확률 변수 쉽게 이해하기: AI·ML 확률 입문 4강

확률 변수는 무작위 실험 결과에 따라 값이 정해지는 변수이며, 동전과 주사위 예시로 그 의미를 보여줍니다. 실험 결과를 수치로 바꾸는 것이 핵심이고, 셀 수 있는 값을 갖는 이산 확률 변수와 범위 안의 어떤 값이든 가질 수 있는 연속 확률 변수로 나뉩니다.

⏱ 00:00강좌는 확률 변수가 무작위 실험의 결과에 따라 값이 결정되는 변수라는 정의에서 출발합니다. 발표자는 이 주제가 간단하다고 강조하며, 어려운 계산보다 개념을 먼저 잡자는 태도로 시작합니다.

발표자는 확률 변수를 처음 접하는 시청자가 부담을 느끼지 않도록 간단한 예시부터 차근차근 보여주겠다고 말합니다. 이후 내용은 실험 정의, 값 부여, 확률 계산, 변수 유형 구분의 순서로 전개됩니다.

⏱ 00:24가장 기본적인 예로 동전 던지기를 듭니다. 동전을 던지면 앞면과 뒷면 두 가지 결과가 나올 수 있는데, 앞면이면 X를 1, 뒷면이면 X를 0으로 정의합니다.

그러면 X가 1일 확률과 0일 확률은 각각 50%가 된다고 설명합니다. 여기서 중요한 점은 X가 동전 자체가 아니라 실험의 수치적 결과를 나타내는 변수라는 것입니다. 발표자는 실험을 정의하고 나서 각 값에 대응하는 확률을 계산하는 순서를 강조합니다. 확률 변수가 실험 결과를 숫자로 바꿔 주기 때문에 이후 확률을 계산하기 쉬워진다는 것이 이 장면의 핵심 메시지입니다.

⏱ 02:37주사위 예시에서도 같은 방식으로 확률 변수 X를 정의합니다. 가능한 결과는 1부터 6까지이고, X가 특정 값이 될 확률은 여섯 가지 결과 중 하나이므로 각각 6분의 1로 같다고 설명합니다. 가능한 결과가 여섯 가지이고 각 결과가 같은 가능성을 가진다는 가정이 6분의 1이라는 답의 근거가 된다는 점도 짚습니다.

발표자는 X가 주사위 자체가 아니라 주사위를 굴리는 실험을 표현하는 변수라는 점을 여러 번 강조합니다. 확률 변수는 실험과 그 결과의 수치를 연결하는 도구라는 이해가 핵심입니다.

⏱ 04:07확률 변수의 첫 번째 유형은 이산 확률 변수입니다. 셀 수 있는 값을 가지는 변수로, 동전을 세 번 던졌을 때 앞면이 나오는 횟수가 예시입니다.

이 경우 앞면이 한 번도 나오지 않으면 0, 한 번, 두 번, 세 번 나오는 경우처럼 값이 0부터 3 사이의 정수로 떨어집니다. 발표자는 DRV라는 약칭으로 이산 확률 변수를 짧게 표기하며, 셀 수 있다는 특징을 다시 한 번 강조합니다.

⏱ 05:12두 번째 유형은 연속 확률 변수입니다. 특정 범위 안의 어떤 값이든 취할 수 있는 변수이며, 사람의 키를 예로 듭니다. 키는 170cm, 170.7cm, 172cm처럼 소수점 단위까지 다양한 값을 가질 수 있습니다.

누군가의 키가 170cm에서 180cm 사이인지 측정하는 상황처럼, 범위 안의 값들이 연속적으로 가능하다는 점이 이산 변수와의 차이입니다. 발표자는 CRV라는 약칭을 쓰면서도 이것이 공식적인 용어가 아니라 설명을 위한 임시 표기라고 밝힙니다. 이산과 연속의 차이를 셀 수 있는 값과 범위 안의 값으로 나누어 기억하면 된다고 정리하며 마무리합니다.