[주식] ETF : 스마트 베타(Smart Beta) 개요

 

스마트 베타(Smart Beta)와 파마-프렌치 3요인 모델: 투자자의 새로운 무기

요즘 투자 시장에서 많이 들리는 용어 중 하나가 바로 **스마트 베타(Smart Beta)**입니다.
기존의 전통적인 지수 투자보다 한 단계 발전한 개념으로, 투자자들이 좀 더 효율적으로 수익을 추구할 수 있게 해줍니다.
그 중심에는 파마-프렌치(Fama-French) 3요인 모델이 있습니다.

1. CAPM과 파마-프렌치 3요인 모델의 차이

CAPM(자본자산가격모형)이란?

  • 투자 자산의 기대 수익률을 시장 전체 움직임에 대한 민감도, 즉 베타(Beta) 하나로 설명하는 단일 요인 모델입니다.

  • 쉽게 말해, 주식 수익률은 시장 수익률에 얼마나 민감하냐에 따라 결정된다는 가정입니다.

파마-프렌치 3요인 모델의 등장

  • 1990년대, 경제학자 **유진 파마(Eugene Fama)**와 **케네스 프렌치(Kenneth French)**는 CAPM의 한계를 지적하며 두 가지 요인을 추가해 모델을 확장했습니다.

  • 추가된 요인은 다음과 같습니다:

요인명설명
가치(Value, HML)저평가된 주식(장부가 대비 주가 비율이 높은 주식)이 고평가된 주식보다 장기적으로 더 좋은 성과를 낸다.
규모(Size, SMB)시가총액이 작은 소형주가 대형주보다 장기적으로 더 높은 수익률을 보인다.

  • 이들은 이 두 가지 요인을 각각 나타내는 포트폴리오를 만들어,

    • HML 포트폴리오는 저평가 주식을 사고 고평가 주식을 공매도(숏)하고,

    • SMB 포트폴리오는 소형주를 사고 대형주를 공매도(숏)하는 전략을 취했습니다.

  • 이 결과, 3요인 모델은 CAPM보다 훨씬 더 정확하게 주식 수익률을 설명할 수 있었습니다.

2. 스마트 베타란?

스마트 베타의 기본 개념

  • 스마트 베타는 **파마-프렌치 모델에서 출발한 ‘팩터 투자(factor investing)’**의 한 형태입니다.

  • ‘베타’란 회귀 분석에서 계수를 뜻하며, 여기서는 주식 수익률에 영향을 미치는 여러 요인(factors)을 의미합니다.

  • 기존 시가총액 가중 지수에서 벗어나, 특정 투자 팩터(가치, 규모, 모멘텀, 품질 등)에 가중치를 두어 투자 성과를 극대화하는 전략입니다.

주요 투자 팩터 예시

팩터명설명
모멘텀(Momentum)최근에 좋은 성과를 낸 주식이 앞으로도 좋은 성과를 낼 가능성
품질(Quality)재무 상태가 안정적이고 수익성이 높은 기업 선호
저변동성(Low Beta)시장 변동성에 덜 민감한 주식이 장기적으로 더 좋은 성과

  • 스마트 베타 ETF는 이러한 팩터들 중 하나 또는 여러 개를 조합해 구성됩니다.

3. 스마트 베타와 로보어드바이저

  • 최근 많은 로보어드바이저들이 스마트 베타 ETF를 포트폴리오에 포함시키고 있습니다.

  • 단일 팩터 ETF 혹은 멀티팩터 ETF를 활용해, 표준 지수 추종 ETF를 대체하거나 보완하는 형태입니다.

  • 어떤 로보어드바이저는 ETF 대신 개별 주식을 직접 매수해 스마트 베타 전략을 구현하기도 합니다.

4. 왜 스마트 베타인가?

  • 전통적 시가총액 가중 ETF는 대형주에 편중되는 경향이 있습니다.

  • 하지만 파마-프렌치 모델이 보여주듯, 가치주나 소형주, 모멘텀 등 다양한 요인을 고려하면 시장 대비 초과 수익 가능성이 있습니다.

  • 스마트 베타는 이러한 ‘숨겨진’ 투자 기회를 잡아내려는 시도라고 볼 수 있습니다.

