확률·확률변수·분포

결과를 미리 모르더라도 가능한 결과의 구조는 말할 수 있다

다음 요청이 성공할지, 응답시간이 몇 밀리초일지 정확히 알 수는 없다. 그렇다고 아무 말도 할 수 없는 것은 아니다. 성공과 실패가 얼마나 자주 나타나는지, 응답시간이 어느 범위에 몰리고 긴 지연이 얼마나 드문지를 기록할 수 있다. 확률은 불확실한 사건의 가능성을, 확률변수는 결과를 숫자로 읽는 규칙을, 분포는 가능한 값과 가능성을 함께 나타낸다.

먼저 되짚기: 비율과 곱셈

비율은 한 양을 기준이 되는 다른 양으로 나눈 상대크기다. 같은 조건을 여러 번 결합할 때는 단순히 더할지 곱할지 사건의 관계를 먼저 확인해야 한다. 확률은 0과 1 사이 비율로 가능성을 나타내며 조건과 분모를 분명히 해야 한다.

확률·확률변수·분포

확률실험은 결과를 미리 확정할 수 없지만 가능한 결과의 범위를 정할 수 있는 관찰이나 절차다. 표본공간은 가능한 모든 결과의 집합이고, 사건은 관심 있는 결과들을 모은 부분집합이다. 확률은 각 사건에 0부터 1 사이 값을 부여하며, 불가능한 사건은 0, 표본공간 전체는 1이다. 서로 동시에 일어날 수 없는 사건들을 합친 확률은 각 확률의 합이다.

확률변수는 표본공간의 각 결과를 숫자 하나에 대응시키는 함수다. 요청 결과를 성공이면 1, 실패면 0으로 대응시키거나, 각 요청 결과에서 응답시간을 읽는 규칙이 예다. 확률분포는 확률변수가 가질 수 있는 값 또는 구간과 각각의 확률을 함께 나타낸다. 값이 셀 수 있는 이산확률변수는 각 값의 확률을, 연속확률변수는 구간에 들어갈 확률을 다룬다.

P(A)는 사건 A의 확률이고, A∩B는 A와 B가 함께 일어나는 사건이다. P(A|B)의 세로선은 “B가 일어났다는 조건에서”로 읽으며, P(A)P(B)는 두 확률을 곱한다는 뜻이다. 조건부확률 P(A|B)는 B가 일어났다는 조건 아래 A가 일어날 확률이며 P(B) > 0일 때 P(A∩B) / P(B)로 계산한다. 두 사건이 독립이면 한 사건의 발생이 다른 사건의 확률을 바꾸지 않고 P(A∩B) = P(A)P(B)가 성립한다.

사건에서 결괏값 분포까지 구분한다

상자 안의 대상과 화살표의 조건을 함께 읽으세요. 좁은 화면에서는 같은 관계를 세로로 재배치한 도식을 보여 줍니다.

같은 5개 요청에서 사건 A(Y>200ms)는 요청 3·4를 골라 2/5다. 변수 X는 성공 1·실패 0으로 읽어 1에 3/5, 0에 2/5의 경험분포를 만든다. Y는 응답 또는 오류응답까지의 시간이며 응답 없는 시간초과는 별도 상태다. 장애조건 B를 분모로 하면 P(A|B)=2/3, 반대로 P(B|A)=1이다.

사례: 요청 성공 여부와 지연시간은 다른 확률변수다

요청 하나가 성공하거나 실패하는 사건과 응답시간 120ms, 300ms처럼 연속값을 가지는 결과는 다르게 표현한다. 성공확률 99%만으로 지연시간 분포를 알 수 없고 평균 200ms만으로 긴 꼬리 지연 가능성을 알 수 없다.

동일한 조건·기간·대상에서 사건과 확률변수, 가능한 값과 확률을 정의하고 경험자료가 그 분포 가정과 맞는지 확인한다.

자체 관측 다섯 건을 확률변수 값으로 옮겨 보자. Y는 성공 여부와 무관하게 응답 또는 오류 응답까지의 시간이며, 응답 없는 시간초과는 별도 상태로 기록해야 한다.

X의 경험분포는 값 1에 3/5, 값 0에 2/5다. 긴 응답의 전체 빈도는 2/5지만 장애조건에서의 빈도는 2/3=(2/5)/(3/5)다. 반대로 긴 응답인 두 요청은 모두 장애조건이므로 이 경험자료의 P(B|A)는 2/2=1이다. 분모가 장애조건의 세 요청인지 긴 응답의 두 요청인지에 따라 다른 질문과 값이 된다. 이 다섯 건의 빈도를 미래 요청의 참확률로 확정하지 않는다. 성공/실패만 남긴 표본공간에서는 X를 정의할 수 있지만 Y를 복원할 수 없다. 시간까지 분석하려면 가능한 결과에 성공상태와 시간을 함께 포함한 표본공간이 필요하다.

