세상을 바꾼 수식

고등학교 수학 탐구 보고서

『세상을 바꾼 수식』을 고교 수학 개념과 연결해 읽기

도미시마 유스케의 『세상을 바꾼 수식』은 AI, 행동경제학, 가상현실, 금융, 모바일 통신, 우주 개발, 자율주행, 태양광 발전, 프랙털 예술까지 다양한 분야를 대표 수식으로 설명하는 책이다. 이 글은 OCR 처리된 PDF 본문과 목차를 기준으로 각 장의 핵심 내용, 고등학교 수학과의 연결 지점, 탐구 보고서 주제를 정리한 것이다.

책의 핵심 관점

이 책은 수식을 단순한 계산 도구가 아니라 사물의 본질을 드러내는 렌즈로 본다. ROE는 기업과 투자자의 행동을 바꾸고, 인공신경망 수식은 AI 발전을 이끌며, 삼각함수는 모바일 통신의 파동을 표현한다. 고등학교 수학 탐구 보고서에서는 “교과서 속 수식이 실제 세계를 어떻게 바꾸는가”라는 방향으로 활용하기 좋다.

탐구 방향 1 수식의 각 문자와 연산이 현실의 어떤 요소를 나타내는지 해석한다.

탐구 방향 2 함수, 확률, 삼각함수, 점화식 같은 고교 개념이 기술과 산업에 쓰이는 사례를 찾는다.

탐구 방향 3 하나의 수식이 사람의 판단, 기업의 행동, 과학기술의 발전에 미친 영향을 분석한다.

책에는 고교 과정을 넘어서는 수식도 나오지만, 보고서에서는 비례식, 함수, 확률, 조건부확률, 삼각함수, 벡터, 운동량 보존, 점화식, 복소수와 같은 고교 수학 개념을 중심으로 재구성하면 충분히 설득력 있는 탐구가 가능하다.

장별 내용 요약과 고교 수학 연계

구성	내용 요약	고교 수학 연계 개념	탐구 보고서 제언
Prologue 수식은 어떻게 세상을 바꾸는가	수식은 복잡한 문제에서 본질을 드러내는 렌즈이며, ROE 사례를 통해 수식이 투자자와 기업의 행동을 바꾸는 과정을 설명한다.	비율, 백분율, 함수적 관계, 경제 수학	ROE = 이익 / 주주자본을 이용해 가상의 기업 두 곳을 비교하고, 분자와 분모 변화가 판단에 미치는 영향을 분석한다.
Chapter 1 수식으로 인간의 지혜를 뛰어넘는다	뉴런의 신호 전달을 가중합과 함수로 표현하고, 이 수식이 인공신경망과 AI 발전으로 이어졌음을 설명한다.	일차식, 함수, 가중평균, 합성함수	여러 입력값에 가중치를 곱해 판단하는 간단한 인공신경망 모델을 만들어 본다.
Chapter 2 수식으로 배우는 손해와 이득 판단	프로스펙트 이론과 가치함수를 통해 인간이 이익과 손해를 비대칭적으로 판단하는 방식을 설명한다.	함수, 그래프, 확률, 기대값	같은 금액의 이익과 손해를 사람들이 다르게 느끼는 이유를 가치함수 그래프로 설명한다.
Chapter 3 가상현실을 리얼하게 만든 수식	복소수와 사원수의 아이디어를 통해 3차원 공간에서 회전을 계산하고, 게임과 메타버스의 시점 변화가 어떻게 구현되는지 설명한다.	복소수, 좌표평면, 벡터, 회전변환	복소평면에서 90도 회전을 곱셈으로 표현하고, 이를 3차원 회전 문제와 연결한다.
Chapter 4 돈을 창조하는 수식	기대수익률과 리스크 팩터, 인덱스 투자 등을 통해 금융 투자에서 수식이 위험과 수익을 어떻게 모델링하는지 설명한다.	기대값, 확률, 평균, 분산, 함수	두 투자안의 예상 수익률과 위험도를 표로 만들고, 기대값만으로 판단할 때의 한계를 분석한다.
Chapter 5 수식이 구축한 모바일 통신	전파를 파동으로 보고, 삼각함수로 회전과 파동을 표현해 스마트폰 통신이 가능해지는 원리를 설명한다.	삼각함수, 주기함수, 그래프, 라디안	사인함수 그래프를 이용해 진폭, 주기, 위상 변화가 통신 신호에 어떤 의미를 갖는지 탐구한다.
Chapter 6 수식으로 우주를 향해 날아가다	운동량 보존 법칙을 통해 로켓이 어떻게 앞으로 나아가는지 설명하고, 우주 개발과 위성 활용의 의미를 다룬다.	벡터, 속도, 비례식, 물리 수학	질량과 속도의 곱인 운동량을 이용해 로켓이 연료를 뒤로 분출할 때 앞으로 가는 이유를 설명한다.
Chapter 7 자율주행 자동차를 안전하게 하는 수식	베이즈 정리의 사전확률과 사후확률 개념을 통해 자율주행 자동차가 새로운 정보를 반영해 위치와 상황을 갱신하는 원리를 설명한다.	조건부확률, 확률의 곱셈정리, 통계적 추론	간단한 질병 검사나 위치 추정 상황을 만들어 베이즈 정리로 사후확률을 계산한다.
Chapter 8 수식이 운반한 깨끗한 에너지	광전 효과 수식 K=E-W를 통해 태양광 발전의 원리와 빛의 입자성을 설명하고, 청정에너지의 가능성을 다룬다.	일차식, 에너지 보존, 함수, 물리 수학	빛의 에너지 E와 일함수 W의 크기에 따라 전자가 튀어나오는지 판단하는 조건을 부등식으로 정리한다.
Chapter 9 수식은 아티스트였다	점화식 zₙ₊₁=zₙ²+c와 복소평면을 통해 망델브로 집합, 자기유사성, 프랙털 구조를 설명한다.	수열, 점화식, 복소수, 좌표평면, 함수	c=0, c=-1, c=1+i 등 간단한 값으로 점화식을 반복 계산해 수열의 움직임을 비교한다.

