독립사건 종속사건 차이, 확률 구분

독립사건과 종속사건은 무엇이 다른가요?

두 사건이 함께 일어날 확률을 계산하기 전에는 곱셈부터 할 것이 아니라 한 사건의 발생이 다른 사건의 가능성을 바꾸는지 살펴봐야 합니다. A가 일어났다는 정보를 알기 전과 후에 B의 확률이 같다면 두 사건은 독립입니다. 반대로 그 정보를 반영했을 때 B의 확률이 달라지면 종속 관계입니다. 사건의 이름이나 발생 순서가 아니라 확률을 만들어 낸 조건의 변화가 판단 기준입니다.

조건부확률 P(B|A)는 A가 일어났다는 조건 아래에서 B가 일어날 확률을 뜻합니다. 독립인 경우에는 P(B|A)=P(B)가 성립합니다. OpenStax의 대학 통계 교재도 한 사건의 발생이 다른 사건의 발생 확률에 영향을 주지 않을 때 두 사건을 독립이라고 설명합니다. OpenStax 독립사건 설명에서 정의와 예시를 함께 확인할 수 있습니다.

사건의 관계	A 발생 후 B의 확률	대표적인 시행	함께 일어날 확률
독립사건	원래 확률과 같음	공정한 동전을 두 번 던지기	P(A)×P(B)
종속사건	원래 확률과 달라짐	공을 돌려놓지 않고 두 번 꺼내기	P(A)×P(B|A)

한 사건이 다음 가능성을 바꾸는지 어떻게 판별하나요?

실제 문제에서는 “A가 일어났다는 사실을 알면 B의 분모나 유리한 경우의 수가 바뀌는가?”라고 물으면 판단하기 쉽습니다. 공, 카드, 제품처럼 한정된 대상을 뽑는 상황이라면 첫 선택 뒤 남은 대상의 수와 구성을 적어 봅니다. 사람을 대상으로 한 조사라면 앞 질문이 뒤 응답에 영향을 주었는지, 특정 응답자만 다음 질문에 답하도록 설계되었는지도 확인해야 합니다.

복원 여부는 특히 유용한 단서입니다. 꺼낸 물건을 원래 자리에 돌려놓고 충분히 섞으면 다음 선택의 구성이 처음과 같아질 수 있습니다. 돌려놓지 않으면 전체 개수와 구성 비율이 달라지므로 대개 종속사건이 됩니다. 다만 복원했다는 사실만으로 모든 상황이 자동으로 독립이 되는 것은 아닙니다. 추첨 방식이나 시행 환경이 앞선 결과에 따라 달라진다면 다음 확률도 다시 검토해야 합니다.

시간 순서가 있다는 이유만으로 종속이라고 단정해서도 안 됩니다. 동전을 연달아 던져도 첫 결과가 두 번째 동전의 물리적 조건을 바꾸지 않는다면 두 시행은 독립으로 볼 수 있습니다. 반대로 결과가 무작위로 보이더라도 비복원 추출처럼 앞선 선택이 남은 표본을 바꾸면 종속입니다. 통계에서 중요한 것은 막연한 관련성의 인상이 아니라 조건을 적용했을 때 확률값이 실제로 변하는지입니다.

동전 던지기와 비복원 추출은 어떻게 달라지나요?

공정한 동전을 두 번 던지는 가상 실험을 생각해 보겠습니다. 앞면을 H, 뒷면을 T로 쓰면 가능한 순서쌍은 HH, HT, TH, TT입니다. 네 경우는 각각 1/4의 확률을 가지며, 첫 번째 결과가 H였다는 사실을 알아도 두 번째가 H일 확률은 1/2로 그대로입니다. 앞선 결과가 다음 시행의 표본공간을 줄이지 않았기 때문입니다.

이번에는 빨간 공 2개와 파란 공 1개가 든 주머니에서 공을 하나씩 두 번 꺼내되, 첫 공을 돌려놓지 않는 장면을 표로 기록해 봅니다. 첫 번째에 빨간 공이 나오기 전에는 빨간 공을 뽑을 확률이 2/3입니다. 실제로 빨간 공 하나를 꺼내 옆에 두면 주머니에는 빨간 공 1개와 파란 공 1개만 남습니다. 눈앞의 남은 구성을 세어 보면 두 번째 빨간 공의 확률이 1/2로 바뀌었다는 사실을 바로 확인할 수 있습니다.

