이항분포와 포아송 분포: 횟수를 세는 확률

약을 먹은 다섯 명 가운데 몇 명에게 부작용이 날까. 한 시간에 응급실에 몇 명이 올까. 둘 다 「몇 번」을 세는 일입니다. 이런 횟수가 얼마의 확률로 나오는지 적는 두 분포를 막대를 움직이며 봅니다.

한 줄 답. 이항분포는 될 확률이 p 인 일을 n 번 서로 상관없이 했을 때 k 번 될 확률입니다. 포아송 분포는 정해진 시간·넓이 안에서 드물게 일어나는 일이 k 번 일어날 확률이고, 평균 횟수 λ 하나로 정해집니다. n 이 크고 p 가 작으면 이항분포는 λ = np 인 포아송 분포에 가까워집니다.

막대로 n 과 p 를 바꿔 보세요. 초록 막대 하나가 「n 번 가운데 정확히 k 번 될 확률」입니다. 검은 점선이 평균 np, 보라 띠가 평균 ± 표준편차입니다. 단추를 누르면 평균 np, 분산 np(1 − p) 가 같은 정규분포 곡선이 주황으로 겹쳐집니다. n 이 8 이하이면 막대 위에 확률을 적습니다.

1. 이항분포: n 번 가운데 k 번

한 번 해서 되거나 안 되는 일(베르누이 시행)을 생각합니다. 동전을 던져 앞면이 나오나, 광고를 본 사람이 사나, 환자에게 부작용이 나나. 한 번 할 때 될 확률을 p 라고 합니다. 이 일을 n 번, 서로 상관없이 하면 된 횟수 k 는 0 부터 n 까지 가운데 하나입니다. k 마다 그 확률을 적은 것이 이항분포입니다.

P(k) = C(n, k) × pᵏ × (1 − p)ⁿ⁻ᵏ

pᵏ(1 − p)ⁿ⁻ᵏ 는 「k 번 되고 n − k 번 안 되는 순서 하나」의 확률이고, C(n, k) = n! ÷ (k! × (n − k)!) 는 그런 순서가 몇 가지인지(n 개 가운데 k 개를 고르는 방법의 수, 조합)입니다. 둘을 곱하는 까닭은 3. 식이 만들어지는 과정에서 가지 그림으로 봅니다.

평균 = np
분산 = np(1 − p), 표준편차 = √(np(1 − p))

한 번만 하면 된 횟수(0 또는 1)의 평균은 p, 분산은 p(1 − p) 입니다. 서로 상관없는 n 번을 더하면 평균도 분산도 n 배가 됩니다. 분산은 p = 0.5 일 때 가장 크고, p 가 0 이나 1 에 가까울수록 작습니다. 거의 늘 되거나 거의 늘 안 되면 결과가 덜 흩어지기 때문입니다.

손으로 풀어 보기

약을 먹은 다섯 명(n = 5) 가운데 부작용이 나는 사람의 수입니다. 한 사람이 부작용을 겪을 확률을 0.2 로 둡니다(지어낸 숫자). 위 실험의 처음 모습이 이것입니다.

k (부작용이 난 사람)순서의 수 C(5, k)순서 하나의 확률 0.2ᵏ × 0.8⁵⁻ᵏP(k)
010.327680.3277
150.081920.4096
2100.020480.2048
3100.005120.0512
450.001280.0064
510.000320.0003
  1. 한 명에게만 날 확률: 순서가 5 가지(누가 겪나)이고 순서 하나가 0.2 × 0.8⁴ = 0.08192 라서 5 × 0.08192 = 0.4096.
  2. 둘 이상에게 날 확률: 1 − 0.3277 − 0.4096 = 0.2627. 한 사람마다는 20% 지만 다섯 명 가운데 둘 이상은 네 번에 한 번쯤입니다.
  3. 평균 5 × 0.2 = 1 명, 분산 5 × 0.2 × 0.8 = 0.8, 표준편차 √0.8 ≈ 0.89 명.

