확률질량함수 그래프로 통계 개념이 머릿속에 쏙 들어옵니다

데이터 분석을 처음 시작하면 확률질량함수라는 이름부터 부담스럽게 느껴집니다. 통계 공부를 하다 보면 확률질량함수와 확률밀도함수 그래프가 도대체 왜 다른지 한참 헷갈리기 마련입니다. 결국 핵심은 이산확률변수냐 연속확률변수냐에 있고, 그래프로 표현했을 때 막대인지 곡선인지가 갈린다는 사실이었습니다. 이 글에서는 확률질량함수가 의미하는 바를 표와 예시로 풀어서 설명합니다.

이 글을 끝까지 읽으면 확률질량함수가 왜 막대그래프인지, 확률밀도함수는 왜 곡선인지, 누적분포함수는 왜 계단 모양이 될 수 있는지 자연스럽게 이해할 수 있습니다.

세 함수의 차이를 가장 빠르게 이해하려면 표로 비교하는 것이 좋습니다.

구분	확률질량함수	확률밀도함수	누적분포함수
사용 대상	이산확률변수	연속확률변수	이산형과 연속형 모두
의미	특정 값이 나올 확률	구간 안에서의 확률 밀도	특정 값 이하의 누적 확률
그래프 형태	막대그래프나 점	연속 곡선	계단형 또는 곡선

여기서 핵심은 확률변수의 종류입니다. 이산확률변수는 값이 하나씩 떨어져 있어 셀 수 있고, 연속확률변수는 범위 안에서 이어지는 값을 가집니다. 아래 표를 보면 더 쉽게 구분됩니다.

구분	이산확률변수	연속확률변수
특징	하나씩 셀 수 있음	구간으로 측정함
예시	주사위 눈, 동전 앞면 횟수, 불량품 개수	키, 몸무게, 시간, 온도
그래프	막대 또는 점	연속 곡선

1 확률질량함수 그래프 이해하기
2 마무리
- 2.1 자주 묻는 질문

확률질량함수 그래프 이해하기

확률질량함수는 이산확률변수에서 각 값이 나올 확률을 하나씩 알려주는 함수입니다. 주사위를 예로 들면 1부터 6까지의 눈금이 각각 6분의 1 확률을 가집니다. 이때 그래프는 1부터 6까지의 위치에 모두 같은 높이의 막대를 그립니다. 막대의 높이가 곧 확률이므로 모든 막대 높이의 합은 1이 됩니다.

이산확률변수는 1과 2 사이의 값이 존재하지 않습니다. 주사위 눈금이 1.5가 될 수 없기 때문입니다. 그래서 그래프는 가로축 위에서 빈틈이 있는 막대 형태로 나타납니다. 이 빈틈이 연속확률변수의 곡선과 가장 크게 달라지는 부분입니다.

동전을 두 번 던져 앞면이 나오는 횟수를 X라고 하면 X가 0일 확률은 4분의 1이고, X가 1일 확률은 2분의 1이며, X가 2일 확률은 4분의 1입니다. 이를 그래프로 그리면 x가 1인 지점의 막대가 가장 높고, 양옆의 막대가 그 절반 높이로 나타납니다. 이렇게 그래프를 직접 그려 보면 어떤 값이 가장 자주 나오는지 한눈에 보입니다.

확률질량함수는 분포의 중심과 퍼짐도 보여줍니다. 각 막대 위치에 확률을 곱한 값을 모두 더하면 기댓값이 됩니다. 주사위의 기댓값은 3.5로 가운데에 가깝고, 막대가 평균 주변에 모여 있으면 분산이 작으며 넓게 퍼져 있으면 분산이 큽니다. 그래프를 보는 것만으로도 데이터의 대략적인 성격을 파악할 수 있습니다.

그래프를 그릴 때는 다음 순서를 확인하면 편합니다.

가로축에 가능한 값을 표시합니다.
세로축에 각 값이 나올 확률을 표시합니다.
각 값 위치에 확률만큼 높이를 가진 막대를 그립니다.

확률밀도함수와 헷갈리지 않는 방법

확률밀도함수는 연속확률변수에서 사용합니다. 키, 몸무게, 시간, 온도처럼 값을 하나씩 셀 수 없고 구간으로 표현해야 하는 데이터가 여기에 해당합니다. 그래프는 연속 곡선으로 그려지며, 특정 구간의 확률은 곡선 아래 면적으로 구합니다. 키가 정확히 170cm일 확률은 0이라고 보는 이유도 한 점에는 면적이 없기 때문입니다.

연속확률변수는 170cm와 171cm 사이에도 무수히 많은 값이 있습니다. 한 점의 확률은 0이지만, 구간으로 보면 확률을 계산할 수 있습니다. 그래서 연속형에서는 막대가 아니라 곡선과 면적으로 표현하는 것이 자연스럽습니다.

