다음 중 연속형 확률분포가 아닌 것은?

이항분포는 성공/실패와 같은 두 가지 결과를 가지는 베르누이 시행을 반복할 때, 성공 횟수의 분포로, 이산형 확률분포에 속한다. 나머지는 모두 연속형 확률분포이다.

보건행정 핵심 해설 이 문제는 보건통계학의 기초가 되는 확률분포의 종류를 구분하는 능력을 묻고 있어요. 특히, 이산형 확률분포(Discrete probability distribution)와 연속형 확률분포(Continuous probability distribution)의 차이를 정확히 이해해야 해요. 핵심 개념 분석 (Key Concept) 확률분포는 확률변수가 취할 수 있는 값과 그 값이 나올 확률을 나타내는 방식이에요. 여기서 핵심은 확률변수의 성질이에요. - 이산형 확률분포: 확률변수가 셀 수 있는(countable) 값을 가져요. 예를 들어, 환자 수(0명, 1명, 2명...), 수술 성공 횟수, 불량품 개수 등이죠. 이항분포(Binomial distribution), 포아송 분포(Poisson distribution), 기하분포 등이 여기에 속해요. - 연속형 확률분포: 확률변수가 어떤 구간 내의 모든 실수 값을 연속적으로 가질 수 있어요. 예를 들어, 혈압 수치, 체중, 키, 대기 시간 등이죠. 정규분포(Normal distribution), t-분포(t-distribution), F-분포(F-distribution), 지수분포(Exponential distribution) 등이 여기에 속해요. 정답 근거 (Answer Rationale) 정답은 5번 '이항분포'입니다. 이항분포는 'n번의 독립적인 베르누이 시행에서 성공 횟수 X'를 모델링하는 분포로, 확률변수 X가 가질 수 있는 값은 0, 1, 2, ..., n과 같이 셀 수 있는 이산적인 값이기 때문이에요. 따라서 연속형이 아닌 이산형 확률분포에 속해요. 오답 분석 (Distractor Analysis) 혼동 주의! 나머지 보기들은 모두 연속형 확률분포의 대표적인 예들이에요. - ① F-분포: 두 독립적인 카이제곱 분포를 각각 자유도로 나눈 비율의 분포로, 분산 분석(ANOVA) 등에 사용되는 연속형 분포예요. - ② 정규분포: 가장 대표적인 종 모양의 연속형 분포로, 평균과 표준편차에 의해 정의돼요. 많은 생물학적, 의학적 측정값이 이 분포를 따르죠. - ③ 지수분포: 사건 사이의 대기 시간이나 수명을 모델링하는 데 사용되는 연속형 분포예요. (예: 다음 환자가 도착하기까지의 시간) - ④ t-분포: 표본 크기가 작을 때, 모평균을 추정하는 데 사용되는 연속형 분포로, 정규분포와 모양이 비슷하지만 꼬리가 더 두꺼워요. 연관 개념 정리 (Related Concepts) 보건통계에서 자주 사용되는 주요 확률분포를 정리하면 다음과 같아요.

분포 종류	대표 분포	주요 용도/특징	형태
이산형	이항분포, 포아송분포	셀 수 있는 사건의 횟수 (환자 수, 질병 발생 건수)	이산적
연속형	정규분포, t-분포, F-분포, 카이제곱분포	측정값 (혈압, 체중), 가설검정, 분산분석	연속적

개념 정리 - 이산형 확률분포: 확률변수가 유한하거나 무한하지만 셀 수 있는 값을 가지는 분포. (예: 이항분포, 포아송분포) - 연속형 확률분포: 확률변수가 어떤 구간에서 연속적인 모든 실수 값을 가질 수 있는 분포. 확률은 면적으로 계산. (예: 정규분포, t-분포, F-분포, 지수분포) 한눈에 비교!

구분	이산형 확률분포	연속형 확률분포
확률변수 값	셀 수 있는 값 (0,1,2...)	연속적인 실수 값 (160.5cm, 120.3/80.2 mmHg)
확률 계산	점 확률 (P(X=k))	구간 확률 (면적, P(a≤X≤b))
보건 분야 예시	하루 신규 코로나19 확진자 수(포아송), 수술 성공 횟수(이항)	성인 남성 키(정규), 혈당 수치(정규), 두 치료법 효과 차이 검정(t-분포)
대표 분포	이항분포, 포아송분포	정규분포, t-분포, F-분포, 카이제곱분포