해 볼 것. ① 처음 모습(n = 5, p = 0.2)의 막대는 위 표와 같습니다. 0.3277, 0.4096, 0.2048, 0.0512, 0.0064, 0.0003 이고 더하면 1.0000 입니다. 정규 곡선을 겹치면 0 왼쪽으로 삐져나가고 막대와 맞지 않습니다. ② p 를 0.5 로 두면 막대가 좌우 대칭이 됩니다. ③ n = 60, p = 0.5 이면 평균 30, 분산 15, 표준편차 3.87, 가장 높은 막대는 k = 30 에서 0.1026 이고, 정규 곡선이 막대 꼭대기를 따라갑니다. ④ n = 60 은 그대로 두고 p 를 0.05 로 내리면 평균이 3 이라 다시 한쪽으로 치우칩니다. n 이 커도 np 가 작으면 종 모양이 아닙니다(6절).

2. 이항분포를 쓰려면: 세 조건

조건깨지는 예
해 보는 횟수 n 이 미리 정해져 있다「처음 될 때까지」 계속 하면 n 이 정해져 있지 않다. 이때 「몇 번째에 처음 되나」는 기하분포다
매번 될 확률 p 가 같다주머니에서 공을 꺼내고 다시 넣지 않으면, 남은 공이 바뀌어 다음 번의 확률이 달라진다(초기하분포). 주머니가 아주 크고 조금만 뽑으면 거의 같아서 이항으로 근사해도 된다
한 번의 결과가 다른 번에 영향을 주지 않는다(독립)같은 병실 환자들의 감염. 한 사람이 걸리면 옆 사람도 걸리기 쉬워 몰려서 일어난다. 이항으로 세면 「여럿이 한꺼번에 걸릴 확률」을 너무 작게 잡는다

3. 식이 만들어지는 과정: 이항분포의 식

될 확률이 p = 0.2 인 일을 3 번 하는 경우를 가지 그림으로 모두 그리고, 「정확히 2 번 될 확률」을 셉니다. 그 과정이 그대로 C(n, k) pᵏ (1 − p)ⁿ⁻ᵏ 가 됩니다.

「다음」을 누르면 한 단계씩 넘어갑니다. 위의 식에 조각이 붙고(주황 바탕이 이번에 붙은 조각), 아래에 까닭이 나옵니다. 가지의 O 는 됨, X 는 안 됨입니다. 셋째 단계부터 O 가 정확히 두 번인 순서와 그 길이 주황으로 칠해집니다.

  1. 가지 2ⁿ 개. 한 번 할 때마다 두 갈래로 나뉘니 3 번이면 2 × 2 × 2 = 8 가지 순서가 나옵니다.
  2. 순서 하나의 확률. 서로 상관없는 일이므로 지나온 가지의 확률을 곱합니다. OOX 는 0.2 × 0.2 × 0.8 = 0.032 입니다. O 가 k 개, X 가 n − k 개면 O 가 어디에 놓였든 pᵏ(1 − p)ⁿ⁻ᵏ 로 같습니다. 여덟 순서를 모두 더하면 1 입니다.
  3. k 번 되는 순서 세기. O 가 정확히 2 개인 순서는 OOX, OXO, XOO 세 가지입니다. 3 칸 가운데 O 를 넣을 2 칸을 고르는 방법의 수 C(3, 2) = 3 입니다.
  4. 곱하기. 확률이 같은 순서가 3 가지이니 P(2) = 3 × 0.032 = 0.096. 같은 방법으로 P(0) = 0.512, P(1) = 0.384, P(3) = 0.008 이고 넷을 더하면 1 입니다. 이것이 P(k) = C(n, k) pᵏ (1 − p)ⁿ⁻ᵏ 입니다.

4. 포아송 분포: 정해진 시간 안의 횟수

한 시간에 응급실에 들어오는 환자 수, 1 ㎢ 안의 도로 파손 수, 1 분에 서버에 들어오는 오류 수. 정해진 시간이나 넓이 안에서 드물게, 서로 상관없이 일어나는 일의 횟수입니다. 이항분포와 달리 「몇 번 가운데」가 없고, 횟수에 위 끝이 없습니다(0, 1, 2, …). 모양은 평균적으로 일어나는 횟수(λ, 발생률) 하나로 다 정해집니다. 이것이 포아송 분포입니다.

P(k) = λᵏ × e^(−λ) ÷ k!

e 는 2.718… 인 수, k! 은 1 × 2 × … × k(0! = 1)입니다. 평균과 분산이 둘 다 λ 이고, 표준편차는 √λ 입니다.

