흩어짐의 정도 (단위의 제곱)

σ(X)

표준편차 = $\sqrt{V(X)}$ — 분산의 제곱근 (원래 단위)

1. 1
   이산확률변수: $X$가 가질 수 있는 값이 유한하거나 셀 수 있는 경우
2. 2
   확률분포의 성질: $\sum P(X = x_i) = 1$ (모든 확률의 합 = 1)
3. 3
   기댓값: $E(X) = x_1 P_1 + x_2 P_2 + \cdots + x_n P_n$
4. 4
   분산 (전개형): $V(X) = E[(X-\mu)^2] = E(X^2) - [E(X)]^2$ ($\mu = E(X)$)
5. 5
   선형성: $E(aX + b) = aE(X) + b$, $V(aX + b) = a^2 V(X)$

📝 퀴즈로 확인하기

📋 수능 기출 문제