5. 마무리

스마트 베타는 투자 성과를 높이기 위한 혁신적인 방법입니다.
그러나 모든 팩터가 언제나 좋은 성과를 내는 것은 아니기에,
투자 전에 자신에게 맞는 팩터를 이해하고, 리스크 관리에 신경 쓰는 것이 중요합니다.

참고: 파마-프렌치 3요인 모델 수식 (간단히)

Ri−Rf=α+β(Rm−Rf)+s×SMB+h×HML+ϵ

  • RiR_i: 자산 i의 수익률

  • RfR_f: 무위험 수익률

  • RmR_m: 시장 수익률

  • β\beta, ss, hh: 각각 시장 베타, 규모 요인 민감도, 가치 요인 민감도

  • ϵ\epsilon: 오차항

댓글

댓글 쓰기

이 블로그의 인기 게시물

[PLC] PLC 아날로그 입출력 기본

이미지
 PLC 아날로그 입출력 개념 및 결선  아날로그 신호가 PLC로 들어오면 우선 A/D 컨버터(Analog-Digital Converter)를 거치게 됩니다. A/D 컨버터는 아날로그 형태의 신호를 PLC에서 처리 가능하도록 디지털 형태로 변환시켜 줍니다.  PLC에서 다루는 아날로그 신호는 아래와 같은 형태가 있습니다. - 전압(Voltage) - 전류(Current) - 저항(Resistance) 신호의 형태에 따라 신호가 취급되는 값의 범위가 있습니다. 가장 흔히 사용되는 형태는 전류 형태이며 4-20mA 값을 주로 사용합니다. A/D 컨버터가 아날로그 값을 디지털로 변환할 때 사용되는 bit수를 분해능이라 합니다. 일반적으로는 16bit 길이가 사용됩니다. 다시말해 4-20mA 사이의 16mA를 16bit로 쪼개어 표현한다는 의미입니다. 따라서 분해능에 사용된 bit수가 많을수록 더 세밀한 단위를 취급할 수 있습니다. 아래 그림은 4-20mA 출력을 가지는 온도 트랜스미터(temperature transmitter)의 예입니다. 온도 트랜스미터와 온도센서가 연결되어 있습니다. 온도 정보는 트랜스미터에서 섭씨 0~100도로 계량화(calibrated) 됩니다. 즉, 섭씨 0도는 4mA, 섭씨 100도는 20mA가 되는 것입니다. 위 그림에서 온도 정보는 PLC로 바로 들어오지 않고 트랜스미터를 거쳤습니다. 온도 정보를 PLC가 바로 해석하기 보다는 트랜스미터에서 해석하여 전압이나 전류 형태로 변환하여 PLC의 전압/전류 아날로그 카드로 연결됩니다. 만약 트랜스미터가 없다면, 온도센서의 정보를 해석하기 위해 PLC에는 온도입력 모듈이 별도로 필요하게 됩니다. 전압/전류 아날로그 입력카드를 사용하면, 온도센서가 아니더라도 다양한 형태의 아날로그 데이터를 트랜스미터 전압/전류 형태로 취급할 수 있으므로, 좀 더 유현한 구조가 됩니다. 아날로그 입력 모듈의 결선법은 입력 신호가 전압인지, 전류인지에 따라 다릅니다. 전압/전류은 저항과 연...
Read more »

[아두이노] 가변저항(Potential Divider)과 전압분배(Voltage Divider)

