확통 조건부 확률 개념과 공식 완전 정리

조건부확률 P(A|B)는 사건 B가 일어난 조건 하에서 사건 A가 일어날 확률이에요. 공식은 P(A|B) = P(A∩B) / P(B)이며, 표본공간 전체 대신 B를 새로운 표본공간으로 보는 방식으로 이해할 수 있어요.

조건부확률이란 무엇인가요

조건부확률 P(A|B)는 사건 B가 이미 일어났다는 조건 하에서 사건 A가 일어날 확률이에요.

여기서 중요한 포인트가 있어요. P(A|B)는 시간적 순서와 아무런 관계가 없어요. A 다음에 B가 일어날 확률이 아니라, 단지 B라는 상황이 이미 주어졌을 때 A의 확률을 뜻해요.

예를 들어, 주사위를 던져서 홀수가 나왔을 때(B) 3 이하의 눈이 나올 확률(A)을 구하는 것이 조건부확률이에요. 이때 홀수가 먼저 나오고 3 이하가 나중에 나온다는 뜻이 아니에요. 단지 홀수라는 조건이 주어진 상태에서 A를 따지는 거예요.

또 자주 헷갈리는 부분이 있어요. B의 원소를 순서 있는 쌍으로 세야 하는지 여부인데, 이건 원래 표본공간을 어떻게 정의했느냐에 달려 있어요. 처음부터 (2,3)과 (3,2)를 구분해서 세었다면 조건 B를 계산할 때도 구분해야 하고, 합산했다면 합산된 값을 써요. 표본공간 정의를 먼저 확인하는 게 핵심이에요.

조건부확률 공식과 계산 방법

조건부확률의 정의식은 다음과 같아요.

P(A|B) = P(A∩B) / P(B) (단, P(B) > 0)

이 공식을 변형하면 곱셈정리가 나와요.

P(A∩B) = P(B) · P(A|B)

조건부확률을 실제로 계산할 때는 아래 순서를 따르면 돼요.

1. B의 확률 P(B) 파악 — 조건 사건 B가 일어나는 경우의 수(또는 확률)를 구해요.
2. 교집합 P(A∩B) 파악 — A와 B가 동시에 일어나는 경우의 수(또는 확률)를 구해요.
3. 공식 적용 — P(A|B) = P(A∩B) / P(B)를 계산해요.
4. 검산 — 곱셈정리 P(A∩B) = P(B)·P(A|B)로 확인해요.

분모가 P(B)인 이유는 다음 섹션에서 자세히 다룰게요. 이 이유를 이해하면 공식을 외우지 않아도 자연스럽게 유도할 수 있어요.

표본공간 축소로 이해하는 조건부확률

조건부확률을 가장 쉽게 이해하는 방법은 표본공간이 B로 바꿔치기된다고 생각하는 거예요.

원래 표본공간이 전체 S일 때, B가 일어났다는 조건이 주어지면 이제 우리가 관심을 두는 세계는 S가 아니라 B가 돼요. 이 새로운 표본공간(B) 안에서 A가 차지하는 비중이 바로 P(A|B)예요.

분모를 P(B)로 나누는 이유가 바로 여기에 있어요. 새로운 표본공간이 B가 됐을 때, 확률의 합이 1이 되도록 정규화해야 하기 때문이에요.

주사위 예시로 확인해 볼게요.

• 전체 표본공간 S = {1, 2, 3, 4, 5, 6}
• 조건 B = 홀수 = {1, 3, 5}
• A = 3 이하 = {1, 2, 3}
• A∩B = {1, 3}

P(A|B) = n(A∩B)/n(B) = 2/3이 나와요. B 안에서 {1,3}이 2개, B 전체가 3개이므로 경우의 수로 바로 계산해도 같은 결과가 나온다는 걸 확인할 수 있어요.

독립사건과 배반사건 헷갈리지 않는 법

고3 확통에서 가장 많이 혼동하는 개념이 독립사건과 배반사건이에요. 두 개념은 완전히 달라요.

독립사건은 한 사건의 발생이 다른 사건에 영향을 주지 않는 경우예요. 판정 조건은 P(A|B) = P(A) 또는 P(A∩B) = P(A)·P(B)예요. B가 일어나든 안 일어나든 A의 확률이 그대로라는 의미예요.

배반사건은 두 사건이 동시에 일어날 수 없는 경우예요. 조건은 A∩B = ∅ (교집합이 공집합)이고, 이 경우 P(A∩B) = 0이에요.

독립이면서 배반일 수 있을까요? 거의 불가능해요. 배반이면 P(A∩B) = 0이므로, 독립 조건 P(A∩B) = P(A)·P(B)가 성립하려면 P(A)=0 또는 P(B)=0이어야 해요. 실제 확률이 있는 의미 있는 사건에서는 독립과 배반은 동시에 성립하지 않아요.

베이즈 정리와 실생활 활용

조건부확률을 더 발전시키면 베이즈 정리가 나와요.

P(B|A) = P(A|B)·P(B) / P(A)

이 공식을 활용하면 P(A|B)를 알 때 반대 방향인 P(B|A)를 구할 수 있어요. P(B)와 P(A)는 미리 알고 있는 사전확률이에요.

실생활에서 조건부확률과 베이즈 정리는 다양한 분야에서 활용돼요.

의료 진단 분야에서는 검사 결과가 양성일 때 실제로 질병이 있을 확률을 계산해요. 검사의 정확도(민감도·특이도)와 질병의 유병률을 활용하는데, 양성 판정이 나왔다고 해서 무조건 질병이 있는 건 아니에요. 유병률이 낮으면 위양성 가능성도 고려해야 해요.

법적 증거 평가에서는 특정 증거가 발견됐을 때 피의자가 범인일 확률을 사전확률과 증거의 가능도로 계산해요.

스팸 이메일 필터링에서는 특정 단어가 이메일에 포함됐을 때 스팸일 확률을 추정해요. 이 알고리즘이 우리가 쓰는 이메일 필터의 기초예요.

베이즈 정리는 새로운 정보가 주어졌을 때 기존 믿음을 어떻게 업데이트할지 알려주는 강력한 도구로, 수학뿐 아니라 AI와 데이터 과학 분야에서도 핵심 개념으로 쓰여요.