0과 1 사이에서 무작위로 숫자를 선택할 때, 0.3 주변의 구간과 0.7 주변의 같은 길이 구간이 선택될 확률이 같습니다. 예를 들어 P(0.29 < X < 0.31) = P(0.69 < X < 0.71) = 0.02 입니다. 어디에 있든 같은 길이의 구간은 같은 확률 — 이것이 균등분포입니다. (한 점 0.3 자체가 나올 확률은 0입니다. 아래 확인 문제를 보세요.)
이해도 확인하기
정답:
이산 균등분포입니다. 1부터 6까지 각 면이 나올 확률이 모두 1/6로 동일합니다.
정답:
연속분포에서 특정 점의 확률은 0입니다. 대신 구간 확률(예: 4.9~5.1)을 구할 수 있습니다.
균등분포는 가장 단순한 형태의 확률분포입니다. 가능한 값의 범위가 유한한 구간 [a, b]로 정해져 있고 그 밖의 정보가 없을 때, 균등분포는 그 구간에서 최대 엔트로피 분포입니다 — 범위라는 제약조차 없으면 연속 균등분포는 정의할 수 없으므로, "정보가 없을 때의 기본 분포"라는 말은 항상 이 범위 조건과 함께 써야 합니다. 연속 균등분포 U(a,b)는 구간 [a,b]에서 일정한 확률밀도를 가지며, 이산 균등분포는 유한한 개수의 결과가 동일한 확률을 가집니다.
수학적 공식
a와 b는 분포의 하한과 상한이며, 구간 [a,b]에서 확률밀도는 1/(b-a)로 일정합니다. 전체 구간의 면적이 1이 되도록 정규화된 값입니다.
다양한 예시로 이해하기
예시 1: 연속 균등분포 U(0,1)
표준 균등분포에서 확률 계산
P(0.2 ≤ X ≤ 0.7) = ?
해답:
P(0.2 ≤ X ≤ 0.7) = (0.7-0.2) × 1 = 0.5
구간의 길이가 확률과 직접적으로 연결됩니다. 0.5만큼의 구간이므로 확률도 0.5입니다.
예시 2: 이산 균등분포 예시
공정한 동전 던지기 10번
HHHTHTTHHT 처럼 길이 10인 개별 순서열 하나가 나올 확률은?
해답:
길이 10인 순서열은 총 2¹⁰ = 1024가지이고, 각 순서열의 확률은 1/1024로 모두 같다
균등한 것은 "개별 순서열"입니다. "앞면 5번·뒷면 5번" 같은 요약 결과는 균등하지 않습니다 — 앞면 5번은 252가지 순서열이 해당해 확률이 252/1024 ≈ 0.246이지만, 앞면 10번은 1가지뿐이라 1/1024입니다.
예시 3: 균등분포의 평균과 분산
U(a,b)의 통계적 특성
평균 = (a+b)/2, 분산 = (b-a)²/12
해답:
U(2,8)에서 평균 = 5, 분산 = 3, 표준편차 = √3 ≈ 1.73
평균은 구간의 중점이고, 분산은 구간 폭의 제곱에 비례합니다.
흔한 실수들
잘못된 방법:
연속분포에서 특정 점의 확률 구하기
왜 틀렸을까?
P(X = 5) = 0.2처럼 특정 값의 확률을 구하려는 시도
올바른 방법:
연속분포에서는 구간 확률 P(a ≤ X ≤ b)만 의미가 있습니다.
잘못된 방법:
확률밀도함수와 확률 혼동
왜 틀렸을까?
f(x) = 1/(b-a)를 확률로 잘못 이해
올바른 방법:
확률밀도함수 값은 확률이 아니라 밀도입니다. 구간과 곱해야 확률이 됩니다.
연습 문제
힌트:
구간의 길이를 전체 구간 길이로 나누세요.
정답:
0.5
해설:
구간 [4,7]의 길이는 3, 전체 구간 [3,9]의 길이는 6. 따라서 3/6 = 0.5
균등분포는 난수 생성의 출발점입니다. [0,1) 균등난수에 역변환 방법(inverse transform method), Box-Muller 변환, 수용-거부 방법(acceptance-rejection method) 등을 적용하면 대부분의 확률분포 표본을 만들 수 있습니다. 순서통계량의 분포에서도 핵심 역할을 합니다. 베이지안 통계에서는 일부 문제에서 단순한 약정보·비정보 사전분포로 균등분포를 쓰지만, 균등 사전분포가 항상 "무정보"인 것은 아닙니다 — 변수를 변환하면(예: p 대신 log p) 균등성이 사라지고, 변환에 불변인 Jeffreys 사전분포 같은 다른 비정보 사전분포도 함께 쓰입니다.