이미지
위 그림에서 (a)는 전압분배(Voltage Divider), (b)는 가변저항(Potential Divider)입니다. 전압분배는 고정된 두개의 저항으로 구성됩니다. 가변저항은 전압분배와 구조적으로 비슷하나 하나의 저항을 특정 지점을 기준으로 둘로 나누게 되며, 이 특정 지점은 임의로 조절 가능한 구조로 되어 있습니다. 위 그림에서 전압분배나 가변저항 모두 두 저항 사이에 Vd 포인트가 위치하고, 저항 R1, R2 크기를 조절할 수 있느냐 없느냐가 차이점입니다. 전압분배와 가변저항 둘 모두, 직렬로 연결된 두 저항의 크기에 따라 인가되는 공급 전압이 달라지는 원리를 이용하며, 공급전원을 원하는 크기로 출력하기 위해서 사용합니다. 아래 그림은 동일한 저항값을 가지는 R1, R2가 직렬로 연결되어 있는 회로입니다. Vin은 총 전압이고, R1, R2에 나누어 인가됩니다. 결론적으로 Vout은 Vin과 다른 전압을 가지게 됩니다. 각 저항 R1, R2에 얼마의 전압이 인가될지는 두 저항의 상대적인 크기와 총 저항의 크기로 결정됩니다. 그 공식은 아래와 같습니다. 아래 회로를 봅시다. Vin이 5V이고 R1 is 1KΩ and R2 is 10KΩ인 경우 Vout에 인가되는 전압은 얼마일까요?  가변저항은 다양한 저항값을 가진 제품들이 있습니다. 예를 들어 10KΩ 가변저항의 경우 0Ω에서 최대 10KΩ까지 저항값을 변경할 수 있습니다. 그럼 아두이노와 가변저항을 이용하여 LED의 밝기를 조절해 보겠습니다. 우선 가변저항은 아래와 같은 구조를 가집니다. 3개의 핀으로 구성되어 있고, Vref-Ground 핀을 통해서 공급전원을 인가하면 ouput 쪽으로 가변저항에 의해 조정된 출력전압이 인가됩니다. 우선, 아두이노 우노와 220옴 저항, LED를 이용하여 위와 같은 회로를 구성합니다. 그리고 아두이노 IDE를 이용하여 아래와 같이 코드를 입력합니다. const int ledPin = 9;  //pin 9의 PWM 기능을 이용합니다. ...
Read more »

제너 다이오드에 저항을 연결하는 이유

이미지
Why do we connect a resistor before a Zener diode? 아래 회로를 통해 저항의 크기를 변화시키면 어떠한 패턴이 발생하는지 살펴보겠습니다. 아래 그림에서 3개의 병렬회로에는 각각 12V가 인가됩니다. 그리고 동일한 제너 다이오드가 연결되어 있고 각각의 제너 다이오드 앞단에 60R, 6R, 0.6R 저항이 연결되어 있습니다. 그림에서 알수 있듯이 저항의 값을 줄이면 제너 다이오드에 걸리는 전류값이 증가합니다. 제너 다이오드에 흐르는 전류가 증가하면 덩달아 제너 다이오드에서 소비전력이 높아질 것이고, 과열로 인하여 다이오드가 손상될 것입니다. 따라서 제너 다이오드 앞단에 연결된 저항은 다이오드에 과전류가 흐르는 것을 막기 위해 사용합니다. 아래 데이터시트를 통해 좀더 구체적인 예를 들어 보겠습니다. 첫번째 항목인 P D 는 손실전력을 의미합니다. 위 시트상 P D =500mW입니다. 제너 전압 V Z 가 결정되어 있다면 아래 조건을 만족하도록 저항을 선택해야 합니다. 예를 들어 제너 전압이 V Z =5.1V 인 경우, 아래와 같이 최대 전류를 구할 수 있습니다. 이제 98mA를 초과하지 않도록 적절한 저항을 선택하여 제너 다이오드 앞단에 연결해 주면 됩니다. 끝.
Read more »

공압 속도 제어: 미터인 vs 미터아웃

이미지
Understanding Flow Controls: Meter-In vs Meter-Out 에어실린더에 작용하는 힘은 압력조절기(pressure regulator)에 의해 결정됩니다. 그리고 피스톤이 움직이는 속도는 속도제어(flow control) 밸브를 통해 이루어집니다. 실린더의 각 포트마다 속도제어 밸브가 설치되어 인출과 인입 속도를 제어하게 됩니다. 아래는 속도제어 밸브의 구조입니다. 위 그림에 대한 기호는 아래와 같이 표기됩니다. 미터아웃(Meter-Out) 방식의 실린더 속도제어 아래 그림은 미터아웃 방식에 대한 도식입니다. 미터인(Meter-In) 방식의 실린더 속도제어 아래 그림은 미터인 방식에 대한 도식입니다. 끝.
Read more »