가상 실험	처음의 목표 확률	첫 결과를 안 뒤의 다음 확률	판정
공정한 동전을 두 번 던져 앞면 확인	두 번째 앞면 1/2	첫 번째가 앞면이어도 1/2	독립
빨간 공 2개와 파란 공 1개를 비복원 추출	빨간 공 2/3	첫 번째가 빨간 공이면 1/2	종속

두 공이 모두 빨간색일 확률은 2/3×1/2=1/3입니다. 두 번째에도 처음 확률 2/3을 그대로 넣어 4/9로 계산하면 첫 선택으로 표본 구성이 달라졌다는 조건을 놓친 셈입니다. 경우의 수를 적을 때 색깔 결과만 나열하지 말고 각 선택 뒤에 남은 공의 수까지 함께 기록해야 종속 관계가 계산에 제대로 반영됩니다.

두 사건이 함께 일어날 확률은 어떤 순서로 계산하나요?

두 사건이 모두 일어나는 교집합의 일반적인 곱셈법칙은 P(A∩B)=P(A)×P(B|A)입니다. A가 일어날 확률에 A가 일어난 조건에서 B가 일어날 확률을 곱하는 방식입니다. 두 사건이 독립이면 P(B|A)=P(B)이므로 P(A∩B)=P(A)×P(B)로 단순해집니다. 이 관계는 펜실베이니아주립대학교의 확률론 교육 자료에서도 조건부확률과 곱셈법칙으로 제시됩니다. Penn State STAT 414 조건부확률 자료를 참고할 수 있습니다.

계산 순서는 네 가지 질문으로 정리할 수 있습니다. 두 사건이 모두 일어난다는 말이 구체적으로 어떤 결과인지 정하고, 첫 시행의 확률을 구한 뒤, 첫 결과가 반영된 두 번째 시행의 구성을 다시 확인합니다. 그 상태에서 조건부확률을 계산해 곱합니다. 독립이라는 사실이 확인된 경우에만 두 번째 항을 원래 확률로 바꾸면 됩니다.

카드 추첨, 재고 표본검사, 좌석 배정처럼 한 번의 선택이 남은 대상을 줄이는 상황도 같은 원리로 해석할 수 있습니다. 분모가 줄어드는 것만 볼 것이 아니라 유리한 대상의 수도 함께 달라지는지 살펴야 합니다. 확률의 곱셈은 계산 도구일 뿐이며, 어떤 값을 곱해야 하는지는 자료가 만들어진 방식이 결정합니다.

서로 배반인 사건과 독립사건은 왜 다른가요?

서로 배반인 사건은 동시에 일어날 수 없는 사건입니다. 한 번의 동전 던지기에서 앞면이 나오는 사건과 뒷면이 나오는 사건이 그 예입니다. 앞면이 나왔다는 사실을 알면 뒷면일 확률은 0이 됩니다. 두 사건의 확률이 모두 0보다 크다면 한 사건의 발생이 다른 사건의 가능성을 바꾼 것이므로 독립이 아닙니다.

독립은 두 사건이 함께 일어날 수 있으면서도 한쪽의 발생 정보가 다른 쪽 확률을 바꾸지 않는 관계입니다. 따라서 “동시에 일어날 수 없는가”는 서로 배반을 묻는 질문이고, “한 사건을 알았을 때 다른 사건의 확률이 달라지는가”는 독립 여부를 묻는 질문입니다. 질문을 분리하면 두 개념을 섞는 오류를 피할 수 있습니다.

정리하면 독립사건과 종속사건을 가르는 핵심은 앞선 사건 뒤에도 다음 확률이 유지되는지입니다. 복원 방식, 남은 표본의 구성, 조사 절차를 확인한 뒤 조건부확률을 비교해야 합니다. 통계는 공식을 외워 빠르게 대입하는 과목이라기보다 생활 속 숫자가 어떤 조건에서 만들어졌으며 어디까지 해석할 수 있는지를 판단하는 도구에 가깝습니다.