정규 분포 확률 밀도 함수 (PDF)

Core idea

Overview

정규 분포 확률 밀도 함수 (PDF)는 주요 입력값과 식의 관계를 정리하고 계산 결과의 의미를 해석하기 위한 설명입니다. 조건, 단위, 전제를 확인하면서 사용하면 결과를 비교, 판단, 추정, 위험 확인과 연결하기 쉽습니다. 필요하면 값을 바꾸어 결과가 어떻게 달라지는지도 확인하세요.

When to use: 정규 분포 확률 밀도 함수 (PDF)는 주어진 값에서 필요한 결과를 구해야 할 때 사용합니다. 입력 단위, 범위, 전제 조건을 확인한 뒤 대입하고, 계산 결과를 실제 조건이나 문제의 목적과 비교해 해석하세요.

Why it matters: 정규 분포 확률 밀도 함수 (PDF)의 결과는 수치를 비교하고 경향, 제약, 위험, 설계 판단을 설명하는 데 도움이 됩니다. 답을 단독 숫자로만 보지 말고 조건이 바뀔 때의 의미와 타당성도 함께 확인할 수 있습니다.

Symbols

Variables

x = Random Variable, $μ$ = Mean, $σ^{2}$ = Variance

x

Random Variable

Variable

μ

Mean

Variable

σ^{2}

Variance

Variable

Walkthrough

Derivation

정규 분포 확률 밀도 함수(PDF)의 유도

정규 분포는 독립 관측치의 평균에 대한 최대 우도 추정량이 산술 평균이라는 요구사항으로부터 유도되며, 이는 가우스 함수 방정식으로 이어집니다.

확률 밀도 함수 f(x)는 평균으로부터의 거리에만 의존합니다.
독립 관측치의 결합 확률은 각각의 개별 확률의 곱입니다.
함수는 곡선 아래의 총 면적이 1이 되도록 정규화되어야 합니다.

1

함수 방정식 공식화

평균의 가장 가능한 값이 산술 평균이라고 가정하면, 밀도의 곱은 관측치의 제곱합의 함수여야 합니다.

f (x_{1}) f (x_{2}) ... f (x_{n}) = ϕ (\sum x_{i}^{2})

Note: 이는 종종 산술 평균의 가정에 기반한 가우스의 유도라고 불립니다.

2

로그 미분을 통한 해결

양변에 자연로그를 취하면 곱이 합으로 변환되며, 이는 도함수가 선형이어야 함을 의미하므로 f(x) = Ce^{ax^2} 형태로 이어집니다.

ln (f (x_{1})) + ln (f (x_{2})) + ... + ln (f (x_{n})) = ln (ϕ (\sum x_{i}^{2}))

Note: 함수가 |x|가 증가함에 따라 감소하도록 'a'를 음수로 식별합니다.

3

상수 결정

가우스 적분 항등식을 사용하여 정규화 상수 C를 찾고, 전체 확률이 1로 적분되도록 합니다.

\int_{- \infty}^{\infty} C e^{- k (x - μ)^{2}} d x = 1

Note: $e^{- x^{2}}$ 의 적분은 파이의 제곱근임을 상기하십시오.

4

최종 정규화

분산 시그마 제곱을 퍼짐 매개변수로 대체하면 정규 확률 밀도 함수의 표준 형태가 나옵니다.

f (x) = \frac{1}{2 π σ ^{2}} e^{- \frac{( x - μ ) ^{2}}{2 σ ^{2}}}

Note: 이 최종 형태는 분포가 평균 뮤에 중심을 두고 분산 시그마 제곱을 갖는 속성을 만족합니다.

Result

f (x) = \frac{1}{2 π σ ^{2}} e^{- \frac{( x - μ ) ^{2}}{2 σ ^{2}}}

Source: Gauss, C. F. (1809). Theoria motus corporum coelestium.

Free formulas

Rearrangements

Solve for $x$

x를 주제로 만들기

x = μ \pm - 2 σ^{2} ln (f (x ∣ μ, σ^{2}) 2 π σ^{2})

자연 로그를 취하고 대수 연산을 수행하여 변수 x를 분리합니다.

Difficulty: 3/5

Solve for $μ$

$μ$ 에 대해 풉니다.

μ = x \mp - 2 σ^{2} ln (f 2 π σ^{2})

지수 내부의 제곱 항을 분리하여 평균을 구합니다.

Difficulty: 3/5

Solve for $σ^{2}$

$σ^{2}$ 을(를) 주제로 만들기

σ^{2} = - \frac{( x - μ ) ^{2}}{W ( - 2 π f ^{2} ( x - μ ) ^{2} )}

$σ^{2}$ 이(가) 밑과 지수 모두에 나타나므로 람베르트 W 함수나 반복법을 사용하여 분산을 구합니다.

Difficulty: 4/5

The static page shows the finished rearrangements. The app keeps the full worked algebra walkthrough.

Why it behaves this way

Intuition

평평한 표면에 모래를 떨어뜨려 만들어진 물리적 산맥을 상상해 보십시오. 봉우리(평균)는 대부분의 모래가 모이는 곳이며, 중심에서 멀어질수록 높이가 지수적으로 감소합니다. 곡선은 '중력 가중' 형태로, 경사의 가파른 정도는 모래의 퍼짐에 의해 조절됩니다. 넓은 더미(큰 분산)는 완만하고, 높고 가는 뾰족한 모양(작은 분산)은 가파릅니다.

f (x ∣ μ, σ^{2})

확률 밀도 함수

임의의 점 x에서 곡선의 '높이'로, 평균과 퍼짐이 주어졌을 때 특정 값을 만날 상대적 가능성을 나타냅니다.