보고서 주제로 추천하는 세 가지

1. 베이즈 정리와 자율주행

연계 단원: 조건부확률, 통계적 추론

추천 이유: 고교 확률 개념을 AI와 자율주행이라는 현대 기술로 연결하기 좋다.

2. 삼각함수와 모바일 통신

연계 단원: 삼각함수, 주기함수, 그래프

추천 이유: 사인파의 진폭과 주기 변화가 실제 신호 전달과 연결되어 교과 연계성이 뚜렷하다.

3. 망델브로 집합과 프랙털

연계 단원: 수열, 점화식, 복소수, 좌표평면

추천 이유: 반복 계산만으로 복잡한 도형이 만들어지는 과정을 직접 실험할 수 있다.

마무리

『세상을 바꾼 수식』은 수식이 교과서 안에 머무는 기호가 아니라 AI, 금융, 통신, 우주 개발, 에너지, 예술을 바꾸는 도구임을 보여 준다. 탐구 보고서를 쓸 때는 수식 하나를 골라 그 수식의 의미, 현실 문제와의 연결, 고교 수학 개념, 사회적 영향을 차례로 설명하면 좋다.

고등학교 수학 탐구 보고서

베이즈 정리와 자율주행: 고교 확률 개념으로 판단하는 자동차

『세상을 바꾼 수식』 7장에서는 자율주행 자동차가 센서와 GPS, 주행 명령에서 얻은 정보를 계속 갱신하며 현재 위치를 추정한다고 설명한다. 이 보고서는 그 원리를 고등학교 확률의 조건부확률, 확률의 곱셈정리, 사전확률과 사후확률로 해석한다.

연계 도서: 『세상을 바꾼 수식』 연계 단원: 확률과 통계 핵심 개념: 베이즈 정리 탐구 분야: 자율주행 AI

탐구 주제

탐구 문제

자율주행 자동차는 불완전한 센서 정보를 어떻게 확률적으로 해석하여 현재 위치를 판단할까?

수학 개념

조건부확률과 베이즈 정리를 이용하면 새 증거가 들어왔을 때 사건의 가능성을 다시 계산할 수 있다.

탐구 결론

자율주행의 판단은 확정적인 명령이 아니라, 여러 정보의 신뢰도를 결합해 가장 가능성 높은 상태를 선택하는 과정이다.