여기서 중요한 것은 확률밀도함수의 높이가 1보다 클 수 있다는 점입니다. 높이는 확률이 아니라 밀도이기 때문에 함수값이 얼마든지 커질 수 있지만, 곡선 아래 전체 면적은 항상 1이어야 합니다. 반면 확률질량함수의 막대 높이는 그 자체가 확률이라 항상 0과 1 사이에 있습니다. 이 차이만 기억해도 두 함수를 쉽게 구분할 수 있습니다.

누적분포함수 그래프의 차이

누적분포함수는 특정 값 이하일 확률을 모두 더해서 보여주는 함수입니다. 확률질량함수가 값 하나의 확률을 보여준다면, 누적분포함수는 그 값까지의 확률을 쌓아 올린 결과입니다. 주사위에서 X가 3 이하일 확률은 2분의 1이고, X가 6 이하일 확률은 1입니다. 이산형 데이터에서는 그래프가 계단 모양으로 나타나고, 값이 바뀌는 지점에서 확률만큼 점프합니다. 연속형 데이터에서는 곡선으로 부드럽게 증가합니다.

확률질량함수에서 확률을 하나씩 더해가는 과정 자체가 누적분포함수의 개념입니다. 그래서 확률질량함수의 막대 높이를 차례로 쌓은 결과가 누적분포함수 그래프의 계단 높이와 같습니다. 누적분포함수는 확률을 계속 쌓아가기 때문에 값이 줄어들지 않습니다. 처음에는 0에 가깝다가 점점 커져서 마지막에는 1에 도달합니다.

이름만으로 구분하는 팁

확률질량함수에서 질량은 물체의 무게처럼 각 값에 붙어 있는 확률의 양을 뜻합니다. 그래서 값이 있는 지점에만 확률이 존재하고, 그래프는 막대나 점으로 표현됩니다. 확률밀도함수에서 밀도는 어떤 구간에 값이 얼마나 빽빽하게 모여 있는지를 뜻합니다. 이름의 느낌만 기억해도 그래프 모양이 자연스럽게 연결됩니다.

그래프로 익히면 좋은 이유

처음 데이터 분석을 배울 때는 확률질량함수 그래프와 확률밀도함수 그래프의 이름이 비슷해서 매번 헷갈렸습니다. 수식을 외워도 막상 문제를 만나면 어떤 함수를 써야 할지 감이 오지 않았습니다. 그런데 그래프를 직접 그려 보면서 이산형은 막대, 연속형은 곡선이라는 시각적 차이가 개념을 확실하게 잡아주는 데 가장 큰 도움이 되었습니다.

주사위처럼 모든 눈금의 확률이 같은 경우에는 그래프가 평평한 막대 모양입니다. 반면 어떤 값에 확률이 몰려 있다면 그 지점만 높은 막대가 나타납니다. 이런 모양을 보면 평균과 분산을 자연스럽게 짐작할 수 있습니다. 실제로 주문 건수나 불량품 개수를 분석할 때도 막대를 보면 이상치가 쉽게 드러납니다.

실무에서 주문 건수 데이터를 볼 때도 그래프가 유용합니다. 주문이 0건인 날, 1건인 날, 2건인 날의 빈도를 세어 막대그래프로 만들면 가장 흔한 주문 횟수와 드문 주문 횟수가 한눈에 보입니다. 이런 경험을 쌓고 나면 확률질량함수라는 이름이 더 이상 낯설지 않습니다.

수식으로 보면 모든 값의 확률을 더해야 한다는 성질이 복잡하게 느껴질 수 있습니다. 하지만 그래프에서는 막대 높이를 쌓는 모습으로 바로 보입니다. 처음 공부할 때는 수식의 의미를 그래프에서 찾는 습관이 중요합니다.

마무리

확률질량함수 그래프는 이산확률변수의 각 값이 가진 확률을 막대 높이로 보여주고, 확률밀도함수는 연속확률변수의 확률을 면적으로 표현하며, 누적분포함수는 그 확률을 하나씩 쌓아 0에서 1까지 증가하는 그래프로 나타냅니다. 시각적으로 기억하면 확률질량함수는 막대, 확률밀도함수는 곡선, 누적분포함수는 계단이나 곡선으로 구분됩니다.

데이터 분석을 하다 보면 단순히 함수 이름을 외우는 것보다 그래프가 무엇을 말해주는지 아는 것이 더 중요합니다. 앞으로는 새로운 분포를 배울 때도 그래프를 먼저 그려보고, 각 값의 확률이 어떻게 분포하는지 관찰하는 습관을 들이려고 합니다. 다음에 이항분포나 포아송분포를 배울 때도 그래프를 먼저 그리는 공부를 이어가려고 합니다. 통계 공부가 어렵게 느껴진다면 어려운 수식보다 그래프부터 시작해 보시기를 권합니다.