기댓값은 "한 번의 결과"가 아니라 무수히 반복했을 때의 장기 평균이다 — 큰 수의 법칙이 이를 보장한다.
학습 로드맵
각 단계를 클릭하면 해당 학습 내용을 볼 수 있습니다
기초 이해
개념 정의와 기본 원리
약 25분
클릭
심화 학습
공식 유도와 다양한 예시
약 45분
클릭
실무 적용
실제 케이스와 고급 응용
약 70분
학습 진도 (완료한 단계)
0%
먼저 알아두면 좋은 개념들
확률의 기본 개념
기댓값은 확률을 가중치로 사용하므로 확률의 기본 성질을 먼저 이해해야 합니다
확률분포
기댓값은 확률변수의 분포에서 정의되므로 분포 개념이 필수입니다
기댓값이란 무엇인가?
난이도 2/5
약 25분
기댓값은 확률변수가 가질 수 있는 모든 값을 그 확률로 가중평균한 값입니다. "장기적으로 평균하면 얼마가 나올까?"에 대한 답으로, 한 번의 시행 결과가 아니라 무한히 반복했을 때 기대되는 평균을 의미합니다.
주사위를 한 번 굴리면 1~6 중 하나가 나오지만, 수만 번 굴려서 평균을 내면 약 3.5에 가까워집니다. 이 3.5가 바로 주사위 한 번 던지기의 "기댓값"입니다. 실제로 3.5라는 눈은 나올 수 없지만, 장기 평균이라는 의미에서 그 값이 우리가 "기대"하는 평균입니다.
그리고 사실, 아침에 강수확률을 보고 우산을 챙길지 고민하는 순간 — 당신은 이미 기댓값을 계산하고 있습니다. 아래에서 그 계산을 그대로 펼쳐 보겠습니다.
핵심 포인트
•
확률을 가중치로 사용하는 가중평균
•
Loading... (이산)
•
Loading... (연속)
•
실제로 관측되지 않는 값일 수 있음 (예: 주사위 평균 3.5)
•
큰 수의 법칙에 따라 표본평균은 기댓값에 수렴
•
선택지별 기댓값(기대손실) 비교는 일상 의사결정의 기준 — 예: 우산 문제
간단한 예시
공정한 주사위 한 번 던지기:
• 각 눈(1~6)이 나올 확률: Loading...
• 기댓값 계산: Loading...
해석: 한 번 굴려서 3.5가 나오는 것은 아니지만, 수천 번 굴려서 평균을 내면 3.5에 가까워집니다.
우산 문제 — 기댓값이 일상에서 일하는 방식
강수확률 60%인 아침을 생각해 봅시다. 미래는 둘 중 하나(비 온다 / 안 온다)지만, 어느 쪽이 될지는 알 수 없습니다. 그런데 선택지마다 "평균 손해"는 지금 바로 계산할 수 있습니다.
• 챙긴다: 비가 오면 손해 0원, 맑으면 우산이 하루 종일 짐(불편 비용 약 2,000원)
→ 기대손실 = Loading...원
• 안 챙긴다: 비가 오면 편의점 우산 10,000원, 맑으면 0원
→ 기대손실 = Loading...원
기대손실 800원 vs 6,000원 — 챙기는 쪽이 합리적입니다. 주사위의 Loading...와 완전히 같은 계산이지만, 여기서는 계산 결과가 의사결정으로 이어집니다. 이것이 기댓값의 진짜 쓸모입니다: 미래를 맞히는 숫자가 아니라, 불확실한 선택지들을 하나의 숫자로 바꿔 저울질하게 해 주는 비교 기준입니다.
같은 계산이 곳곳에 숨어 있습니다. "이번 달 구독 멤버십, 본전 뽑을까?"(이용 횟수별 절약액 × 확률), 보험 가입 여부, 마감 임박 할인 항공권을 지금 살지 — 모두 선택지별 기댓값 비교입니다. 보험료가 실제로 어떻게 계산되는지는 중급 단계에서 다룹니다.
