정규분포의 표준화
📖 이 페이지의 개념정규분포
평균, 표준편차 = 가 (0.00, 1.00)나 (0.01, 1.02)다 (0.00, 1.01)
빼고 나눈 m · σ 는 세 시험의 모수다. 괄호 속 값은 옮긴 점 4000 개씩에서 다시 잰 것이다. 비교: N(0, 1) 은 평균 0, 표준편차 1
평균도 흩어짐도 다른 세 시험의 점수를 한 점 한 점 옮긴다. 자기 평균만큼 빼면 가운데가 0 에 모이고, 자기 표준편차로 나누면 폭까지 같아져 세 종이 하나로 겹친다. 그래서 표준정규분포표 하나로 모든 정규분포를 읽는다.
정규분포는 평균과 표준편차에 따라 모양이 제각각이라 표를 무한히 만들 수는 없다. 그래서 평균만큼 빼서 중심을 0 으로 옮기고, 표준편차로 나눠 폭을 1 로 맞춘다. 모든 정규분포가 하나의 표준정규분포로 포개진다.
이 공식, 이렇게 학습하세요
- 확률변수를 표준화해 Z 값으로 바꾼다
- 표준정규분포표를 읽어 확률을 구한다
- 표준화가 '중심 이동 + 폭 조정'임을 설명한다
한 단계씩 유도해 보기
평균 m, 표준편차 σ 인 정규분포를 따르는 확률변수에서 출발한다.
1 / 4 단계
👤 이 공식 뒤의 사람, 카를 프리드리히 가우스 이야기 → 👤 이 공식 뒤의 사람, 아브라암 드 무아브르 이야기 →
외울까, 되살릴까
외우지 않아도 된다
평균을 빼서 중심을 0 으로, 표준편차로 나눠 폭을 1 로 맞춘다.
평균을 빼서 중심을 0 으로 옮기고, 표준편차로 나눠 폭을 1 로 맞춘다. 두 동작뿐이다. z 는 결국 평균에서 표준편차 몇 개만큼 떨어졌는가를 세는 값이다. 평균 40, 표준편차 20 인 시험의 80 점은 z = 2, 곧 두 칸 위다.
이런 실수를 조심하세요
- 분산 σ² 로 나누는 경우: 나누는 것은 표준편차 σ 다
- 빼기와 나누기의 순서를 바꾸는 경우: 평균을 먼저 뺀다
- 표의 값 P(0 ≤ Z ≤ k) 를 그대로 P(Z ≤ k) 로 읽는 경우: 왼쪽 절반 0.5 를 더해야 한다
예제
문제. X 가 평균 60, 표준편차 10 인 정규분포를 따를 때 P(X ≤ 75) 를 Z 로 나타내시오.
답. P(Z ≤ 1.5) ≈ 0.9332
Z = (75 − 60) ÷ 10 = 1.5 이므로 P(X ≤ 75) = P(Z ≤ 1.5). 표준정규분포표에서 약 0.9332 다.
🌍 실제로 어디에 쓰이나, 표준점수 · 원점수 100점이 100점이 아닌 이유 →🌍 실제로 어디에 쓰이나, 여론조사 ±3.1%p · 왜 하필 1,000명인가 →
직접 만져 보기
이어서 학습하기
카를 프리드리히 가우스 "수학의 왕자"라 불린, 정수론부터 천문학까지 아우른 천재 사람 이야기
아브라암 드 무아브르 커피하우스에서 도박 확률을 계산해 주며 정규분포 곡선을 처음 그린 망명자 생활 속 수학 🌍 표준점수 · 원점수 100점이 100점이 아닌 이유 같은 80점이 어떤 해에는 140점, 어떤 해에는 120점 생활 속 수학 🌍 여론조사 ±3.1%p · 왜 하필 1,000명인가 ±3.1%p는 어림이 아니다. 1,000명이라는 수에서 계산되어 나온 값 직접 만져 보기 🔬 정규분포 곡선 축을 고정하면 표준편차가 보인다 전체 흐름 보기 🧠 개념 지도 이 공식이 어디서 오고 어디로 이어지는지 한눈에