확률과 통계에서 가장 중요한 정리 중 하나가 바로 중심극한정리(Central Limit Theorem, CLT)다. 이 정리는 “복잡한 분포도 결국 정규분포로 수렴한다”는 내용을 담고 있어, 통계학·과학·공학·경제학 등 거의 모든 분야에서 핵심 역할을 한다. 이번 글에서는 중심극한정리가 무엇이고, 왜 그렇게 중요한지, 그리고 실제 사례를 통해 그 의미를 설명해보겠다.
중심극한정리의 정의
중심극한정리란 다음과 같은 내용을 말한다.
- 확률변수 \(X_1, X_2, \dots, X_n\)이 서로 독립이고 동일한 분포(i.i.d.)를 따른다고 하자.
- 각 확률변수의 평균은 \(\mu\), 분산은 \(\sigma^2\)라고 하자.
- 표본평균을 \[ \bar{X}_n = \frac{1}{n}\sum_{i=1}^n X_i \] 로 정의한다.
그렇다면 \(n\)이 충분히 커질수록, 표본평균은 정규분포로 근사된다.
\[ \frac{\bar{X}_n – \mu}{\sigma/\sqrt{n}} \;\;\;\xrightarrow{d}\;\;\; N(0,1) \]
즉, 데이터의 원래 분포가 무엇이든 간에, 많은 표본의 평균은 결국 정규분포로 수렴한다는 것이다.
왜 중요한가?
1. 정규분포의 보편성
자연계와 사회현상에서 정규분포가 자주 나타나는 이유가 바로 중심극한정리 때문이다. 사람의 키, 시험 점수, 측정 오차, 금융 수익률 등 다양한 데이터들이 정규분포를 따르는 경향이 있는데, 이는 여러 독립적 요인이 합쳐진 결과가 정규분포로 수렴하기 때문이다.
2. 통계적 추론의 근거
많은 통계 기법(예: 신뢰구간, 가설검정)은 데이터가 정규분포를 따른다고 가정한다. 중심극한정리는 “데이터가 정규분포가 아니더라도, 표본 수가 충분히 크면 정규분포를 따른다”는 사실을 보장해주므로, 실제 통계 분석이 가능해진다.
3. 복잡한 분포를 단순화
현실의 데이터는 꼭 깔끔한 분포(예: 이항분포, 포아송분포)를 따르지 않을 수 있다. 하지만 중심극한정리에 의해, 많은 데이터가 모이면 정규분포로 근사할 수 있다. 이 덕분에 우리는 복잡한 분포를 정규분포로 단순화하여 분석할 수 있다.
4. 계산의 편리함
정규분포는 수학적으로 다루기 쉬운 분포다. 밀도 함수, 적분, 확률값 계산이 잘 정리되어 있어 실용적이다. 중심극한정리 덕분에 실제 데이터 분석에서 정규분포를 널리 활용할 수 있다.
직관적 이해
중심극한정리를 직관적으로 이해하는 방법은 “여러 작은 요인이 합쳐지면 정규분포가 된다”는 것이다.
- 동전 던지기: 앞면이 나올 확률이 0.5인 동전을 여러 번 던지면, 앞면이 나온 횟수는 처음에는 이항분포를 따른다. 하지만 던지는 횟수가 많아질수록 그래프는 종 모양의 정규분포에 가까워진다.
- 주사위 던지기: 주사위를 한 번 던지면 균등분포를 따르지만, 여러 번 던져 평균을 내면 그 평균은 정규분포에 가까워진다.
실제 응용
중심극한정리는 수많은 분야에서 핵심적으로 사용된다.
- 통계학: 표본평균의 분포를 정규분포로 근사하여 신뢰구간을 설정하거나 가설검정을 수행한다.
- 품질관리: 제조업에서 제품의 치수, 무게 등이 정규분포를 따른다고 가정하고 관리도표를 설계한다.
- 경제·금융: 주가의 수익률 분석에서 정규분포 모델을 사용해 위험을 예측한다.
- 자연과학: 측정 오차가 여러 요인의 합으로 발생하기 때문에 정규분포를 따른다고 설명할 수 있다.
결론
중심극한정리가 중요한 이유는 다음과 같다.
- 정규분포가 현실에서 자주 등장하는 이유를 설명해준다.
- 통계적 추론(가설검정, 신뢰구간 설정 등)의 이론적 근거가 된다.
- 복잡한 분포를 정규분포로 단순화하여 계산과 분석을 쉽게 해준다.
- 과학, 공학, 경제 등 다양한 분야에서 실제로 활용된다.
즉, 중심극한정리는 단순한 정리를 넘어, 확률과 통계 전체의 뼈대를 이루는 핵심 원리라고 할 수 있다.