여론조사 두 개를 비교해보자. A조사는 100명을 무작위로 뽑았다. B조사는 10,000명이 자발적으로 인터넷에 응답했다. 어떤 조사가 전체 여론을 더 정확히 대표할까?
직관적으로는 B다. 10,000명이 100명보다 많으니까. 하지만 정답은 A일 확률이 높다. 왜? B의 10,000명은 '이 이슈에 관심이 있어서 응답한 사람'들이다. 그건 전체가 아니라, '관심 있는 일부'다. 반면 A의 100명은 무작위로 뽑혔기 때문에, 전체의 축소판에 가깝다.
이게 통계에서 가장 자주 오해받는 전제다. "표본이면 전체를 대표한다"는 믿음.
📍 숨은 전제
"표본의 성질이 자동으로 전체 집단의 성질과 일치한다. 표본 수가 많을수록 더 정확하다."
왜 자발 응답은 위험한가 — 선택 편향
통계학에서는 이를 선택 편향(selection bias)이라고 부른다. 누가 응답할지를 스스로 정하게 두면, '관심 있는 사람'만 모인다. 정치 성향 여론조사에서 '인터넷 댓글'을 표본으로 쓰면, 댓글을 다는 사람(강한 의견을 가진 사람)만 몰린다. 그 결과는 전체 여론과 크게 빗나간다.
이게 SNS의 '좋아요' 수나 인터넷 투표가 함정인 이유다. "이 글에 좋아요 10만 개"는 '이 글에 공감한 10만 명'이지, '전체 5천만 명 중 10만 명'이 아니다. 자발적 응답은 언제나 편향되어 있다.
대표성은 표본의 '크기'가 아니라, '어떻게 뽑았느냐'에서 나온다. 무작위·무편향이 핵심이다.
비문학의 단골 보기 — "표본의 한계"
수능 비문학에서 통계 지문이 나오면, 거의 항상 "이 조사 결과는 ~의 한계가 있다"는 보기가 등장한다. 정답은 대개 그쪽이다. 출제자가 확인하고 싶은 건, 학생이 '표본 = 전체'라는 전제를 의심할 수 있느냐는 것.
예를 들어, 지문에 "고등학생 500명을 대상으로 한 설문조사 결과, 70%가 독서를 좋아한다"고 나온다. 대부분의 학생은 "고등학생 70%가 독서를 좋아하는구나"라고 받아들인다. 하지만 의심하는 학생은 묻는다 — "어느 지역 고등학생? 어떤 학교? 자발 응답이야?" 이 질문이 보기를 가른다.
표본을 보기 전에, 먼저 "이 표본은 어떻게 뽑았지?"를 묻는다. 그게 대표성을 판단하는 첫 질문이다.
💡 전제가 깨진 뒤의 새 틀
"대표성은 크기가 아니라 '무작위·무편향' 선정에서 나온다. 표본을 보기 전에 선정 방식을 먼저 본다 — 그래야 숫자가 의미를 갖는다."
뉴스를 읽는 눈이 달라진다
이 사고는 수능 이후 삶 전체에서 작동한다. 뉴스에서 "직장인 1,000명调查, 80%가 불만"이라는 기사를 보면, 먼저 묻게 된다 — "그 1,000명, 어떻게 뽑았지? 어느 포털 설문이야, 무작위 조사야?" 정치인이 "지지도 급등"이라고 주장할 때, "누구 대상 여론조사야?"가 먼저 떠오른다.
표본의 조건을 의심하는 힘. 그게 통계가 만들어내는 '숫자의 권위'에 저항하는 가장 기본적인 사고다. PBS가 고등학생에게 가르치는 건, 이 저항의 본능 — 숫자 앞에서 "잠깐, 이거 어떻게 뽑은 거지?"를 자동으로 묻는 습관이다.
100명이 10,000명보다 정확할 수 있다는 사실. 그 역설을 이해하는 순간, 세상의 숫자가 전혀 다르게 보이기 시작한다.