지수분포와 무기억성: 버스 대기시간에 숨은 확률의 원리 쉽게 이해하기

핵심 메시지

• 포아송 분포는 정해진 시간 창 안에 사건이 몇 번 일어나는지를, 지수분포는 다음 사건까지 얼마나 기다려야 하는지를 설명하며 둘은 같은 과정을 보는 두 관점이다.
• 대기 시간이 T보다 길 확률은 그 구간에 사건이 하나도 없을 확률(e^(-λT))과 같고, 여기서 지수분포의 밀도 λe^(-λT)가 자연스럽게 유도된다.
• 지수분포는 시작점에서 가장 높고 계속 감소하므로 가장 흔한 결과는 ‘거의 기다리지 않는 것’이며, 긴 간격은 지수적으로 드물어지지만 완전히 사라지지는 않는다.
• 이미 기다린 시간이 남은 대기 시간에 대해 아무 정보도 주지 않는 ‘무기억성’ 때문에, 평균 10분 간격 버스는 10분을 기다렸다고 곧 오지 않는다.

쉽게 이해하기

영상은 호주 브리즈번의 한 병원에서 24시간 동안 44명의 아기가 태어난 기록으로 시작한다. 각 출생 시각을 분 단위로 찍어 보면 정작 흥미로운 것은 출생 자체가 아니라 그 사이의 ‘간격’이다. 어떤 아기는 1~2분 차이로 몰려서 태어나고, 그 뒤엔 아무 일도 없는 긴 정적이 이어진다. 이 대기 시간에 숨은 규칙을 찾는 것이 이야기의 출발점이다.

출생, 방사성 붕괴, 콜센터로 걸려오는 전화처럼 일정한 평균 속도 λ로 발생하는 사건에는 두 가지 질문을 던질 수 있다. ‘정해진 시간 창 안에 몇 번 일어나는가’는 포아송 분포가 답하고, ‘지금부터 다음 사건까지 얼마나 기다리는가’는 지수분포가 답한다. 영상은 이 둘이 서로 다른 분포가 아니라 하나의 과정을 바라보는 두 시선임을 강조한다.

유도 과정은 손쉬운 비유가 아니라 확률로 이어진다. 대기 시간이 T보다 길다는 것은 0부터 T까지 사건이 하나도 일어나지 않았다는 뜻이고, 그 확률은 포아송에서 사건이 0개일 확률인 e^(-λT)이다. 이것이 생존함수이며, 1에서 빼면 누적분포함수, 미분하면 밀도 λe^(-λT)가 나온다. 곡선은 T=0에서 가장 높고 계속 감소해 짧은 간격은 흔하고 긴 간격은 지수적으로 드물어진다. 평균 대기 시간은 1/λ이고, 실제 44명의 출생 간격 히스토그램(평균 약 33분)은 이 지수 곡선과 놀랄 만큼 잘 맞는다.

가장 많은 사람을 속이는 성질은 ‘무기억성’이다. 평균 10분마다 오는 버스를 10분째 기다렸다면 곧 올 것 같지만, 조건부확률로 계산하면 이미 기다린 시간 S가 그대로 상쇄되어 남은 대기 시간의 분포는 처음과 똑같은 e^(-λT)가 된다. 즉 기다린 시간은 앞으로의 시간에 대해 아무것도 말해 주지 않는다. 지수분포는 양의 실수 위에서 이런 성질을 갖는 유일한 연속분포이며, 원자의 붕괴 시점, 서버로 들어오는 요청, 문을 열고 들어오는 손님처럼 ‘과거를 기억하지 않고 도착하는’ 현상의 자연스러운 모형이 된다.

주요 인사이트

• 지수분포의 밀도가 λe^(-λT)라는 결과는 외워야 할 공식이 아니라 ‘그 시간 동안 아무 일도 없을 확률’에서 곧바로 따라 나온다.
• 포아송(개수)과 지수(간격)를 별개로 외우기보다 하나의 도착 과정으로 묶어 이해하면 두 분포의 관계가 선명해진다.
• 무기억성은 직관을 거스른다. 대기열, 서버 부하, 신뢰성 분석에서 ‘오래 기다렸으니 곧 되겠지’라는 추정은 지수적 도착에서는 성립하지 않는다.
• 평균 대기 시간이 1/λ라는 점은 사건 발생률과 대기 시간이 역수 관계임을 직관적으로 보여 준다.

자주 묻는 질문

관련 AI 소식