5. 이항분포가 포아송 분포에 가까워진다

한 시간을 n 개의 아주 짧은 칸으로 잘게 나눠 봅니다. 칸 하나에 환자가 올 확률을 p 라 하면, 한 시간의 환자 수는 「n 칸 가운데 몇 칸」인 이항분포입니다. 평균 np 를 λ 로 묶어 둔 채 칸을 잘게 하면(n 을 키우고 p = λ ÷ n 을 줄이면) 이항분포가 포아송 분포가 됩니다. 식으로는 (1 − λ ÷ n)ⁿ 이 n 이 커질수록 e^(−λ) 에 다가가기 때문입니다.

막대로 n 을 바꿔 보세요. 평균 np 는 늘 3 입니다. 초록이 이항분포, 파랑이 포아송 분포(λ = 3), 주황 바탕이 두 확률이 가장 크게 다른 k 입니다. k 는 12 까지만 그립니다. λ = 3 이면 13 이상의 확률은 모두 합쳐도 0.0001 보다 작습니다.

해 볼 것. ① 처음 n = 10(p = 0.3)에서 가장 큰 차이는 k = 3 에서 이항 0.2668, 포아송 0.2240, 차이 0.0428 입니다. ② n = 4(p = 0.75)로 내리면 차이가 0.1978 로 커집니다. 넷 가운데 셋은 「드문 일」이 아닙니다. ③ n 을 30, 100, 200 으로 올리면 가장 큰 차이가 0.0120, 0.0034, 0.0017 로 줄어듭니다. n 을 두 배로 하면 차이가 대략 절반이 됩니다. ④ 맨 위 실험에서 n = 60, p = 0.05 로 두면 P(3) = 0.2298 로, 포아송의 0.2240 과 가깝습니다.

6. 정규분포와의 관계

이항분포의 된 횟수는 「한 번마다 0 또는 1」을 n 개 더한 것입니다. 서로 상관없는 값을 많이 더하면 종 모양이 된다는 중심극한정리에 따라, n 이 크면 이항분포는 평균 np, 분산 np(1 − p) 인 정규분포에 가까워집니다. 다만 n 만 커서는 안 되고 np 와 n(1 − p) 가 둘 다 충분히 커야 합니다. 책에서는 흔히 둘 다 5 이상(더 엄격하게는 10 이상)을 기준으로 듭니다. 맨 위 실험의 설명 줄에 두 값이 나옵니다. 포아송 분포도 λ 가 크면 평균 λ, 분산 λ 인 정규분포에 가까워집니다.

λ 나 np 가 작으면 막대가 0 쪽에 몰리고 오른쪽으로 꼬리가 깁니다. 이때 정규분포로 근사하면 음수 횟수에 확률을 주고, 드문 큰 값을 잘못 잡습니다.

7. 분산이 평균보다 훨씬 크면: 과대산포

포아송 분포에서는 평균과 분산이 같습니다. 그래서 센 자료의 평균과 분산을 비교해 보면 포아송이 맞는지 어림할 수 있습니다. 하루 오류 수가 평균 4 건인데 분산이 20 이라면(지어낸 숫자) 포아송보다 훨씬 많이 흩어진 것이고, 이것을 과대산포라고 합니다. 날마다 발생률 자체가 바뀌거나(배포한 날만 오류가 많다), 일이 몰려서 일어나기(한 건이 다른 건을 부른다) 때문입니다. 그대로 포아송으로 검정하면 분산을 작게 잡아 p 값이 너무 작게 나오고, 없는 차이를 있다고 말하기 쉽습니다. 이럴 때는 분산을 따로 두는 음이항 분포나 준포아송 모형을 씁니다.