[주식] 한국거래소(KRX) 데이터 API 입문 가이드

  한국거래소(KRX) 데이터 API 입문 가이드 안녕하세요! 오늘은 한국거래소(KRX)에서 제공하는 공식 데이터 API에 대해 알아보려고 합니다. 주식, 지수, 채권 등 다양한 금융 데이터를 손쉽게 가져올 수 있는 KRX Open API 활용법과 사용 절차, 그리고 간단한 파이썬 예제까지 모두 정리했으니, 금융 데이터 분석이나 자동화 작업에 관심 있는 분들은 꼭 참고해 보세요. 1. KRX 데이터 API란? 한국거래소는 자사 금융 데이터를 누구나 활용할 수 있도록 KRX 정보데이터시스템 이라는 포털을 운영 중입니다. 이곳에서는 주식 시세 지수 정보 채권 및 파생상품 시세 ETF/ETN 거래 정보 공매도 현황 등 다양한 금융 데이터를 API 형태로 제공합니다. 즉, 개발자나 데이터 분석가가 직접 데이터를 요청해서 받을 수 있는 RESTful API 서비스라고 생각하시면 됩니다. 2. 주요 제공 데이터 종류 KRX Open API에서는 다음과 같은 데이터를 제공합니다. 주식 관련 데이터: 일별 시세, 종목 기본정보, 투자자별 매매동향 지수 데이터: KOSPI, KOSDAQ, KRX100 등의 지수 시세 채권 및 파생상품: 채권지수, 파생상품지수 시세 ETF/ETN: 상장된 ETF 및 ETN 거래정보 공매도 정보: 일별 공매도 거래량 및 잔고 기타: ELW, DLS/DLF, 배출권, 해외 연계시장 시세 등 3. API 사용 방법 1) 회원가입 및 로그인 우선 KRX 정보데이터시스템 에 접속해 회원 가입 및 로그인을 진행합니다. 2) API 인증키 신청 로그인 후 마이페이지에서 ‘API 인증키 신청’을 통해 인증키를 발급받습니다. 3) 데이터 서비스 이용 신청 원하는 데이터 서비스에 대해 추가 이용 신청을 해야 합니다. 예를 들어 ‘KOSPI 일별 시세 정보’를 사용하려면 해당 서비스에 별도로 신청해야 합니다. 4) API 호출 발급받은 인증키와 필요...
Read more »

[농사] 식물의 광합성과 호흡

  🌿 식물의 광합성과 호흡, 서로 반대일까? 식물은 스스로 양분을 만들어 살아가는 자급자족 생명체 입니다. 이 과정에서 가장 중요한 두 가지 작용이 바로 광합성 과 호흡 입니다. 두 작용은 화학 반응식만 보면 서로 반대 방향 으로 일어나는 것처럼 보이지만, 실제로는 매우 다른 목적과 특징을 가지고 있습니다. 이 글에서는 광합성과 호흡이 어떤 점에서 비슷하고, 또 어떻게 다른지 쉽게 정리해보겠습니다. 📘 1. 광합성과 호흡의 화학식 비교 🌞 광합성 (Photosynthesis) 식물은 햇빛을 받아서 이산화탄소(CO₂)와 물(H₂O)을 이용해 포도당(C₆H₁₂O₆)을 만들고, 산소(O₂)를 방출합니다. 6 CO ₂ + 6 H ₂ O + 빛 에너지 → C ₆ H ₁₂ O ₆ + 6 O ₂ 🔥 호흡 (Cellular Respiration) 반대로, 식물은 만들어둔 포도당을 분해해 에너지를 얻고, 이산화탄소와 물을 다시 배출합니다. C ₆ H ₁₂ O ₆ + 6 O ₂ → 6 CO ₂ + 6 H ₂ O + 에너지 ( ATP ) 이렇게 보면 마치 광합성과 호흡이 거울처럼 반대 반응 같아 보이죠? 🔍 2. 진짜 차이점은? (표로 정리) 구분 🌞 광합성 🔥 호흡 목적 에너지를 저장 (포도당 생성) 에너지를 사용 (ATP 생산) 필요한 에너지 햇빛 포도당 주요 산물 포도당 + 산소 이산화탄소 + 물 일어나는 장소 엽록체(Chloroplast) 미토콘드리아(Mitochondria) 언제 일어남 빛이 있을 때 (주로 낮) 항상 (밤낮 관계없음) 에너지 흐름 빛 에너지 → 화학 에너지 화학 에너지 → 생물 에너지 (ATP) 🌱 3. 광합성과 호흡은 어떻게 연결될까? 광합성과 호흡은 식물의 생명 활동을 완성시키는 두 축 입니다. 광합성은 식물이 살아가기 위한 양분을 만드는 과정 입니다. 호흡은 그 양분을 분해해서 실제로 사용하는 과정 입니다. 즉, 하나는 "에너지 저장", 다른 하나는 ...
Read more »

