이산확률변수와 연속확률변수의 구분

한 줄 정의: 확률변수가 취할 수 있는 값이 하나씩 셀 수 있게 떨어져 있으면 이산확률변수, 구간 안의 모든 실수값을 취할 수 있으면 연속확률변수입니다.

쉽게 풀면

주사위를 던져서 나오는 눈의 수는 1, 2, 3, 4, 5, 6처럼 하나씩 셀 수 있는 값만 나옵니다. 이런 확률변수를 이산확률변수라고 합니다. 반면 사람의 키나 몸무게는 170.1cm, 170.15cm, 170.153cm처럼 사이에 무한히 많은 값이 있어서 하나씩 셀 수 없습니다.

이런 확률변수를 연속확률변수라고 합니다. 이 둘을 구분하는 이유는 확률을 계산하는 방법이 완전히 다르기 때문입니다. 이산확률변수는 각 값이 나올 확률을 표(확률질량함수)로 나타내고 더해서 계산하지만, 연속확률변수는 특정 구간에 속할 확률을 곡선 아래의 넓이(확률밀도함수의 적분)로 계산합니다.

그래서 연속확률변수는 "정확히 170.000...cm일 확률"은 항상 0이고, 대신 "169cm에서 171cm 사이일 확률"처럼 구간으로만 확률을 이야기할 수 있습니다.

왜 중요한가

변수가 이산형인지 연속형인지를 구분하는 일은 통계 분석의 가장 기초적인 출발점입니다. 이 구분에 따라 적용 가능한 확률분포(이항분포, 포아송분포 vs 정규분포, 지수분포 등)와 검정 방법, 회귀모형의 종류가 달라지기 때문에, 잘못 분류하면 이후 모든 분석 결과가 부적절해질 수 있습니다. 그래서 여러 분야의 논문에서 변수의 척도와 유형을 명확히 밝히는 것이 방법론 기술의 기본 절차로 자리 잡고 있습니다.

핵심 정리

이산확률변수: 가능한 값이 셀 수 있게 떨어져 있습니다(주사위 눈, 불량품 개수). 값마다 확률을 주는 확률질량함수(PMF)로 나타내고, 사건의 확률은 해당 값들의 확률을 더해서 구합니다.
연속확률변수: 구간 안의 모든 실수를 취할 수 있습니다(키, 반응시간). 확률밀도함수(PDF)로 나타내고, 구간의 확률은 곡선 아래 넓이(적분)로 구합니다. 한 점의 확률은 0입니다.
두 경우 모두 누적분포함수(CDF) F(x) = P(X ≤ x)로 통일해서 쓸 수 있습니다.
어느 쪽도 아닌 혼합형도 있습니다. 예를 들어 보험금 청구액은 0(청구 없음)에 확률이 몰려 있고 나머지는 연속적으로 분포하는 경우가 있습니다.

예시로 보기

가상의 예(코드로 계산):

이산: 공정한 주사위의 눈 X는 PMF가 P(X = k) = 1/6입니다. P(X ≥ 5) = 1/6 + 1/6 = 0.333입니다. 확률을 더했습니다.
연속(균일분포): Y ~ Uniform(0, 1)이면 P(0.2 ≤ Y ≤ 0.5) = 0.5 − 0.2 = 0.3이고, P(Y = 0.3) = 0입니다.
연속(정규분포): 키가 평균 170 cm, 표준편차 6 cm인 정규분포를 따른다고 하면 P(169 ≤ X ≤ 171) = Φ(1/6) − Φ(−1/6) ≈ 0.1324입니다. “정확히 170.000…cm”일 확률은 0입니다.

밀도 값은 확률이 아니라는 점도 확인할 수 있습니다. Uniform(0, 0.5)의 밀도는 구간 안에서 2이고, 1을 넘어도 문제없습니다. 구간 전체의 넓이는 2 × 0.5 = 1입니다.