실무에서의 활용
IT/컴퓨터 과학
난수 생성 및 시뮬레이션
예시:
몬테카로 시뮬레이션에서 기본 난수 생성기로 사용. 게임에서 확률적 이벤트 구현
왜 중요한가?
대부분의 확률분포 난수를 만드는 출발점이며, 편향 없는 무작위성을 제공하기 때문
품질관리
무작위 샘플링
예시:
생산라인에서 제품 검사를 위한 무작위 선택. 동일한 확률로 모든 제품이 선택되도록 보장
왜 중요한가?
편향 없는 샘플링을 통해 전체 모집단을 대표하는 표본을 얻기 위해
금융
베이지안 분석의 약정보·비정보 사전분포
예시:
매개변수의 범위는 알지만 그 안에서 선호가 없을 때(예: 확률 p ∈ [0,1]) 균등분포를 사전분포로 쓰는 경우가 있음
왜 중요한가?
단순하고 해석이 쉽기 때문. 다만 균등 사전분포가 항상 "무정보"인 것은 아니다 — 변수를 바꾸면 균등성이 사라지므로, 변환 불변인 Jeffreys 사전분포 등 다른 선택도 검토한다
복권·게임
로또 6/45 — "각 번호가 균등하다"의 정확한 뜻
예시:
공정한 로또에서 45개 번호는 한 회차에서 대칭적으로 취급되어, 한 번호가 포함될 주변확률은 6/45 ≈ 0.133이다. 6개 번호 조합 전체로 보면 C(45,6) = 8,145,060가지 가운데 하나가 나오며 모든 조합의 확률이 같다
왜 중요한가?
"각 번호가 균등하다"와 "6개 번호를 독립적인 균등분포에서 뽑는다"는 같은 말이 아니다 — 비복원 추출이라 같은 번호가 두 번 나올 수 없고 번호들은 서로 독립이 아니다. 너멜엠 로또 AI 실험(/lotto-ai-experiment)은 이 균등성을 실제 추첨으로 매주 검증한다
가상 사례 분석: 온라인 A/B 테스트에서의 균등난수 활용
배경
(교육용 가상 데이터) 전자상거래 회사에서 새로운 결제 페이지 디자인의 효과를 테스트하려고 합니다. 아래 숫자는 설명을 위해 만든 값입니다.
문제 상황
방문자를 무작위로 두 그룹(기존 디자인 vs 새 디자인)으로 나누어야 합니다.
데이터 설명
3개월간 웹사이트 방문자 데이터: 일일 평균 1,200명 방문, 연령대 20-50세, 모바일 70% 데스크톱 30%, 기존 결제 완료율 12.5%
분석 방법
균등분포 U(0,1)을 이용한 무작위 배정 시스템 구축. 각 사용자 세션 시작 시 난수 생성하여 0.5를 기준으로 그룹 분할. 쿠키를 통해 동일 사용자의 일관된 그룹 유지
해결책 및 결과
1. 사용자 접속 시 0과 1 사이 균등분포에서 난수 생성
2. 난수 < 0.5면 그룹 A (기존 디자인), >= 0.5면 그룹 B (새 디자인)
3. 이를 통해 50:50 비율로 무작위 배정 달성
10,000명 방문자 중 그룹 A: 4,987명, 그룹 B: 5,013명으로 거의 정확한 50:50 분할. 결제 완료율은 기존 12.5% → 새 디자인 15.2%로, 상대적으로 약 21.6% 증가
결론:
균등난수의 무작위 배정 덕분에 두 그룹이 공정하게 나뉘어, 결제율 차이를 디자인 변화의 효과로 해석할 수 있는 실험이 됩니다. 이 가상 데이터에서는 두 그룹의 전환율 차이가 2표본 비율검정에서 통계적으로 유의하게 나타납니다(z ≈ 3.9). "효과를 입증했다"고 말하려면 실제 실험에서 검정 방법·신뢰구간·사전 표본 크기 설계를 함께 제시해야 합니다.
참고 문헌
NIST/SEMATECH e-Handbook of Statistical Methods, §1.3.6.6 Gallery of Distributions — Uniform Distribution (균등분포의 확률밀도·평균·분산·응용)