요청 성공과 응답시간을 서로 다른 확률변수로 본다

요청 한 건의 가능한 결과를 {성공, 실패}로 두고 성공 여부를 X라 하자. X는 성공이면 1, 실패면 0인 이산확률변수다. 같은 조건의 요청에서 성공확률이 p라면 X의 분포는 1에 p, 0에 1-p를 부여한다. 고정된 횟수의 독립 요청에서 성공 횟수를 세면 가능한 값은 0부터 요청 수까지가 된다.

응답시간 Y는 0 이상의 연속적인 값을 가질 수 있다. 연속분포에서는 정확히 120.000…밀리초 한 값보다 100밀리초 이상 200밀리초 미만 같은 구간의 확률을 본다. 장애 중인 요청이라는 조건 B를 알게 되었을 때 긴 응답 사건 A의 확률 P(A|B)는 전체 요청에서 긴 응답의 비율과 다를 수 있다. 따라서 분포를 만들 때 기간, 사용자군, 시스템 버전과 장애 상태 같은 조건을 함께 기록한다. 관측시간을 1ms 간격으로 기록한다면 저장된 Y는 100ms·101ms처럼 셀 수 있는 격자값이다. 연속분포는 그 배후의 시간을 근사하는 모형이고 기록 정밀도가 없어진다는 뜻은 아니다.

사건·값·분포를 구분하고 모양을 고른다

한 번의 성공·실패는 베르누이 분포로, 같은 성공확률을 가진 독립 시행을 정해진 횟수만큼 수행한 성공 횟수는 이항분포로 모델링할 수 있다. 중심 주변에 대칭적으로 값이 몰리는 연속량은 정규분포가 후보가 될 수 있지만, 응답시간처럼 0 아래로 갈 수 없고 긴 꼬리가 있는 자료에 자동으로 맞는 것은 아니다. 이름이 익숙한 분포를 고르지 말고 가능한 값의 범위, 대칭성, 꼬리, 독립성과 생성과정을 확인한다.

조건을 뒤집고 독립을 가정하면 확률이 왜곡된다

장애일 때 경보가 울릴 확률과 경보가 울렸을 때 장애일 확률은 같지 않다. 실제 장애가 매우 드물면 정확한 경보도 거짓경보를 많이 포함할 수 있으므로 기본 발생률을 함께 봐야 한다. 동시에 일어날 수 없는 사건과 서로 영향을 주지 않는 독립 사건도 다르다. 동전 한 번의 앞면과 뒷면은 배타적이지만 독립이 아니다.

시간이 가까운 요청, 같은 서버의 요청과 같은 사용자의 행동은 서로 영향을 줄 수 있다. 이를 독립으로 가정하면 여러 사건의 결합확률과 불확실성을 과소평가할 수 있다. 관측되지 않은 대상이 빠진 표본, 조건이 다른 기간을 합친 자료, 극단값을 제거한 자료도 분포를 바꾼다. 확률값에는 모집단, 조건, 기간, 표본추출과 가정을 함께 적는다.

자체 10점 문제

확률·확률변수·분포의 관계를 설명하고 정보시스템 불확실성 모델링 시 유의사항을 제시하시오.

요구어는 설명과 제시다. 사건의 가능성과 결괏값의 분포를 구분하고 조건·자료범위와 평균 하나의 한계를 제시한다.

10점 풀이 방향과 모범답안 보기

10점 답안 목차

1. 표본공간·사건·확률
2. 확률변수
3. 분포
4. 조건부 분포
5. 자료범위·꼬리 위험

10점 답안 도식

5개 요청의 대응 그림을 결과들을 모아 고름 → 사건 → 확률과 결과 하나를 숫자 하나에 대응 → 확률변수 → 가능한 값·구간별 확률 → 분포로 나누어 읽는다. 두 경로의 기준은 같은 표본공간이지만 하는 일이 다르다.

기술사 답안으로 전환하기

예상문제: “확률·확률변수·확률분포와 조건부확률·독립의 개념을 설명하고 정보시스템 분석 적용 시 유의사항을 제시하시오.”

표본공간은 가능한 모든 결과의 집합, 사건은 관심 결과의 부분집합이며 확률은 사건의 가능성을 0과 1 사이 값으로 나타낸다. 확률변수는 각 결과를 숫자 하나에 대응시키는 함수이고, 확률분포는 가능한 값 또는 구간과 각각의 확률을 함께 나타낸다. 성공 여부처럼 셀 수 있는 값은 이산형, 응답시간처럼 연속값은 연속형으로 다룬다.

