표본 편향Sampling Bias
누구를 뽑았느냐 때문에 생기는 자료의 쏠림
- 표본 편향은 전체 가운데 일부를 뽑는 방식 때문에 그 일부가 전체와 다른 모습이 되는 일이에요.
- 뽑힌 자료 자체는 틀리지 않아요. 어긋나는 건 그 결과에 전체의 이름을 붙이는 순간이에요.
- 양을 늘려도 사라지지 않아요. 같은 자리에서 더 많이 뽑으면 같은 쏠림이 더 크게 쌓일 뿐이에요.
- 빠진 쪽은 자료에 아무 흔적도 남기지 않아요. 표만 들여다봐서는 무엇이 빠졌는지 알 수 없어요.
- 사람에 관한 자료라면 쏠림이 적게 담긴 쪽의 손해로 돌아오고, 시간이 갈수록 격차가 벌어져요.
목차
1비유로 이해하기
씨앗 한 봉지가 얼마나 잘 트는지 알고 싶어요. 백 알을 다 심어 볼 수는 없으니 스무 알만 집어 젖은 천 위에 올려 두고 며칠 지켜봐요. 열여덟 알에서 싹이 나면 이 봉지는 잘 트는 봉지라고 적어요.
문제는 그 스무 알을 어떻게 집었느냐예요. 봉지를 흔들지 않고 위에서 손을 넣으면 굵고 잘 여문 씨앗만 잡혀요. 잘고 쭉정이 같은 것들은 아래에 가라앉아 있어서 한 알도 뽑히지 않아요. 그렇게 고른 스무 알이 잘 트는 건 당연해요. 봉지가 좋은 게 아니라 손이 좋은 것만 골라 온 거예요.
표본 편향은 이 손이에요. 전체를 알고 싶어서 일부를 뽑았는데, 뽑는 방식 때문에 그 일부가 전체와 다른 모습이 되는 일이에요.
2자세히 알아보기
손 넣는 자리가 결과를 정해요
위에서만 집으면 굵은 것만, 봉지 귀퉁이만 뒤지면 그 귀퉁이 것만 나와요. 자료를 모을 때도 같아요. 앱 안에서만 의견을 받으면 앱을 쓰는 사람의 의견만 쌓이고, 평일 낮에만 전화를 걸면 그 시간에 전화를 받을 수 있는 사람의 답만 모여요.
이때 모인 자료가 거짓말을 하는 건 아니에요. 뽑힌 스무 알은 정말로 싹이 잘 텄어요. 어긋나는 건 그 결과에 붙이는 이름이에요. 이 봉지는 잘 트는 봉지라고 적는 순간, 뽑지 않은 여든 알까지 대신 말해 버리는 거예요.
자료의 양을 늘려도 이 쏠림은 옅어지지 않아요. 같은 자리에서 스무 알을 이백 알로 늘려 봐야 여전히 위쪽 것들이에요. 쏠림은 개수의 문제가 아니라 뽑는 방법의 문제예요.
빠진 쪽은 흔적을 남기지 않아요
가장 다루기 어려운 점은 뽑히지 않은 쪽이 아무 자국도 남기지 않는다는 거예요. 봉지 아래에 가라앉은 씨앗은 천 위에 올라오지 않으니 세어 볼 수도 없어요. 모아 둔 자료만 놓고 보면 어디가 비었는지 알 길이 없고, 표를 아무리 들여다봐도 빈자리는 보이지 않아요.
그래서 쏠림은 자료를 볼 때가 아니라 자료를 모은 방법을 볼 때 드러나요. 어디서, 언제, 어떤 통로로 모았는지를 적어 두지 않으면 나중에 되짚을 방법이 없어요. 모으는 과정을 기록으로 남겨 두는 일이 검사만큼 중요한 이유예요.
모델도 뽑힌 쪽만 보고 배워요. 그러고는 한 번도 본 적 없는 쪽에 대해서까지 망설임 없이 답해요.
사람에 관한 자료라면 손해가 돌아와요
씨앗이면 봉지를 다시 사면 그만이지만, 사람에 관한 자료가 쏠리면 그 결과가 사람에게 돌아가요. 어떤 무리의 자료가 적게 담기면 그 무리에 대한 판단이 어설퍼지고, 어설픈 판단이 서류 심사나 상담 자동 배정 같은 자리에서 그대로 쓰여요.