보고서 목차

• 1. 탐구 동기와 배경
• 2. 고교 확률 개념 정리
• 3. 베이즈 정리의 의미
• 4. 자율주행 위치 추정 예시
• 5. 계산 활동과 해석
• 6. 결론 및 확장 탐구

1. 탐구 동기와 배경

자율주행 자동차는 도로 위에서 매 순간 판단해야 한다. 차선의 위치, 앞차와의 거리, 보행자의 움직임, 장애물의 존재 여부가 계속 변하기 때문이다. 그런데 센서가 주는 정보는 항상 정확하지 않다. 비, 안개, 빛 반사, 도로 표식의 마모, GPS 오차처럼 현실의 데이터에는 흔들림이 포함된다.

『세상을 바꾼 수식』은 자율주행 자동차가 이러한 불확실성을 처리할 때 베이즈 통계학을 활용한다고 설명한다. 즉 자동차는 “지금 이 위치에 있을 것이다”라는 기존 추정에 새 센서 정보를 반영하여 “새롭게 계산한 현재 위치의 확률”을 얻는다. 이 과정은 고교 수학에서 배우는 조건부확률과 깊게 연결된다.

2. 고교 확률 개념 정리

구분	탐구 내용	고교 확률 개념	보고서 작성 포인트
조건부확률	어떤 정보가 주어졌을 때 사건이 일어날 확률을 계산한다.	P(A|B)	센서가 특정 신호를 보냈을 때, 자동차가 실제로 차선 근처에 있을 확률로 해석한다.
곱셈정리	두 사건이 함께 일어날 확률을 조건부확률로 표현한다.	P(A∩B)=P(A)P(B|A)	“실제 위치”와 “센서 관측값”이 동시에 맞을 가능성을 계산할 때 사용한다.
전확률	여러 경우로 나누어 전체 확률을 구한다.	P(B)=P(A)P(B|A)+P(Aᶜ)P(B|Aᶜ)	센서가 같은 신호를 보내도 실제 상황이 여러 가지일 수 있음을 보여 준다.
베이즈 정리	새로운 정보 B가 주어진 뒤, 원인 A의 확률을 다시 계산한다.	P(A|B)=P(A)P(B|A)/P(B)	자율주행차가 센서 데이터를 반영해 위치 추정을 갱신하는 핵심 원리로 설명한다.

3. 베이즈 정리의 의미

베이즈 정리는 다음과 같이 쓸 수 있다.

P(A|B) = P(A) × P(B|A) / P(B)

여기서 A는 알고 싶은 사건, B는 새롭게 관찰된 정보이다. 자율주행 상황에 적용하면 A는 “자동차가 특정 위치에 있다”, B는 “센서가 특정 신호를 보냈다”로 볼 수 있다.

베이즈 정리의 핵심은 확률을 한 번 계산하고 끝내는 것이 아니라, 새 정보가 들어올 때마다 판단을 갱신한다는 점이다. 책에서 말하는 “사후 확률 = 새로운 데이터의 영향 × 사전 확률”이라는 설명도 같은 의미이다. 자율주행차는 이전 순간의 위치 추정을 사전확률로 두고, 새 센서 데이터를 반영해 사후확률을 얻는다.

4. 자율주행 위치 추정 상황 만들기

다음과 같은 단순화된 상황을 생각해 보자. 자율주행 자동차가 차선의 오른쪽 경계에 너무 가까워졌는지 판단해야 한다. 센서는 “차선에 가까움”이라는 경고 신호를 보낼 수 있지만, 센서에는 오차가 있다.

가정

1. 자동차가 실제로 차선에 너무 가까울 확률은 20%이다. → P(A)=0.20
2. 실제로 차선에 가까울 때 센서가 경고할 확률은 90%이다. → P(B|A)=0.90
3. 실제로 안전한 위치인데도 센서가 경고할 확률은 10%이다. → P(B|Aᶜ)=0.10

여기서 A는 “자동차가 실제로 차선에 너무 가까움”, B는 “센서가 경고함”이다. 우리가 알고 싶은 것은 센서가 경고했을 때 실제로 차선에 가까울 확률, 즉 P(A|B)이다.

5. 계산 활동

먼저 센서가 경고할 전체 확률 P(B)를 구한다.

P(B)=P(A)P(B|A)+P(Aᶜ)P(B|Aᶜ) =0.20×0.90+0.80×0.10=0.18+0.08=0.26

이제 베이즈 정리를 적용한다.

