정규분포 계산기

평균과 표준편차로 Z점수(표준점수)와 X보다 작거나 클 확률을 계산합니다. 시험 성적 상위 %, 규격 밖 불량률 확인에 활용하세요.

입력

분포의 중심

분포의 퍼짐 정도

계산 모드

확률

확률 50.0000%

Z = 0.0000 | 1 in 2

확률50.0%
  • Z-score0.0000
  • CDF Φ(z)0.500000

Z = 0.0000 | 1 in 2: 50.0000%

정규분포 PDF

차트 그리는 중…
풀이 보기4단계
결과 공유하기

정규분포 계산기는 평균(μ)과 표준편차(σ)를 알고 있을 때, 어떤 값 X가 평균에서 얼마나 떨어져 있는지(Z점수, 표준점수)와 X보다 작거나 클 확률을 계산합니다. "평균 65점, 표준편차 12점인 시험에서 83점은 상위 몇 %인가", "평균 100g, 표준편차 1.2g인 제품이 98g 미만으로 나올 확률은 얼마인가" 같은 질문에 표준정규분포표 없이 바로 답할 수 있습니다. 계산 모드는 P(X < x)(x보다 작을 확률), P(X > x)(x보다 클 확률, 상위 %), P(a < X < b)(두 값 사이), Z-score 네 가지입니다. 결과에는 Z점수와 누적 확률 Φ(z)가 함께 표시되고, 아래에 정규분포 곡선(PDF) 그래프가 그려집니다. Z = (X - μ) / σ이며, 엑셀에서는 =STANDARDIZE(x, 평균, 표준편차)로 Z점수를, =NORM.DIST(x, 평균, 표준편차, TRUE)로 x 이하일 확률을 구합니다. 68-95-99.7 법칙에 따라 μ±1σ에 약 68.3%, μ±2σ에 약 95.4%, μ±3σ에 약 99.7%가 포함됩니다. 이 계산기는 평균과 표준편차를 입력으로 받습니다. 원 데이터에서 평균과 표준편차를 구하는 방법은 표준편차 가이드에 정리해 두었습니다.

실생활 예시

이럴 때 이렇게 계산해요.

  • 시험 성적: 내 점수는 상위 몇 %?

    사례 01

    평균 65점, 표준편차 12점인 시험에서 83점을 받았다면 평균 65, 표준편차 12, X 83, 모드 P(X > x)로 Z점수 1.5, 상위 약 6.7%입니다. 엑셀: =1-NORM.DIST(83, 65, 12, TRUE). 같은 방식으로 평균 70점, 표준편차 10점인 다른 시험의 90점은 Z점수 2.0, 상위 약 2.3%입니다.

    원점수 83점과 90점은 시험이 달라 바로 비교할 수 없지만, Z점수(1.5와 2.0)로 바꾸면 두 번째 시험의 상대적 위치가 더 높다는 것을 알 수 있습니다. 점수 분포가 정규분포에 가깝다는 가정이 필요합니다.

  • 품질 검사: 규격 하한 미달 비율

    사례 02

    평균 무게 100g, 표준편차 1.2g인 제품의 규격 하한이 98g이라면 평균 100, 표준편차 1.2, X 98, 모드 P(X < x)로 Z점수 약 -1.67, 미달 확률 약 4.8%입니다. 엑셀: =NORM.DIST(98, 100, 1.2, TRUE)

    1,000개 중 약 48개가 규격 미달로 예상됩니다. 표준편차를 줄이거나 평균을 올리면 미달 비율이 얼마나 줄어드는지 숫자를 바꿔 가며 바로 비교할 수 있습니다. 규격이 ±3σ라면 규격 밖 비율은 약 0.3%입니다.

  • 금융 투자 수익률 분석

    사례 03

    연간 수익률이 평균 8%, 표준편차 15%인 정규분포를 따른다고 가정하면, 수익률이 0% 미만(원금 손실)일 확률은 Z=(0-8)/15≈-0.53으로 약 29.7%, -7% 미만일 확률은 Z=-1.0으로 약 15.9%입니다.

    기대 수익이 양수여도 한 해 손실이 날 확률은 약 30%입니다. 실제 수익률은 정규분포보다 극단값이 자주 나오는 경향이 있어, 이 계산은 대략적인 위험 감각을 잡는 용도로 쓰는 것이 좋습니다.

  • IQ 점수 분포 해석

    사례 04

    IQ는 평균 100, 표준편차 15의 정규분포를 따릅니다. IQ 130(Z=2.0) 이상은 상위 약 2.3%이며, IQ 85~115(±1σ) 범위에 전체의 68.3%가 속합니다.

    IQ 점수는 정규분포의 가장 대표적인 실제 사례입니다. Z점수로 환산하면 서로 다른 표준화 점수 간 비교가 가능합니다.

  • 신장 백분위 계산

    사례 05

    한국 성인 남성 평균 키 173cm, 표준편차 6cm일 때 180cm인 사람의 Z점수는 1.17이며, 상위 약 12.1%(백분위 87.9%)에 해당합니다.

    정규분포로 키, 몸무게 등 신체 데이터의 백분위를 정확히 계산할 수 있습니다. 건강 검진이나 성장 평가에 활용됩니다.

자주 묻는 질문

궁금한 거 모아 봤어요. 눌러서 펼쳐 보세요.

Z점수란 무엇인가요?

Z = (X-μ)/σ로, 값이 평균에서 표준편차 몇 배만큼 떨어져 있는지를 나타냅니다. Z=0이면 평균, Z=1이면 평균보다 1σ 위(상위 약 15.9%), Z=2이면 상위 약 2.3%입니다. 서로 다른 단위의 분포를 비교할 때 유용합니다.