μ

평균 (기대값)

종 모양 곡선의 중심 기준점 또는 봉우리의 수평 위치.

σ^{2}

Variance

'너비' 요소; 데이터가 중심에서 얼마나 넓게 흩어져 있는지를 결정합니다.

e

오일러 수

감쇠의 밑으로 작용하여, 평균에서 멀어짐에 따라 확률이 부드럽고 예측 가능하게 감소하도록 보장합니다.

Signs and relationships

-(x - μ)²: 음의 부호는 지수가 항상 음수 또는 0이 되도록 하여 평균(여기서 x=μ)에서 정점을 생성하고, x가 평균에서 멀어짐에 따라 함수가 0으로 감소하도록 합니다.
1 / sqrt(2πσ²): 이것은 '정규화 상수'입니다. 전체 곡선 아래의 총 면적이 정확히 1이 되도록 하여 100%의 총 확률을 나타냅니다.

One free problem

Practice Problem

다음 조건을 사용해 정규 분포 확률 밀도 함수 (PDF)을(를) 구하세요. 필요한 값을 식에 대입하고 단위와 자릿수를 확인해 답하세요. 조건: 0, 1, 0.

Hint: 정규 분포 확률 밀도 함수 (PDF)의 식에 알려진 값을 대입하고 단위, 부호, 분자와 분모의 대응을 확인하면서 계산하세요. 문제에서 주어진 조건을 먼저 정리하면 더 쉽게 풀 수 있습니다. 관련 기호: $e^{0}$ .

The full worked solution stays in the interactive walkthrough.

Where it shows up

Real-World Context

정규 분포 확률 밀도 함수 (PDF)는 실무, 학습, 분석 상황에서 구체적인 값을 대입해 결과를 확인할 때 사용할 수 있습니다. 계산 결과를 단순한 숫자로만 보지 않고 조건 비교, 판단, 추정, 위험 확인과 연결해 해석하는 데 도움이 됩니다.

Study smarter

Tips

곡선 아래의 전체 면적은 항상 정확히 1이라는 점을 기억하세요.
복잡한 계산을 단순화하려면 μ=0, σ=1로 두고 표준정규분포(Z-점수)를 사용하세요.
데이터의 약 68%, 95%, 99.7%는 각각 평균에서 1, 2, 3 표준편차 이내에 들어간다는 점에 유의하세요.

Avoid these traps

Common Mistakes

정규 분포 확률 밀도 함수 (PDF)에서는 단위, 부호, 입력값의 대응을 혼동하지 않도록 주의하세요. 식에 대입하기 전에 조건을 정리하고 답의 크기가 타당한지 확인하세요.
PDF 값을 밀도가 아닌 확률로 오해하는 실수 (정확한 한 점의 확률은 0입니다).

Keep going

Related Formulas

Common questions

Frequently Asked Questions

정규 분포는 독립 관측치의 평균에 대한 최대 우도 추정량이 산술 평균이라는 요구사항으로부터 유도되며, 이는 가우스 함수 방정식으로 이어집니다.

정규 분포 확률 밀도 함수 (PDF)는 주어진 값에서 필요한 결과를 구해야 할 때 사용합니다. 입력 단위, 범위, 전제 조건을 확인한 뒤 대입하고, 계산 결과를 실제 조건이나 문제의 목적과 비교해 해석하세요.

정규 분포 확률 밀도 함수 (PDF)의 결과는 수치를 비교하고 경향, 제약, 위험, 설계 판단을 설명하는 데 도움이 됩니다. 답을 단독 숫자로만 보지 말고 조건이 바뀔 때의 의미와 타당성도 함께 확인할 수 있습니다.

정규 분포 확률 밀도 함수 (PDF)에서는 단위, 부호, 입력값의 대응을 혼동하지 않도록 주의하세요. 식에 대입하기 전에 조건을 정리하고 답의 크기가 타당한지 확인하세요. PDF 값을 밀도가 아닌 확률로 오해하는 실수 (정확한 한 점의 확률은 0입니다).

정규 분포 확률 밀도 함수 (PDF)는 실무, 학습, 분석 상황에서 구체적인 값을 대입해 결과를 확인할 때 사용할 수 있습니다. 계산 결과를 단순한 숫자로만 보지 않고 조건 비교, 판단, 추정, 위험 확인과 연결해 해석하는 데 도움이 됩니다.

곡선 아래의 전체 면적은 항상 정확히 1이라는 점을 기억하세요. 복잡한 계산을 단순화하려면 μ=0, σ=1로 두고 표준정규분포(Z-점수)를 사용하세요. 데이터의 약 68%, 95%, 99.7%는 각각 평균에서 1, 2, 3 표준편차 이내에 들어간다는 점에 유의하세요.

References

Sources

Feller, W. (1968). An Introduction to Probability Theory and Its Applications.
Ross, S. M. (2014). A First Course in Probability.
Gauss, C. F. (1809). Theoria motus corporum coelestium.

Overview

Variables

Derivation

함수 방정식 공식화

로그 미분을 통한 해결

상수 결정

최종 정규화

Rearrangements

Intuition

Practice Problem

Real-World Context

Tips

Common Mistakes

Related Formulas

Standard Normal Distribution

Frequently Asked Questions

Sources