P(A|B)=P(A)P(B|A)/P(B) =0.20×0.90/0.26=0.18/0.26≈0.692

따라서 센서가 경고했을 때 자동차가 실제로 차선에 너무 가까울 확률은 약 69.2%이다. 이 값은 처음의 사전확률 20%보다 훨씬 커졌다. 새 센서 정보가 들어오면서 판단이 갱신된 것이다.

이 예시는 실제 자율주행 시스템을 단순화한 것이다. 실제 자동차는 카메라, 레이더, 라이다, GPS, 지도 데이터, 이전 주행 명령 등 훨씬 많은 정보를 결합한다. 그러나 “불확실한 정보를 확률로 표현하고 새 정보로 갱신한다”는 핵심 구조는 베이즈 정리로 설명할 수 있다.

6. 자율주행과 베이즈 정리의 연결

자율주행 요소	확률적 의미	고교 수학 연결	탐구 해석
이전 위치 추정	자동차가 어디에 있을 것이라는 기존 믿음	사전확률 P(A)	이전 순간의 판단은 다음 판단의 출발점이 된다.
센서 관측	카메라, 레이더, 라이다가 보내는 새 정보	조건부확률 P(B|A)	센서가 정확할 가능성과 오작동 가능성을 함께 고려한다.
위치 갱신	새 정보를 반영한 현재 위치의 가능성	사후확률 P(A|B)	확률이 가장 높은 위치를 기준으로 다음 주행 판단을 내린다.
반복 판단	새 사후확률이 다음 순간의 사전확률이 됨	확률의 갱신	자율주행차는 매 순간 확률을 다시 계산하며 움직인다.

7. 탐구 결과

이 탐구를 통해 자율주행 자동차의 판단은 단순히 “센서가 경고했으니 위험하다”처럼 이루어지지 않는다는 점을 알 수 있었다. 센서가 경고했을 때 실제 위험 상황일 확률은 사전확률, 센서의 정확도, 오경보 확률에 따라 달라진다. 따라서 자율주행 시스템은 여러 정보를 확률적으로 결합해 가장 타당한 판단을 내려야 한다.

고교 확률에서 배우는 조건부확률은 단순한 문제 풀이 도구가 아니라, 불확실한 현실에서 합리적인 판단을 만드는 수학적 언어이다. 베이즈 정리는 자율주행뿐 아니라 질병 검사, 스팸 필터, 검색 엔진, 인공지능 추천 시스템 등 다양한 분야에서 활용될 수 있다.

8. 보고서에 넣기 좋은 확장 탐구

1. 센서 정확도 변화 실험: P(B|A)를 0.7, 0.8, 0.9로 바꾸며 사후확률이 어떻게 변하는지 표와 그래프로 나타낸다.
2. 오경보율 변화 실험: P(B|Aᶜ)가 커질수록 센서 경고의 신뢰도가 어떻게 낮아지는지 계산한다.
3. 두 개 센서 비교: 카메라와 레이더의 정확도가 다를 때 어느 센서의 정보가 판단에 더 큰 영향을 주는지 분석한다.
4. 현실 사례 조사: 자율주행차가 GPS보다 센서와 지도 데이터를 더 중요하게 쓰는 이유를 확률 개념으로 설명한다.

결론

베이즈 정리는 “새로운 정보가 들어오면 기존 판단을 수정한다”는 수학적 원리를 담고 있다. 자율주행 자동차는 센서가 주는 불완전한 정보를 확률로 해석하고, 이전 판단과 새 관측을 결합하여 현재 위치와 위험 가능성을 계속 갱신한다. 이 과정은 고등학교 확률의 조건부확률과 곱셈정리로 충분히 설명할 수 있다.

따라서 베이즈 정리와 자율주행을 연결한 탐구는 고교 수학이 실제 첨단 기술의 판단 구조와 어떻게 이어지는지 보여 주는 좋은 사례이다. 수학은 정답을 계산하는 도구를 넘어, 불확실한 세상에서 더 나은 선택을 하게 해 주는 사고 방식임을 확인할 수 있다.

작성 방향: 『세상을 바꾼 수식』의 베이즈 정리와 자율주행 설명을 바탕으로, 고등학교 확률과 통계의 조건부확률 개념에 맞추어 재구성한 탐구 보고서입니다.