NPN, PNP 트랜지스터 차이점

이미지
Difference Between an NPN and a PNP Transistor 위 그림에서 기호는 아래 의미입니다. B: BASE C: COLLECTOR E: EMITTER NPN, PNP 둘다 BJT(bipolar junction transistor: 접합형  트랜지스터)입니다. 전류를 이용하여 제어가 되며, 전류를 증폭하는 기능이 있습니다. base에 전류가 흐르면, emitter와 collector 사이에는 더 많은 전류가 흐르게 됩니다. 즉, base는 emitter-collector 간 전류를 흐르게 하는 스위치 역할과 더불어 전류 증폭기 역할을 하게 됩니다. 이는 NPN, PNP 구분에 상관없이 동일한 특성입니다. NPN, PNP 트랜지스터의 차이는, 트랜지스터 핀에 전원이 인가되는 방법의 차이에 기인합니다. NPN 트랜지스터는 collector와 base에 양전압을 연결합니다.  NPN 트랜지스터의 base에 양전압이 인가되면 emitter 방향으로 전류가 공급(sourcing, 소스)가 되면서 collector-emitter간 연결이 만들어지고, 전류도 흐르게 됩니다. 다시 정리하자면, base에 임계전압인 0.7V이상의 전압이 인가되면 전류는 base에서 emitter로 흐르게 되고, 덩달아 collector-emitter간에 흐르는 전류도 점차 증가하게 되는 형태입니다. PNP 트랜지스터는 emitter에 양전압을 연결하고, base에 음전압(또는, emitter에 인가된 전압보다 낮은 전압)을 연결합니다. PNP 트랜지스터는 base에 음전압이 인가되면 base에서 ground 방향으로 전류가 빠지면서(sink, 싱크) emitter-collector간 연결이 만들어지고 전류가 흐르게 됩니다. NPN, PNP 트랜지스터는 emitter-collector간 전류의 방향이 다르기 때문에, 위 그림에서 확인할 수 있듯이 부하(load)가 연결되는 위치 또한 다르게 됩니다. 끝.
Read more »

[PLC] 절연 변압기 (Isolation Transformer)

이미지
현장의 여러 PLC 컨트롤 판넬 배선들을 보다 보면 간혹 아래 그림과 유사하게 PLC 전원을 포함한 제어용 회로를 절연 변압기를 통해 분리시켜 놓은 것을 볼 수 있습니다. 절연 변압기는 일반적으로 안전상의 이유로 또는 과도 전류 (transients) 및 고조파 (harmonics)를 줄이기 위해 교류(AC) 전원에서 일부 장비 또는 장치로 전력을 전송하는 동시에 전력 공급 장치를 전원에서 분리하는 데 사용되는 변압기입니다. 절연 변압기는 갈바닉 절연 (galvanic isolation)을 제공합니다. 갈바닉 절연이란 공급 전원과 부하 사이에는 전도성 경로가 없는 것을 의미합니다. 이 절연은 감전으로부터 보호하고, 민감한 장치의 전기 잡음을 억제하거나, 연결하면 안 되는 두 회로 사이에 전력을 전송하는 데 사용됩니다. 절연용으로 판매되는 변압기는 1차와 2차 사이에 특수 절연을 사용하여 제작되는 경우가 많으며 권선 사이의 고전압을 견딜 수 있도록 지정되어 있습니다. 1차 권선과 2차 권선 사이의 비율이 1:1인 변압기는 통전된 도체와 접지 사이의 감전으로부터 2차 회로와 개인을 보호하는 데 종종 사용됩니다. 적절하게 설계된 절연 변압기는 접지 루프로 인한 간섭을 차단합니다. 정전기 차폐 기능이 있는 절연 변압기는 컴퓨터, 의료 기기 또는 실험실 장비와 같은 민감한 장비의 전원 공급 장치에 사용됩니다. 아래는 절연 변압기가 적용되지 않은 예입니다. 위와 같은 경우 핫라인이 접지와 연결되어 있는 도체와 접촉하거나 지면에 서 있는 사람과 접촉하는 경우 큰 전류가 흐르게 될 수 있는 구조입니다. 아래는 절연 변압기가 적용되어 있는 예입니다. 위 그림에서 핫라인에 해당하는 선이 접지와 연결되어 있는 도체와 접촉하면 핫라인이 새로운 전기적 레퍼런스가 될 뿐 전류가 흐르지는 않습니다. 이것은 지면에 있는 사람이 핫라인을 접촉하더라도 같은 상황입니다. 복잡한 전기 설비 또는 배선이 오래되었거나 연결 상태가 좋지 않거나 임피던스가 과도한 일부 경우 중성선과 접지 사이의 전압이...
Read more »