68-95-99.7 법칙이란?

정규분포에서 평균 ±1σ 안에 약 68.3%, ±2σ 안에 약 95.4%, ±3σ 안에 약 99.7%의 데이터가 포함됩니다. ±3σ 밖의 데이터는 0.3%로 매우 드물어, 이상치 탐지의 기준으로 자주 사용됩니다.

정규분포가 왜 중요한가요?

중심극한정리에 의해 독립적인 확률변수의 합은 표본 크기가 커질수록 정규분포에 수렴합니다. 키, 시험 점수, 측정 오차 등 자연과 사회의 많은 현상이 정규분포를 따르며, 대부분의 통계적 검정의 기초가 됩니다.

표준정규분포란 무엇인가요?

평균이 0이고 표준편차가 1인 정규분포를 표준정규분포라 합니다. Z변환(Z=(X-μ)/σ)으로 모든 정규분포를 표준정규분포로 변환할 수 있어, 하나의 표를 모든 정규분포에 사용할 수 있습니다.

정규분포와 이항분포는 어떤 관계인가요?

이항분포에서 시행 횟수 n이 충분히 크면(np≥5, nq≥5) 정규분포 N(np, npq)로 근사할 수 있습니다. 이를 드모아브르-라플라스 정리라 하며, 연속성 보정(±0.5)을 적용하면 더 정확해집니다.

정규분포를 따르지 않는 데이터는 어떻게 하나요?

로그 변환, Box-Cox 변환 등으로 정규분포에 가깝게 만들 수 있습니다. 또는 비모수 검정(순위 기반 검정)을 사용하거나, 표본 크기가 충분하면 중심극한정리에 의해 평균의 분포가 정규분포에 근사합니다.

엑셀에서는 어떤 수식으로 계산하나요?

Z점수는 =STANDARDIZE(x, 평균, 표준편차), x보다 작을 확률은 =NORM.DIST(x, 평균, 표준편차, TRUE), x보다 클 확률(상위 %)은 =1-NORM.DIST(x, 평균, 표준편차, TRUE), a와 b 사이 확률은 =NORM.DIST(b, …, TRUE)-NORM.DIST(a, …, TRUE)입니다. 예를 들어 =1-NORM.DIST(83, 65, 12, TRUE)는 약 0.0668로, 83점이 상위 약 6.7%라는 뜻입니다. Z점수만 있을 때는 =NORM.S.DIST(z, TRUE)를 씁니다.

6시그마(6σ)란 무엇인가요?

공정의 산포를 줄여 규격 한계가 평균에서 6σ만큼 떨어지도록 만드는 품질 관리 방법론입니다. 흔히 말하는 "백만 개당 3.4개"는 공정 평균이 장기적으로 1.5σ 움직인다고 가정한 업계 관례 수치이고, 평균이 전혀 움직이지 않는다면 ±6σ 밖으로 나갈 확률은 이보다 훨씬 작습니다.

계산 원리

정규분포(Normal Distribution)는 평균(μ)을 중심으로 좌우 대칭인 종 모양의 연속 확률 분포입니다. 자연과 사회의 많은 현상(키, 시험 점수, 측정 오차 등)이 이 분포를 따르며, 통계학에서 가장 중요한 분포입니다.

확률밀도함수(PDF)는 f(x) = (1/(σ√(2π))) × e^(-(x-μ)²/(2σ²))이며, μ는 평균(분포의 중심), σ는 표준편차(분포의 폭)를 결정합니다. Z변환 Z = (X-μ)/σ로 모든 정규분포를 표준정규분포 N(0,1)로 변환할 수 있습니다.

중심극한정리에 의해 독립적인 확률변수의 합은 원래 분포에 관계없이 표본 크기가 커지면 정규분포에 수렴합니다. 이 성질 덕분에 정규분포는 통계적 추론(신뢰구간, 가설검정)의 기초가 됩니다.

사용 방법

총 소요 시간: 약 30초
  1. 분포 설정

    평균(μ)과 표준편차(σ)를 입력합니다.

  2. 값 입력

    확률을 구할 값(X)을 입력합니다.

  3. 계산 모드 선택

    P(X < x), P(X > x), P(a < X < b), Z-score 중 하나를 고릅니다. 상위 몇 %인지는 P(X > x)입니다.

  4. 결과 확인

    확률, Z점수, 누적 확률 Φ(z)와 정규분포 곡선 그래프를 확인합니다.

용어 사전

정규분포
평균을 중심으로 좌우 대칭인 종 모양의 연속 확률 분포. 가우시안 분포라고도 합니다.
Z점수(Z-score)
값이 평균에서 표준편차 몇 배만큼 떨어져 있는지를 나타내는 표준화된 점수.
표준편차(σ)
데이터가 평균으로부터 얼마나 퍼져 있는지를 나타내는 척도. 값이 클수록 분포가 넓습니다.
누적분포함수(CDF)
확률변수가 특정 값 이하일 확률. P(X≤x)를 의미하며, 0에서 1 사이의 값입니다.
확률밀도함수(PDF)
연속 확률 분포에서 특정 값 근처의 상대적 확률을 나타내는 함수. 곡선 아래 면적이 확률입니다.
중심극한정리
표본 크기가 커지면 표본 평균의 분포가 원래 분포와 무관하게 정규분포에 수렴하는 정리.
백분위(Percentile)
해당 값 이하인 데이터의 비율. 예: 90번째 백분위는 전체의 90% 이하.