비 오는 날 교통 정체 확률
P(정체)=0.3, P(비)=0.2, P(정체∩비)=0.15라면 P(정체|비)=0.15/0.2=0.75입니다. 비가 오면 교통 정체 확률이 30%에서 75%로 2.5배 올라갑니다.
두 사건이 독립이 아니므로(P(A∩B)≠P(A)×P(B)=0.06), 비는 교통 정체에 강한 영향을 미칩니다.
조건부 확률 계산기
조건부 확률 P(A|B)를 계산하고, 두 사건의 독립성을 검정합니다.
입력
%
%
%
P(A|B)
P(A|B) 30.00%
B가 일어났을 때 A의 확률
P(A|B)30.0%
P(B|A)40.0%
- P(B|A)40.00%A가 일어났을 때 B의 확률
A와 B는 독립입니다
B가 일어났을 때 A의 확률: 30.00%
확률 분해
차트 그리는 중…
풀이 보기
결과 공유하기
조건부 확률 계산기는 P(A|B) = P(A∩B)/P(B) 공식으로 사건 B가 발생했을 때 사건 A의 확률을 계산합니다. 두 사건의 개별 확률과 교집합 확률을 입력하면 조건부 확률, 독립성 여부, 벤 다이어그램을 함께 제공합니다. P(A)=0.3, P(B)=0.5, P(A∩B)=0.15이면 P(A|B)=0.3으로 P(A)와 같아 두 사건은 독립입니다. P(A∩B)=0.2이면 P(A|B)=0.4로 B가 A의 확률을 높이므로 양의 상관관계입니다. 베이즈 정리의 기초가 되는 핵심 개념으로, 의학 진단, 스팸 필터, 품질 관리 등 실생활의 조건부 판단에 널리 적용됩니다.
실생활 예시
이럴 때 이렇게 계산해요.
독립 사건 확인
P(A)=0.4, P(B)=0.5, P(A∩B)=0.2이면 P(A|B)=0.2/0.5=0.4=P(A)입니다. P(A∩B)=0.4×0.5=0.2이므로 두 사건은 독립입니다.
교집합이 정확히 두 확률의 곱과 같으면 독립입니다. 계산기가 자동으로 독립성 여부를 판별합니다.
의료 검사 양성 시 실제 질병 확률
P(질병)=0.01, P(양성|질병)=0.95, P(양성|건강)=0.05일 때 P(양성)=0.01×0.95+0.99×0.05=0.059이고, P(질병|양성)=0.0095/0.059≈16.1%입니다.
검사 양성이어도 실제 질병 확률이 16%에 불과합니다. 조건부 확률의 직관과 실제가 다른 대표적 사례입니다.
마케팅 전환 경로 분석
P(구매)=0.03, P(리뷰 읽음)=0.25, P(구매∩리뷰 읽음)=0.02라면 P(구매|리뷰 읽음)=0.02/0.25=0.08(8%)로, 리뷰를 읽으면 구매 확률이 2.67배 높아집니다.
조건부 확률로 특정 행동이 전환에 미치는 영향을 수치화하여 마케팅 전략의 근거를 만들 수 있습니다.
관련 계산기
같이 쓰면 좋아요. 옆으로 넘겨 보세요.
자주 묻는 질문
궁금한 거 모아 봤어요. 눌러서 펼쳐 보세요.
조건부 확률과 결합 확률의 차이는 뭔가요?
결합 확률 P(A∩B)는 A와 B가 동시에 일어날 확률이고, 조건부 확률 P(A|B)는 B가 이미 일어난 상황에서 A가 일어날 확률입니다. P(A|B) = P(A∩B)/P(B)로, 결합 확률을 B의 확률로 나눈 것입니다.
두 사건이 독립이면 어떻게 되나요?
독립이면 P(A|B) = P(A)입니다. 즉 B가 일어나든 말든 A의 확률이 변하지 않습니다. 이 경우 P(A∩B) = P(A)×P(B)가 성립합니다. 동전 던지기의 각 시행이 대표적인 독립 사건입니다.
