확률론 입문: 주사위·제비뽑기부터 일상 의사결정까지 완전 가이드

「우산을 들고 가야 할까?」 「이 주식을 사야 할까?」 「이 일자리를 수락해야 할까?」 ——이 모든 질문 뒤에는 확률적 판단이 숨어 있습니다. 확률론은 수학과만을 위한 학문이 아니라, 모든 사람이 매일 무의식적으로 사용하는 사고의 틀입니다.

1. 확률이란 무엇인가?

확률은 「어떤 사건이 일어날 가능성」을 0에서 1 사이의 수치(또는 0%~100%)로 나타낸 것입니다.

• 확률 = 0: 불가능 (동전이 앞면과 뒷면을 동시에 향함)
• 확률 = 1: 확실 (동전이 앞면이나 뒷면이 나옴)
• 확률 = 0.5: 반반 (공정한 동전에서 앞면이 나옴)

고전적 확률 (등확률 모델)

모든 결과가 동등하게 발생할 때: P(사건) = 유리한 결과 수 ÷ 전체 결과 수

예: 공정한 주사위에서 3이 나올 확률 = 1 ÷ 6 ≈ 16.7%. 짝수(2·4·6)가 나올 확률 = 3 ÷ 6 = 50%.

2. 확률의 기본 계산 규칙

덧셈 정리 (OR)

• 상호 배타적 사건: P(A 또는 B) = P(A) + P(B)
• 비배타적 사건: P(A 또는 B) = P(A) + P(B) − P(A 그리고 B)

곱셈 정리 (AND)

• 독립 사건: P(A 그리고 B) = P(A) × P(B)
• 종속 사건: P(A 그리고 B) = P(A) × P(B|A)

여사건 법칙

P(A가 일어나지 않음) = 1 − P(A). 「적어도 한 번 일어날」 확률 계산에 유용합니다.

예: 4번 주사위를 던져 적어도 한 번 6이 나올 확률 = 1 − (5/6)⁴ ≈ 51.8%.

3. 조건부 확률과 베이즈 정리

조건부 확률 P(B|A) = 「A가 이미 발생한 전제에서 B가 발생할 확률」. 많은 직관적 오류의 근원입니다.

베이즈 정리

P(A|B) = P(B|A) × P(A) ÷ P(B)

전형적인 예: 유병률 1%인 질병에 대해 감도 99%, 위양성률 2%인 검사에서 양성 판정을 받았다면, 실제로 질병에 걸렸을 확률은?

P(질병 있음 | 양성) = 99 ÷ 297 ≈ 33%. 정확도 99%의 검사라도 양성이면 실제로 질병이 있을 확률은 1/3에 불과합니다. 낮은 사전 확률이 높은 정확도를 압도하는 결과입니다.

4. 기댓값: 장기적 평균 결과

기댓값(E) = 각 결과의 (값 × 확률)의 합계. 반복 시행 시 평균값을 나타냅니다.

예: 주사위 기댓값 = 1×(1/6) + 2×(1/6) + … + 6×(1/6) = 3.5.

어떤 게임: 참가비 10원, 6이 나오면 50원 획득. 순 기댓값 = 50×(1/6) − 10 ≈ −1.67원. 이것은 음의 기댓값 게임입니다. 거의 모든 카지노 게임이 이렇게 설계되어 있습니다.

5. 흔한 확률 인지 편향

도박사의 오류

「앞면이 5번 연속 나왔으니 다음은 뒷면이 나올 것!」——틀렸습니다. 각 시행은 독립적이고 동전에는 기억이 없습니다.

기저율 무시

사람들은 사전 확률(기저율)을 무시하고 새로운 정보에 과도하게 의존하는 경향이 있습니다. 베이즈 정리 예시가 바로 이를 보여줍니다.

6. 순열과 조합

순열 (순서 중요)

P(n,r) = n! ÷ (n−r)!　예: 5명 중 1~3위 배열 수 = 60가지.

조합 (순서 무관)

C(n,r) = n! ÷ (r! × (n−r)!)　예: 50개 중 6개 선택(로또) ≈ 1,590만 가지, 당첨 확률은 극히 낮음.

요약

• 고전적 확률: 유리한 결과 ÷ 전체 결과, 등확률 상황에 적용
• 조건부 확률: 알려진 조건에서의 확률, 기저율을 항상 고려
• 베이즈 정리: 새로운 증거로 확률을 업데이트하는 표준 도구
• 기댓값: 장기 평균 결과, 합리적 의사결정의 핵심 지표
• 도박사의 오류: 독립 사건에는 기억이 없고 과거가 미래에 영향을 주지 않음

확률론의 핵심은 사고방식의 전환입니다. 「이 일이 일어날까?」에서 「어떤 확률로 일어나고, 그 결과는 얼마나 중요한가?」로. 이 정량적 사고를 키우면 불확실한 세계에서 더 현명한 판단을 내릴 수 있습니다.