더 나쁜 건 되먹임이에요. 잘 못 맞히는 무리는 서비스가 불편하니 덜 쓰게 되고, 덜 쓰면 자료가 더 적게 쌓이고, 자료가 적으니 더 못 맞혀요. 처음의 작은 쏠림이 시간이 갈수록 벌어져요.
전체 성적이 높다고 안심할 수 없는 이유예요. 전체를 하나로 뭉뚱그린 숫자는 많이 담긴 쪽의 성적에 끌려가서, 적게 담긴 쪽이 얼마나 나쁜지를 가려 버려요. 무리별로 나눠서 따로 봐야 그제야 보여요.
쏠림을 줄이는 방법
먼저 봉지를 흔들어요. 아무 데서나 고루 뽑는 것이 가장 단순하고 튼튼한 방법이에요. 위·가운데·아래로 미리 칸을 나눠 두고 칸마다 정해진 만큼씩 뽑는 방법도 있어요. 이렇게 하면 어느 칸도 통째로 빠지지 않아요.
한 통로에만 기대지 않는 것도 방법이에요. 앱과 전화와 종이 신청서를 함께 쓰면 한 통로가 걸러 내는 사람을 다른 통로가 담아요. 그래도 남는 쏠림은 나중에 무게를 달리 줘서 손보기도 해요. 적게 담긴 쪽의 자료를 더 무겁게 세는 방식이에요.
무엇을 하든 첫걸음은 같아요. 이 자료가 누구를 담고 누구를 빠뜨렸는지 문장으로 적어 보는 거예요. 적어 보면 빠진 쪽이 그제야 눈에 들어와요.
3조금 더 정확하게
표본 편향은 전체 가운데 일부를 뽑는 과정에서 뽑힐 가능성이 대상마다 달라지는 바람에 생기는 치우침이에요. 뽑힐 기회조차 없던 쪽이 통째로 빠지는 경우를 커버리지 문제라고 따로 부르고, 뽑혔는데 답을 하지 않아 남은 쪽만 자료가 되는 경우를 무응답 문제라고 불러요. 살아남은 것만 모아 놓고 전체를 말하는 생존 편향도 같은 뿌리에서 나와요.
비유가 어긋나는 지점도 있어요. 씨앗 봉지는 마음만 먹으면 백 알을 다 꺼내 세어 볼 수 있지만, 실제 자료에서는 전체가 어떤 모습인지 아무도 모를 때가 대부분이에요. 견줄 정답이 없으니 쏠림의 크기를 정확히 잴 수도 없고, 나이대나 지역처럼 따로 믿을 만한 기준 숫자가 있는 항목에서만 어림잡아 볼 수 있어요.
데이터 편향이라는 더 넓은 말과 구별해 두면 좋아요. 표본 편향은 그중에서도 뽑는 단계에서 생기는 한 갈래예요. 정답표를 붙이는 사람의 치우침이나, 세상에 이미 있던 치우침이 자료에 그대로 옮겨 오는 일은 또 다른 갈래예요.
4직접 해보기
5흔한 오해
자료를 많이 모으면 쏠림이 옅어진다고 생각하기 쉽지만, 실제로는 같은 방식으로 더 뽑으면 같은 쏠림이 더 단단해질 뿐이에요.
뽑힌 자료가 틀렸다는 뜻이다라고 여기기 쉽지만, 실제로는 뽑힌 자료는 정확할 수 있고 문제는 그 결과를 전체 이야기로 읽는 데 있어요.
표를 잘 들여다보면 쏠림을 찾을 수 있다고 생각하기 쉽지만, 실제로는 빠진 쪽이 표에 아예 없어서 모은 방법을 되짚어야만 드러나요.
7한 줄 요약
그러니까표본 편향은 뽑는 손이 만들어 낸 쏠림이고, 그렇게 뽑힌 일부에 전체의 이름을 붙이는 순간 빠진 쪽이 통째로 지워져요.
잘못된 내용이나 더 좋은 비유가 있나요? 수정 제안 보내기 · 마지막 수정2026-09-02