한양과학기술고등학교

에듀테크 프로젝트 대시보드

주사위로 배우는 확률

주사위로 배우는 확률

교육과정: 확률과 통계 — 확률. 주사위 하나의 눈은 완벽하게 균등하다. 그런데 여러 개를 던져 눈의 합을 보면 갑자기 가운데가 불룩한 종 모양이 나타난다. 왜 그럴까? 직접 수만 번 굴려보며 수학적 확률과 통계적 확률, 그리고 큰 수의 법칙을 눈으로 확인해 보자.

미리 보기 — 주사위 1개: 합의 분포는 1~6이 모두 1/6인 평평한 막대. 주사위 2개: 7이 가장 자주, 2와 12가 가장 드물게. 주사위 3~4개: 점점 매끈한 종 모양. 이것이 중심극한정리의 가장 단순한 예시다.

1. 직접 해보기 — 주사위를 굴려라

주사위 개수 k를 고르고 "굴리기" 버튼을 눌러라. 파란 막대는 실험으로 얻은 상대도수, 보라 점선은 이론적으로 계산한 확률이다. 시행을 거듭할수록 파란 막대가 보라 선에 달라붙는다.

주사위 개수 k
굴리기
큰 수의 법칙에서 추적할 사건
합 =
아직 굴리지 않음
눈의 합 분포 — 실험 상대도수 vs 이론 확률
막대: 지금까지 나온 상대도수 · 점선: 수학적으로 계산한 P(합 = s)
시행 횟수 N
0
표본평균 (합)
–
이론 기댓값 k·3.5
7.00
표본분산
–
이론 분산 k·35/12
5.833
큰 수의 법칙 — P(합 = 7)의 상대도수 추이
시행 횟수가 늘수록 상대도수(초록)가 이론 확률(빨강 선)로 수렴한다
사건의 상대도수
–
이론 확률
–
관찰 포인트 — ① k=1이면 분포가 평평하다(균등분포). ② k를 키우면 종 모양이 뚜렷해진다. ③ N이 작을 때는 막대가 들쭉날쭉하지만, N=10000이면 이론값과 거의 포갠다. ④ 아래 선그래프에서 초록 곡선이 처음엔 요동치다가 빨간 선에 눌러앉는다.

2. 표본공간과 사건

표본공간 S는 일어날 수 있는 모든 결과의 집합이고, 사건 A는 그 부분집합이다. 주사위 1개를 던지면 S = {1, 2, 3, 4, 5, 6}, n(S) = 6. "짝수가 나온다"는 사건은 A = {2, 4, 6}, n(A) = 3.

주사위 2개를 던져 (첫 번째, 두 번째)를 순서쌍으로 구별하면 S는 6 × 6 = 36개의 원소를 가진다. 두 눈의 합이 s인 사건은 아래 표에서 같은 대각선 위의 칸들이다.

+123456

주황 칸은 합이 7 (총 6가지, 가장 많다). 보라 칸은 합이 6 또는 8.

3. 수학적 확률 vs 통계적 확률

수학적 확률(선험적 확률)은 모든 근원사건이 같은 정도로 기대될 때, 계산으로 얻는다.

P(A) = n(A) / n(S)   ( 주사위 2개, 합 = 7 → 6 / 36 = 1/6 ≈ 0.1667 )

통계적 확률(경험적 확률)은 같은 시행을 아주 많이 반복했을 때 상대도수가 가까워지는 값이다.

P(A) ≈ (사건 A가 일어난 횟수) / (전체 시행 횟수)   ( N → ∞ 이면 수학적 확률과 일치 )

위 위젯에서 "10000번"을 여러 번 누르며 두 값을 비교해 보라. 이 "가까워짐"을 보장하는 정리가 큰 수의 법칙이다.

두 주사위 합의 확률분포

합 s23456789101112
경우의 수12345654321
확률 (/36)12345654321

경우의 수의 합은 1+2+3+4+5+6+5+4+3+2+1 = 36. 확률의 총합은 1이다.

4. 여사건과 확률의 덧셈정리

여사건 Ac는 "A가 일어나지 않는다"는 사건이다. 전체 확률이 1이므로:

P(Ac) = 1 − P(A)   ( 예: P(합 ≠ 7) = 1 − 1/6 = 5/6 )

"적어도 하나" 꼴 문제는 여사건이 훨씬 쉽다. 주사위 2개에서 적어도 한 눈이 6일 확률은 1 − P(두 눈 모두 6이 아님) = 1 − (5/6)² = 11/36.

두 사건 A, B에 대해 확률의 덧셈정리는:

P(A ∪ B) = P(A) + P(B) − P(A ∩ B)

A, B가 서로 배반(동시에 일어날 수 없음)이면 P(A ∩ B) = 0이므로 P(A ∪ B) = P(A) + P(B). 예를 들어 두 주사위 합이 "7 또는 11"인 사건은 배반이므로 6/36 + 2/36 = 8/36 = 2/9.

5. 기댓값

확률변수 X가 값 x1, x2, …, xn을 각각 확률 p1, …, pn으로 가질 때, 기댓값은:

E(X) = Σ xi · pi = x1p1 + x2p2 + … + xnpn

주사위 1개의 눈 X는 1~6을 각각 1/6로 가지므로:

E(X) = (1 + 2 + 3 + 4 + 5 + 6) × 1/6 = 21/6 = 3.5

기댓값은 더하기에 대해 선형이라(각 주사위가 독립일 필요도 없다), 주사위 k개의 합 Sk의 기댓값은 그냥 3.5를 k번 더한 값이다.

E(Sk) = k · E(X) = 3.5 k  ·  Var(Sk) = k · 35/12 ≈ 2.917 k

위젯의 "표본평균"이 k·3.5로, "표본분산"이 k·35/12로 다가가는지 확인해 보라. 참고로 한 주사위의 분산은 E(X²) − E(X)² = 91/6 − (3.5)² = 35/12다.

6. 균등분포에서 종 모양으로 — 중심극한정리 맛보기

주사위 1개의 분포는 완벽한 균등분포다. 그런데 주사위를 여러 개 더해 평균이나 합을 보면, 원래 분포가 균등하든 말든 그 결과는 정규분포(종 모양)에 가까워진다. 이것이 중심극한정리다. 주사위 3~4개만 되어도 눈으로 종 모양이 보인다.

왜 가운데가 높을까? 합이 12(주사위 2개)가 되는 방법은 (6,6) 하나뿐이지만, 합이 7이 되는 방법은 (1,6)(2,5)(3,4)(4,3)(5,2)(6,1) 여섯 가지다. 가운데 값일수록 만드는 조합이 많다. 주사위가 많아질수록 이 "가운데 쏠림"이 매끄러운 곡선이 된다.
한 줄 요약 — 주사위 하나의 눈은 균등하지만, 여러 개의 합은 큰 수의 법칙에 의해 상대도수가 수학적 확률 n(A)/n(S)로 수렴하고, 그 분포는 중심극한정리에 의해 종 모양으로 다가간다. 기댓값은 3.5k, 분산은 35k/12.