이해도 확인하기
정답:
기댓값은 가능한 값들의 가중평균이므로, 평균 자체가 정의역(값의 집합)에 속하지 않을 수 있습니다. 예: 주사위 기댓값 3.5는 주사위 눈으로 존재하지 않지만, 장기 평균을 의미합니다.
정답:
기댓값 = Loading...원. 즉, 1장 살 때마다 평균 875원을 잃는 셈입니다.
정답:
챙긴다: Loading...원, 안 챙긴다: Loading...원. 이제 안 챙기는 쪽의 기대손실이 더 작아 결정이 뒤집힙니다. 확률이 바뀌면 최적 선택도 바뀐다 — 기댓값 비교가 의사결정 도구인 이유입니다.
기댓값은 단순한 평균 이상의 강력한 성질을 가집니다. 특히 선형성은 확률변수 간의 독립 여부와 무관하게 성립하는 핵심 도구입니다.
기댓값의 핵심 성질:
1. 상수의 기댓값: Loading...
2. 선형성 (Linearity): Loading...
- 독립 여부 무관 — 매우 강력한 성질
3. 함수의 기댓값: Loading...
4. 독립 변수의 곱: Loading...가 독립일 때 Loading...
분산과의 관계:
Loading...
조건부 기댓값:
Loading...
전체 기댓값 법칙 (Law of Total Expectation): Loading...
수학적 공식
이산형 확률변수에서는 각 값에 확률을 곱해서 모두 더하고, 연속형에서는 확률밀도함수와 곱한 후 적분합니다. 핵심은 "값 × 그 값이 나올 확률"의 가중합입니다.
다양한 예시로 이해하기
예시 1: 보험회사의 보험료 산정
자동차 보험사가 1년에 1건당 평균 손실액을 계산
자동차 1대당 1년 보험금 청구 현황 (과거 데이터):
• 무사고 (확률 90%): 손실 0원
• 경미 사고 (확률 8%): 평균 손실 100만원
• 중대 사고 (확률 1.9%): 평균 손실 1,000만원
• 전손 (확률 0.1%): 평균 손실 3,000만원
Loading...
해답:
Loading...만원
→ 1대당 평균 손실 30만원
→ 보험사 보험료 = 30만원 + 운영비 + 이윤
개별 가입자가 어떤 일을 겪을지는 알 수 없지만, 가입자 수가 많아지면 큰 수의 법칙에 의해 평균 손실은 기댓값에 수렴합니다. 보험 산업의 수학적 기반입니다.
예시 2: 카지노 룰렛의 기댓값
미국식 룰렛 (38칸: 1~36 + 0 + 00)에서 빨강에 1달러 베팅
• 빨강 칸 18개, 검정 18개, 0과 00 (초록) 2개
• 빨강에 1달러 베팅 시:
- 빨강 당첨 (확률 18/38): +1달러
- 검정/0/00 (확률 20/38): -1달러
Loading...
해답:
Loading...달러
→ 1달러 베팅마다 평균 5.26센트 손실 (하우스 엣지 5.26%)
단기적으로는 이길 수 있어도, 베팅 횟수가 늘어날수록 평균 수익은 기댓값(-5.26%)에 수렴합니다. "하우스는 항상 이긴다"의 수학적 증명입니다.
예시 3: 주식 투자의 위험-수익 계산
두 투자안의 기대 수익률 비교
투자안 A (안전형):
• 호황 (40%): +5%
• 보통 (50%): +3%
• 불황 (10%): -1%
투자안 B (성장형):
• 호황 (40%): +20%
• 보통 (50%): +5%
• 불황 (10%): -15%
해답:
Loading...
Loading...
→ B가 기대수익 더 높지만, 변동성(분산)도 훨씬 큼
기댓값만으로는 투자 결정이 부족합니다. 분산(위험)과 함께 봐야 진짜 의사결정이 가능합니다. 이것이 현대 포트폴리오 이론의 시작점입니다.