전력(kW) 계산하기 (직류, 교류 단상, 교류 삼상)

전력(kW) 계산하기 (직류, 교류 단상, 교류 삼상) 전류(A)와 전압(V)를 알고 있는 경우, 전압원이 종류에 따라 전력(kW)을 어떻게 계산하는지 보겠습니다. DC amps to kilowatts calculation (직류) 직류는 단순히 전류와 전압을 곱하고 1000으로 나누면 kW 단위의 전력을 구할 수 있습니다. P (kW) = I (A) × V (V) / 1000 AC single phase amps to kilowatts calculation (교류 단상) 교류 단상의 경우 역률(Power Factor)를 곱한 뒤, 전류와 RMS 전압을 곱하고, 1000으로 나누면 kW 단위의 전력을 구할 수 있습니다. P (kW) = PF × I (A) × V (V) / 1000 AC three phase amps to kilowatts calculation (교류 삼상) Calculation with line to line voltage (상간 전압 이용시) 교류 삼상의 상간 전압을 이용하여 전력을 구하는 경우, √3과 역률(Power Factor)을 곱하고, 위상 전류(phase current)와 두 활선 사이의 RMS 전압을 곱합니다. 그리고 1000으로 나누어 kW 단위의 전력을 구합니다. P (kW) = √3 × PF × I (A) × V L-L(V) / 1000 Calculation with line to neutral voltage (활선-중립선 이용시) 교류 삼상의 활선-중립선 전압을 이용하여 전력을 구하는 경우, 3과 역률(Power Factor)을 곱하고, 위상 전류(phase current)와  두 활선 사이의 RMS 전압을 곱합니다. 그리고 1000으로 나누어 kW 단위의 전력을 구합니다. P (kW) = 3 × PF × I (A) × V L-N(V) / 1000 끝.
Read more »

[수학] 정규분포 식은 어떻게 유도된 걸까?

  📊 정규분포 식은 어떻게 유도된 걸까? 우리가 통계학에서 자주 마주치는 정규분포(Normal Distribution)는 마치 자연의 법칙처럼 여러 데이터에서 등장합니다. 종 모양의 부드러운 곡선, 평균 주변으로 몰리는 확률, 그리고 중심극한정리로부터의 강력한 이론적 뒷받침. 그렇다면 정규분포는 도대체 어떤 논리로 유도된 걸까? 이 글에서는 그 식이 어떤 전제와 과정으로부터 등장했는지를 차근차근 정리해 보겠습니다. 🎯 전제 조건: 어떤 분포를 만들고 싶은가? 우리가 다루고자 하는 오차 또는 데이터 분포는 다음과 같은 특성을 가진다고 가정합니다: 연속적인 확률 변수 x x 를 가진다. 평균 μ \mu 를 중심으로 대칭이다. 평균에서 멀어질수록 확률은 급격히 줄어든다. 전체 확률은 1이어야 한다 (정규화 조건). 단순하면서도 위 조건들을 만족하는 형태여야 한다. 이러한 조건을 만족하는 함수 중에서, 가장 단순하고 많이 쓰이는 함수 형태는 다음과 같습니다: f ( x ) = A e − k ( x − μ ) 2 A A : 정규화 상수 (전체 면적이 1이 되도록) k k : 분포의 폭(standard deviation와 관계) μ \mu : 평균 (분포의 중심) 🧮 정규분포 유도 과정 (Gaussian Distribution Derivation) 1단계: 함수 가정 우리는 위에서 말한 바와 같이 다음과 같은 형태를 가정합니다: f ( x ) = A e − k ( x − μ ) 2 이 함수는 평균을 기준으로 대칭이고, 평균에서 멀어질수록 지수적으로 확률이 작아집니다. 2단계: 정규화 조건 적용 확률 밀도 함수이므로 전체 면적은 반드시 1이 되어야 합니다. ∫ − ∞ ∞ f ( x )   d x = 1 \int_{-\infty}^{\infty} f(x) \, dx = 1 ⇒ ∫ − ∞ ∞ A e − k ( x − μ ) 2 d x = 1 \Rightarrow \int_{-\in...
Read more »