조건부 확률이 베이즈 정리와 어떤 관계인가요?
베이즈 정리는 P(A|B) = P(B|A)×P(A)/P(B)로, 조건부 확률의 방향을 뒤집는 공식입니다. 예를 들어 "질병일 때 양성 확률"로부터 "양성일 때 질병 확률"을 구할 수 있습니다. 조건부 확률이 베이즈 정리의 기본 구성 요소입니다.
독립과 상호배반은 같은 건가요?
다릅니다. 독립은 P(A∩B)=P(A)×P(B)로 서로 영향이 없는 것, 상호배반은 P(A∩B)=0으로 동시에 일어날 수 없는 것입니다. 상호배반 사건은 하나가 일어나면 다른 것은 불가능하므로 오히려 강하게 종속됩니다.
조건부 확률에서 교집합 확률을 모르면 어떻게 하나요?
두 사건이 독립이면 P(A∩B)=P(A)×P(B)로 구합니다. 독립이 아니면 P(A∩B)=P(A|B)×P(B)를 사용하는데, 결국 조건부 확률 하나를 알아야 합니다. 데이터에서 직접 빈도를 세어 추정하는 방법도 있습니다.
전체 확률의 법칙이란 무엇인가요?
P(B) = P(B|A₁)P(A₁) + P(B|A₂)P(A₂) + ...으로, B의 전체 확률을 여러 조건부 확률의 가중합으로 분해하는 법칙입니다. 베이즈 정리의 분모를 계산할 때 핵심적으로 사용됩니다.
계산 원리
조건부 확률(Conditional Probability)은 어떤 사건 B가 이미 일어난 상황에서 사건 A가 일어날 확률입니다. "비가 오는 날 교통 정체 확률", "검사 양성일 때 실제 질병 확률" 등 조건이 붙은 확률 계산의 기초가 됩니다.
핵심 공식은 P(A|B) = P(A∩B) / P(B)입니다. 분자 P(A∩B)는 A와 B가 동시에 일어날 확률(결합 확률), 분모 P(B)는 조건 사건의 확률입니다. 이를 변형하면 곱셈법칙 P(A∩B) = P(A|B) × P(B)가 됩니다.
두 사건이 독립이면 P(A|B) = P(A)로 B가 A에 영향을 주지 않습니다. 이때 P(A∩B) = P(A)×P(B)가 성립합니다. 조건부 확률을 뒤집으면(P(A|B)에서 P(B|A)로) 베이즈 정리가 되며, 이는 현대 통계학과 인공지능의 핵심 도구입니다.
사용 방법
확률 입력
P(A), P(B), P(A∩B)를 입력합니다.
결과 확인
P(A|B), P(B|A), 독립성 여부를 확인합니다.
벤 다이어그램
벤 다이어그램으로 두 사건의 관계를 시각적으로 확인합니다.
용어 사전
- 조건부 확률
- 사건 B가 발생한 조건에서 사건 A가 일어날 확률. P(A|B)로 표기합니다.
- 결합 확률
- 두 사건 A와 B가 동시에 일어날 확률. P(A∩B)로 표기합니다.
- 독립 사건
- 한 사건의 발생이 다른 사건의 확률에 영향을 주지 않는 관계. P(A∩B)=P(A)×P(B).
- 종속 사건
- 한 사건의 발생이 다른 사건의 확률을 변화시키는 관계. P(A|B)≠P(A).
- 상호배반(Mutually Exclusive)
- 두 사건이 동시에 일어날 수 없는 관계. P(A∩B)=0. 독립과는 다른 개념.
- 곱셈법칙
- P(A∩B) = P(A|B) × P(B). 결합 확률을 조건부 확률로 분해하는 법칙.
- 전체 확률의 법칙
- P(B)를 여러 조건부 확률의 가중합으로 분해. P(B) = ΣP(B|Aᵢ)P(Aᵢ).
- 벤 다이어그램
- 사건 간의 관계(교집합, 합집합, 여집합)를 원으로 시각화하는 도구.