실무 포인트 보건행정이나 의료데이터 분석에서 데이터의 성질(이산형 vs 연속형)을 파악하는 것은 통계 방법 선택의 첫걸음이에요. 예를 들어, '병상 점유율'은 연속형 데이터로 정규분포를 가정한 t-검정을, '월간 병원 감염 발생 건수'는 이산형 데이터로 포아송 회귀 분석을 고려할 수 있어요. 잘못된 분포 가정은 잘못된 분석 결과로 이어질 수 있으니 주의해야 해요. 암기 팁 "이(이항)산(이산형)에서 포(포아송)장수 만났다"로 외우세요! '이항'과 '포아송'이 대표적인 이산형 분포라는 걸 연상할 수 있어요. 반대로, 정규, t, F, 지수 분포는 모두 연속형이라고 묶어서 기억하세요. 국시 빈출 포인트 이 주제는 보건의료정보관리사 시험의 '보건정보학' 또는 '보건통계학' 파트에서 단순 식별 문제로 자주 출제돼요. "다음 중 이산형/연속형 분포가 아닌 것은?" 또는 특정 분포의 용도를 묻는 형태로 나와요. 분포 이름과 그 종류(이산/연속)를 매칭할 수 있도록 반드시 외워두세요. 기출 변형 주의! 동일한 개념을 다음과 같이 변형하여 출제될 수 있어요. - 사례형: "한 병원의 하루 응급실 내원 환자 수를 분석하는 데 가장 적합한 확률분포는?" → 정답: 포아송분포 (이산형) - 연결형: "다음 확률분포와 그 성질을 연결하시오." → 이항분포 - 이산형 / 정규분포 - 연속형

보건행정 실무 가이드 실무 시나리오 (Clinical Scenario) "병원 기획팀에서 새로운 외래 진료과의 진료 효율을 분석하고자 해요. 분석 지표로 '한 시간당 방문 환자 수'와 '한 환자당 평균 진료 시간'을 선정했어요. 데이터 분석 담당자인 여러분은 각 지표에 적합한 통계 모델을 선택해야 합니다." 행정 중재 전략 (Admin Intervention) 1. 상황 파악: 두 지표의 데이터 성질을 파악합니다. - '한 시간당 방문 환자 수': 0명, 1명, 2명... (셀 수 있는 이산형 데이터) - '한 환자당 평균 진료 시간': 10.5분, 15.2분... (연속적으로 측정된 연속형 데이터) 2. 법적/규정 검토: 통계학적 원칙에 따라 적절한 확률분포를 선택합니다. 3. 대응 및 처리: - 이산형 데이터('환자 수') 분석: 포아송분포(Poisson distribution)를 기반으로 한 모델(예: 포아송 회귀)을 고려합니다. 포아송분포는 단위 시간/공간 내 발생 건수를 모델링하는 데 적합해요. - 연속형 데이터('진료 시간') 분석: 정규분포(Normal distribution)를 가정할 수 있다면 t-검정이나 ANOVA를, 가정하기 어렵다면 비모수 검정이나 다른 연속형 분포(예: 지수분포)를 고려합니다. 4. 사후 기록/보고: 분석 보고서에 사용한 통계 방법과 그 근거(데이터의 분포 특성)를 명시합니다. 법적 안전 및 주의사항 (Precautions) 통계 분석 결과는 병원 경영 의사결정(인력 배치, 시설 투자 등)의 근거로 사용됩니다. 따라서 데이터의 기본 성질을 무시하고 잘못된 통계 방법을 적용하면 왜곡된 결론을 도출할 위험이 있어요. 이는 자원의 비효율적 배분으로 이어져 병원 경영에 직접적인 피해를 줄 수 있으니 각별한 주의가 필요해요. 업무 프로토콜 데이터 유형에 따른 통계 방법 선택 가이드라인
1. 데이터 수집 → 2. 데이터 유형 확인 (이산형/연속형) → 3. 분포 탐색 (히스토그램, Q-Q plot 등) → 4. 적합한 확률분포 가정 및 통계 방법 선택 → 5. 분석 수행 및 결과 해석 선배의 한마디 "통계는 숫자 뒤에 숨은 이야기를 들려주는 도구예요. 그런데 그 이야기를 제대로 듣기 위해서는 먼저 데이터의 '목소리'(유형과 분포)를 이해해야 해요. 이산형과 연속형을 구분하는 것은 통계 분석의 A, B, C와 같아요. 보건행정가로서 데이터 기반 의사결정을 내릴 때, 이 기본기가 튼튼해야 신뢰할 수 있는 결과를 도출하고 병원에 기여할 수 있어요!"