자주 하는 오해

오해	바로잡기
연속변수에서 확률이 0이면 불가능한 사건이다.	한 점의 확률이 0일 뿐이고 그 값이 나올 수 없다는 뜻이 아닙니다. 어떤 값이 나오든 그 값의 확률은 0이기 때문입니다.
확률밀도함수의 값은 확률이므로 1을 넘을 수 없다.	PDF의 값은 밀도이며 1보다 클 수 있습니다. 확률은 구간에 대한 넓이입니다.
반올림해서 기록한 값은 이산변수다.	변수의 본성(연속)과 기록 방식(반올림)은 구분합니다. 분석에서 어느 쪽 모형을 쓸지는 목적에 따라 정합니다.
모든 확률변수는 이산 아니면 연속이다.	혼합형이 있고, 이론적으로는 둘 다 아닌 경우도 있습니다.

논문에서는 이렇게 쓰입니다

실제 논문에서

이 용어를 직접 쓴 국내 논문 문장을 아직 수집하지 못했습니다. 수집되는 대로 출처와 함께 싣겠습니다.

예시 문장

아래는 용어의 쓰임을 보여 주려고 만든 예시로, 실제 논문에서 가져온 문장이 아닙니다.

"설문 응답 횟수는 이산확률변수로, 반응 시간은 연속확률변수로 취급하여 서로 다른 분포를 가정하였다."

이 문장은 "셀 수 있는 값(응답 횟수)과 연속적으로 변하는 값(반응 시간)은 서로 다른 통계적 모형을 써야 한다"는 뜻입니다. 어떤 변수를 이산형으로 볼지 연속형으로 볼지에 따라 적용할 확률분포와 통계 검정 방법이 달라지므로, 논문에서 변수의 성격을 먼저 밝히는 것이 중요합니다.

"단위면적당 결함 개수는 이산확률변수로 보아 포아송분포를 적용하였다."

품질관리나 공정 연구에서는 발생 횟수처럼 셀 수 있는 이산형 데이터에 특정 확률분포를 가정해 분석하는 경우가 흔하다.

"혈중 특정 물질의 농도는 연속확률변수로 가정하고 로그정규분포를 적용해 분석하였다."

생물의학 연구에서는 측정값이 연속적으로 분포하되 한쪽으로 치우친 경우, 정규분포 대신 변형된 연속분포를 가정하는 경우가 많다.

조금 더 깊게 보면

이산확률변수는 확률질량함수(PMF)로, 연속확률변수는 확률밀도함수(PDF)로 확률 구조를 나타냅니다. 흥미로운 점은 실제 데이터 수집 과정에서 본질적으로 연속적인 양(시간, 길이 등)도 측정 도구의 한계로 인해 이산적인 값으로 기록되는 경우가 많다는 것입니다. 이런 경우 연구자는 원래 변수의 이론적 성격에 맞는 분포를 가정할지, 아니면 관측된 이산적 형태를 그대로 반영할지를 선택해야 하며, 이 선택이 분석 결과의 해석에 영향을 줄 수 있습니다.

주의할 점

이 개념을 이해하려면 먼저 확률변수와 기댓값이 무엇인지부터 알아야 합니다. 실제 데이터에서는 연속적인 값을 반올림해서 이산형처럼 다루는 경우도 많으므로, 원래 변수의 성격과 자료 처리 방식을 구분해서 생각해야 합니다.

헷갈리기 쉬운 용어

확률변수의 “분포를 나타내는 함수”는 세 가지가 자주 섞입니다.

함수	대상	값의 의미
확률질량함수(PMF)	이산확률변수	P(X = x), 확률 그 자체
확률밀도함수(PDF)	연속확률변수	확률의 밀도, 구간의 넓이가 확률
누적분포함수(CDF)	이산·연속 모두	P(X ≤ x), 항상 0과 1 사이이고 증가

참고 문헌

Ross, S. M. (2014). A First Course in Probability (9th ed.). Pearson.
Casella, G., & Berger, R. L. (2002). Statistical Inference (2nd ed.). Duxbury.
Blitzstein, J. K., & Hwang, J. (2014). Introduction to Probability. CRC Press.

표의 기준값은 위 문헌에 근거한 관례이며, 분야·학술지마다 다른 기준을 쓸 수 있습니다.