8. 언제 무엇을 쓰나

선택지좋은 점나쁜 점쓰는 경우
이항분포「n 번 가운데 몇 번」을 정확히 센다. n 과 p 둘로 다 정해진다n 이 정해져 있고, 매번 p 가 같고, 서로 독립이어야 한다환자 n 명 가운데 반응한 수, 방문자 가운데 산 사람 수, 검사한 n 개 가운데 불량 수
포아송 분포λ 하나로 정해진다. 「몇 번 가운데」를 몰라도 된다. 시간·넓이에 맞춰 λ 를 늘리고 줄인다평균 = 분산 을 가정한다. 몰려서 일어나면 맞지 않는다시간당 도착 수, 넓이당 결함 수, 많은 사람 가운데 드문 부작용 수
정규분포계산이 쉽고 도구가 많다. 평균과 분산만 알면 된다0, 1, 2 처럼 띄엄띄엄한 횟수를 매끈하게, 음수까지 있는 것으로 본다. np 나 λ 가 작으면 틀린다np 와 n(1 − p) 가 클 때, λ 가 클 때의 근사

이 밖에 「처음 될 때까지 몇 번 해야 하나」는 기하분포, 「r 번 될 때까지」는 음이항 분포입니다. 음이항 분포는 7절의 과대산포가 있는 횟수에도 씁니다.

9. 틀리기 쉬운 점

어디에 쓰나

같이 볼 쪽: 확률분포와 정규분포, 확률과 베이즈 정리, 표본분포, 신뢰구간, 카이제곱 검정, 로지스틱 회귀.

# scipy 로 확률 구하기
from scipy.stats import binom, poisson
binom.pmf(1, 5, 0.2)                          # 0.4096: 다섯 명 가운데 정확히 한 명
binom.mean(5, 0.2), binom.var(5, 0.2)         # 1, 0.8: 평균 np, 분산 np(1 − p)
poisson.pmf(0, 3)                             # 0.0498: 평균 3 명인데 한 시간에 아무도 안 옴
1 - poisson.cdf(5, 3)                         # 0.0839: 6 명 이상
binom.pmf(3, 100, 0.03), poisson.pmf(3, 3)    # 0.2275, 0.2240: n 이 크고 p 가 작으면 가깝다

자주 묻는 것

이항분포와 포아송 분포는 어떻게 고르나요?

「n 번 가운데 몇 번」처럼 해 본 횟수가 정해져 있으면 이항분포, 「한 시간 동안 몇 번」처럼 정해진 시간·넓이 안에서 횟수의 위 끝이 없으면 포아송 분포입니다. n 이 크고 p 가 작으면 둘은 거의 같아집니다.

자료의 분산이 평균보다 훨씬 크면 어떻게 하나요?

포아송 분포는 평균과 분산이 같습니다. 분산이 평균보다 훨씬 크면(과대산포) 포아송이 맞지 않는다는 신호입니다. 일이 몰려서 일어나거나 발생률 자체가 바뀌는 경우입니다. 이때는 음이항 분포처럼 분산을 따로 두는 모형을 씁니다.

비율을 포아송 분포에 넣어도 되나요?

안 됩니다. 포아송은 0, 1, 2, … 처럼 센 횟수의 분포입니다. 0.12 같은 비율은 「n 명 가운데 k 명」으로 되돌려 이항분포로 다루거나, 횟수를 그대로 두고 관찰한 시간·사람 수를 따로 적습니다.

낱말

여기서 쓴 말책에서 부르는 말
한 번 해서 되거나 안 되는 일베르누이 시행(Bernoulli trial). 됨은 성공(success), 안 됨은 실패(failure)
n 번 가운데 k 번 될 확률이항분포(binomial distribution)
n 개 가운데 k 개를 고르는 방법의 수조합(combination), 이항계수(binomial coefficient). C(n, k) 나 ₙCₖ 로 적는다
정해진 시간·넓이 안의 횟수의 분포포아송 분포(Poisson distribution)
평균적으로 일어나는 횟수발생률, 모수 λ(람다)(rate)
k 마다의 확률(막대의 높이)확률질량함수(probability mass function, PMF)
서로 상관없다독립(independent)
n 이 크고 p 가 작을 때 이항을 포아송으로포아송 근사(Poisson approximation)
n 이 클 때 이항을 종 모양으로정규 근사(normal approximation)
분산이 평균보다 크다과대산포(overdispersion)
꺼낸 공을 다시 넣지 않고 뽑을 때의 분포초기하분포(hypergeometric distribution)
처음 될 때까지 / r 번 될 때까지의 횟수기하분포(geometric) / 음이항 분포(negative binomial)

출처

← 확률과 베이즈 정리정규분포 →