조건부 확률 계산기 P(A|B)
P(A|B), 결합확률, 주변확률을 정확하게 계산
확률값을 입력하면, 사건 B가 발생했을 때 사건 A가 발생할 확률인 조건부 확률 P(A|B)를 계산할 수 있습니다.
조건부 확률 계산기 P(A|B)
P(A|B), 결합확률, 주변확률을 정확하게 계산
P(A∩B)와 P(B)를 사용해 B가 주어졌을 때 A의 조건부 확률을 계산합니다.
조건부 확률 계산기 소개
조건부 확률은 확률론과 통계학의 핵심 기초 중 하나입니다. 어떤 사건이 이미 발생했다는 조건에서 다른 사건이 발생할 가능성을 설명하며, 과학, 의학, 머신러닝에서 중요한 추론 도구의 바탕이 됩니다.
정의는 다음과 같습니다: P(B) > 0일 때 P(A|B) = P(A ∩ B) / P(B). 여기서 P(A|B)는 "B가 발생했을 때 A가 발생할 확률", P(A ∩ B)는 A와 B가 동시에 발생할 결합확률, P(B)는 B의 주변확률입니다. 이 식을 변형하면 곱셈법칙 P(A ∩ B) = P(A|B) × P(B)를 얻을 수 있으며, 조건부 확률로 결합확률을 구할 때 널리 사용됩니다.
대표적인 예는 의료 검사입니다. 어떤 질병의 유병률이 1%이고 진단검사의 위양성률이 5%라고 가정해 봅시다. 무작위로 뽑은 사람이 양성 판정을 받을 확률이 P(B)입니다. 그 사람이 동시에 질병을 가지고 있고 양성이 나올 확률이 P(A ∩ B)입니다. 이를 나누면 양성 결과를 받은 사람이 실제로 아플 조건부 확률이 나오는데, 이는 직관보다 훨씬 낮은 경우가 많고 이를 기저율 오류라고 합니다.
조건부 확률은 베이즈 정리의 핵심이기도 합니다: P(A|B) = P(B|A) × P(A) / P(B). 베이즈 정리는 새로운 증거 B를 바탕으로 사전 믿음 P(A)를 갱신해 사후 믿음 P(A|B)을 얻도록 해줍니다. 이 베이지안 갱신 프레임워크는 스팸 필터, 의료 진단, 포렌식 증거 평가, 현대 머신러닝 분류기에 사용됩니다.
이 계산기는 세 가지 모드를 지원합니다. 'P(A|B) 구하기'는 결합확률 P(A ∩ B)와 주변확률 P(B)를 입력으로 받아 조건부 확률을 반환합니다. 'P(A ∩ B) 구하기'는 P(A|B)와 P(B)를 사용해 곱셈법칙을 적용합니다. 'P(B) 구하기'는 조건부 확률과 결합값으로 주변확률을 구합니다. 모든 확률 입력은 0과 1 사이여야 하며, P(B)가 분모에 등장할 때는 0이면 안 됩니다.
예시
아래 표는 흔한 실제 상황에서의 조건부 확률 계산을 보여줍니다.
| 입력 | 결과 | 상황 |
|---|---|---|
| P(A∩B)=0.005, P(B)=0.05 | P(A|B) = 0.1 | 의학: P(질병 | 양성 검사) |
| P(A∩B)=0.18, P(B)=0.6 | P(A|B) = 0.3 | 날씨: P(비 | 흐림) |
| P(A|B)=0.02, P(B)=0.15 | P(A∩B) = 0.003 | 품질: 결합 불량 확률 |
| P(A|B)=0.4, P(A∩B)=0.12 | P(B) = 0.3 | 주변확률 구하기 |
조건부 확률 계산기 사용법
- 계산 유형을 선택하세요. 조건부 확률을 구하려면 'P(A|B) 구하기', 결합확률을 구하려면 'P(A∩B) 구하기', 주변확률을 구하려면 'P(B) 구하기'를 선택합니다.
- 나타나는 입력 칸에 알고 있는 확률값을 입력하세요. 모든 값은 0과 1 사이여야 합니다.
- P(A|B)를 구할 때는 P(B)가 0보다 큰지 확인하세요. 조건 사건의 확률이 0이면 조건부 확률은 정의되지 않습니다.
- '확률 계산'을 클릭하면 결과가 표시됩니다. 결과가 1을 넘으면 경고도 함께 표시됩니다.
- 빠른 불러오기 예시 버튼으로 실제 상황을 채워 넣고 이해를 확인해 보세요.
자주 묻는 질문
P(A|B)는 쉽게 말해 무엇인가요?
P(A|B)는 사건 B가 이미 발생했거나 반드시 발생한다고 알려져 있을 때 사건 A가 발생할 확률입니다. 가능한 모든 결과에서 B가 참인 경우만으로 표본공간을 좁힌 뒤, 그중 A도 포함되는 비율을 묻는 것입니다. 예를 들어 P(비 | 흐림)은 이미 흐린 상황에서 비가 올 확률입니다.
P(A|B)와 P(A∩B)의 차이는 무엇인가요?
P(A∩B)는 전체 표본공간에서 A와 B가 모두 발생할 확률이고, P(A|B)는 B가 이미 발생했다고 알려진 제한된 표본공간에서 A가 발생할 확률입니다. 수식으로는 P(A|B) = P(A∩B) / P(B)이므로, P(B) < 1일 때 P(A|B) ≥ P(A∩B)입니다.
두 사건이 독립이라고 보는 경우는 언제인가요?
P(A|B) = P(A)라면 사건 A와 B는 독립입니다. 즉 B가 발생했는지 알아도 A가 발생하는지에 대한 정보가 추가되지 않습니다. 동치로 P(A∩B) = P(A) × P(B)입니다. 독립성은 강한 가정이며, 현실의 대부분 문제에서는 사건들이 서로 의존하므로 조건부 확률이 적절한 틀입니다.
베이즈 정리는 무엇이며 이 계산기와 어떤 관련이 있나요?
베이즈 정리는 P(A|B) = P(B|A) × P(A) / P(B)라고 말합니다. 이를 통해 조건부 확률을 거꾸로 계산할 수 있습니다. A가 주어졌을 때 B가 얼마나 가능성이 높은지, 그리고 사전확률 P(A)와 P(B)를 알고 있으면, B가 주어졌을 때 A가 얼마나 가능성이 높은지 계산할 수 있습니다. 이 계산기는 기본 공식 P(A|B) = P(A∩B)/P(B)를 직접 구현하며, 베이즈 정리는 바로 이 관계를 활용합니다.
왜 조건부 확률이 P(A)나 P(B)보다 더 클 수 있나요?
조건화는 표본공간을 줄이기 때문입니다. B가 확률은 작지만 A와 강하게 연관된 사건이라면, 작은 P(B)로 P(A∩B)를 나누었을 때 P(A)보다 훨씬 큰 값이 나올 수 있습니다. 이는 모순이 아닙니다. 단지 B가 발생한 부분집합 안에서는 A가 매우 흔하다는 뜻입니다.
P(B)가 0이면 어떻게 되나요?
P(B) = 0일 때 P(A|B)는 수학적으로 정의되지 않습니다. 존재하지 않는 사건을 조건으로 삼기 때문입니다. 표준 확률론에서는 0 확률 사건에 대한 조건화에 더 고급의 측도론 도구가 필요합니다. 실무에서는 P(B)=0이면 조건부 확률 공식을 직접 적용할 수 없고, 계산기는 오류를 표시하며 P(B)에 0보다 큰 값을 입력하라고 안내합니다.