조건부확률 P(A|B)는 B가 발생했다는 조건에서 분모를 B로 제한한 A의 확률이다. 독립은 B의 발생이 A의 확률을 바꾸지 않아 P(A∩B)=P(A)P(B)가 되는 관계다. 배타적인 사건과 독립 사건은 다르며, “장애일 때 경보”와 “경보일 때 장애”도 기본 장애율 때문에 같지 않다.

성공·실패 한 번은 베르누이, 같은 성공확률의 독립 시행을 정해진 횟수만큼 수행한 성공 횟수는 이항분포가 후보가 된다. 정규분포는 대칭성과 값 범위가 맞을 때만 후보이며 0 아래가 불가능하고 긴 꼬리가 있는 응답시간에 자동 적용하지 않는다. 기간·사용자군·버전과 장애조건, 표본추출, 독립성·분포 가정을 기록하고 조건을 뒤집거나 의존 관측을 독립으로 처리하는 오류를 통제한다.

자체 25점 문제

요청 성공과 응답시간의 불확실성을 사건·확률변수·분포로 나누어 모델링하고 자료조건 변화와 꼬리위험을 검증하는 절차를 설계하시오.

요구어는 모델링과 설계다. 평균이나 성공률 하나로 다른 불확실성을 대신하지 않는다.

25점 풀이 방향과 모범답안 보기

25점 답안 목차

1. 대상·기간·조건
2. 표본공간·사건
3. 확률변수 정의
4. 이산·연속 결과
5. 경험분포·요약값
6. 조건부 분포
7. 꼬리·희귀사건
8. 조건변화와 재추정

25점 답안 도식

요청 조건에서 분리할 것	비교할 결과
성공/실패 사건 → 성공확률	조건별 성공 경험비율
응답시간 변수 → 시간 분포	중앙·꼬리·조건별 비교

사건과 변수의 대응 그림에 아래 성공 3/5·긴 응답 2/5·장애조건 2/3을 각각 대입한다.

25점 모범답안

먼저 대상 서비스·기간·부하조건을 고정한다. 요청 성공 여부는 사건으로 두고 성공에 1, 실패에 0을 대응시키는 확률변수로 표현할 수 있다. 응답시간은 0 이상의 연속값을 가지는 별도 확률변수로 두고 경험자료의 분포를 본다.

성공률이 높아도 지연 분포에 긴 꼬리가 있을 수 있으므로 두 분포를 섞지 않는다. 평균·중앙값과 함께 상위 백분위, 범위와 희귀한 극단값을 확인한다. 혼잡·지역·요청종류에 따라 분포가 달라지면 조건부로 나눠 본다.

새 배포나 부하변화 뒤에는 이전 분포를 그대로 가정하지 않고 동일 정의로 자료를 다시 수집해 변화 여부를 확인한다. 희귀사건이 관측되지 않았다는 이유만으로 확률 0으로 단정하지 않는다.

다섯 요청의 관측표에서는 X의 성공 경험비율 3/5와 Y>200ms 빈도 2/5를 따로 보고, 장애조건 B의 세 요청에서는 긴 응답이 2/3임을 확인한다. 결과→숫자가 확률변수, 결과들을 고른 부분집합이 사건이라는 대응을 유지한다. 관측시간 정밀도가 1ms라면 기록된 Y는 이산 격자값이며, 연속분포는 그 배후 시간을 근사하는 모형이라는 차이도 적는다.

출처와 적용 경계

확률·확률변수·분포는 안정된 확률론 기초개념이다. 요청 성공·응답시간 사례는 자체 예이며 실제 서비스 분포를 뜻하지 않는다.

NIST/SEMATECH 이항분포 설명을 정해진 시행 횟수와 동일한 성공확률 조건의 근거로 참고한다. 교재의 다섯 요청은 자체 관측 예이며 이항분포 가정을 검증한 실제 서비스 자료가 아니다.

자기교정과 조건 변경

혼잡시간만 지연이 길어지면? 전체분포 하나 대신 부하조건별 분포를 비교한다.

성공률은 같고 꼬리 지연만 늘면? 성공확률과 시간분포의 품질변화를 따로 판단한다.

희귀 장애가 한 번도 관측되지 않으면? 발생 불가능으로 단정하지 않고 표본규모와 외부 근거를 함께 본다.

30초 정리

1. 표본공간은 가능한 모든 결과, 사건은 관심 결과의 묶음, 확률은 사건의 가능성이다.
2. 확률변수는 결과를 숫자에 대응시키고, 분포는 가능한 값·구간과 확률을 함께 나타낸다.
3. 조건부확률은 주어진 조건에서 분모가 바뀐 확률이고, 독립은 한 사건이 다른 확률을 바꾸지 않는 관계다.
4. 분포를 고를 때 값의 범위·꼬리·생성과정·조건·표본과 독립 가정을 확인한다.