1
00:00:06,636 --> 00:00:09,077
통계는 설득력이 있습니다.


2
00:00:09,077 --> 00:00:12,541
너무 설득력이 있어서 
사람들, 단체, 그리고 국가들은

3
00:00:12,541 --> 00:00:17,747
그 정리된 데이터를 기반으로 
중대한 결정을 내립니다.

4
00:00:17,747 --> 00:00:19,484
하지만 거기에는 문제가 있습니다.

5
00:00:19,484 --> 00:00:23,301
어떤 통계든,결과를 
완전히 뒤집을 수 있는

6
00:00:23,301 --> 00:00:27,251
무언가가 숨어있을 수도 있습니다.

7
00:00:27,251 --> 00:00:30,920
예를 들어, 여러분이 나이 든 
친척 어른의 수술을 위해

8
00:00:30,920 --> 00:00:33,737
두 병원 중 하나를 골라야 
한다고 생각해봅시다.

9
00:00:33,737 --> 00:00:36,434
최근 두 병원에서 치료받은 
1,000명의 환자 중에

10
00:00:36,434 --> 00:00:39,612
병원 A에서는 900명이 살아남았고

11
00:00:39,612 --> 00:00:43,021
반면, 병원 B에서는 
800명이 살아 남았습니다.

12
00:00:43,021 --> 00:00:46,170
그렇다면 병원 A가 
더 나은 선택 같이 보입니다.

13
00:00:46,170 --> 00:00:47,843
하지만 그러한 결정을 내리기 전에

14
00:00:47,843 --> 00:00:51,411
모든 환자가 똑같은 건강 
상태로 병원에 오는 것이

15
00:00:51,411 --> 00:00:53,811
아니라는 사실을 기억해야 합니다.

16
00:00:53,811 --> 00:00:56,703
최근에 두 병원에 온 
환자 1,000명을

17
00:00:56,703 --> 00:01:01,132
건강한 사람과 아픈 사람으로 나눠 보면

18
00:01:01,132 --> 00:01:03,772
상황이 달라 보이기 시작할 것입니다.

19
00:01:03,772 --> 00:01:07,849
병원 A에는 나쁜 건강 상태의 
환자가 100명 밖에 오지 않았고

20
00:01:07,849 --> 00:01:10,325
그 중에 30명이 살았습니다.

21
00:01:10,325 --> 00:01:11,852
병원 B에는 나쁜 건강 상태의 
환자 400명이 왔고

22
00:01:11,852 --> 00:01:14,852
210명을 살릴 수 있었습니다.

23
00:01:14,852 --> 00:01:17,169
따라서 병원 B가 더 나은 선택입니다.

24
00:01:17,169 --> 00:01:20,741
나쁜 건강 상태로 병원에 온 
환자들에게 말이죠.

25
00:01:20,741 --> 00:01:24,526
생존율이 52.5%나 되니까요.

26
00:01:24,526 --> 00:01:25,526
하지만 만약 당신의 친척이

27
00:01:25,526 --> 00:01:28,445
좋은 건강 상태로 
병원을 가신다면 어떨까요?

28
00:01:28,445 --> 00:01:32,271
이상하게도, 병원 B가 여전히 
더 나은 선택입니다.

29
00:01:32,271 --> 00:01:35,676
생존율이 98%나 되니까요.

30
00:01:35,676 --> 00:01:38,733
그런데도 어떻게 병원 A의 전반적인 
생존율이 더 높을 수 있을까요?

31
00:01:38,733 --> 00:01:41,830
병원 B가 각각 2개 그룹
환자의 더 높은

32
00:01:41,830 --> 00:01:44,830
생존율을 가지고 있는데도 말입니다.

33
00:01:44,830 --> 00:01:48,589
여기서 우리가 알아야 할 것이 
바로 심슨의 역설입니다.

34
00:01:48,589 --> 00:01:51,899
같은 자료라도 어떻게 
분류하는 지에 따라

35
00:01:51,899 --> 00:01:54,664
정반대의 결과를 보일 수 있는 거죠.

36
00:01:54,664 --> 00:01:58,744
이는 취합한 데이터가 조건부 변수를 
감추고 있을 때 종종 발생합니다.

37
00:01:58,744 --> 00:02:01,377
그 변수를 잠복 변수라고도 합니다.

38
00:02:01,377 --> 00:02:06,584
결과에 중대한 영향을 미치는 
숨겨진 추가적 요인이죠.

39
00:02:06,584 --> 00:02:10,023
이 병원 사례에서 숨겨진 요인은 
병원에 온 환자들의

40
00:02:10,023 --> 00:02:13,264
건강 상태에 대한 상대적인 
비율이라고 할 수 있습니다.

41
00:02:13,264 --> 00:02:16,544
심슨의 역설은 단지 
가상 시나리오가 아닙니다.

42
00:02:16,544 --> 00:02:18,924
그것은 현실에서도 종종 나타납니다.

43
00:02:18,924 --> 00:02:22,132
때로는 중요한 순간에 말입니다.

44
00:02:22,132 --> 00:02:24,130
영국의 한 연구에서는

45
00:02:24,130 --> 00:02:27,600
흡연자들이 비흡연자들보다
더 높은 생존율을 보였습니다.

46
00:02:27,600 --> 00:02:29,846
20년 동안 연구를 한 결과 말이죠.

47
00:02:29,846 --> 00:02:33,307
그것은 참가자들을 연령대별로 
분류하기 전까지 맞는 말이었습니다.

48
00:02:33,307 --> 00:02:37,823
그런데 비흡연 참가자들은 평균적으로 
나이가 많은 사람들이었습니다.

49
00:02:37,823 --> 00:02:40,930
그래서 연구 기간 동안 
사망할 확률이 더 높았던거죠.

50
00:02:40,930 --> 00:02:44,438
정확히 말하면, 그들이 그냥 더 오래 
살았기 때문이었어요.

51
00:02:44,438 --> 00:02:47,286
여기서는 연령대가 숨은 변수이자

52
00:02:47,286 --> 00:02:50,176
데이터를 바르게 해석하기 위한 
필수적인 요소였습니다.

53
00:02:50,176 --> 00:02:51,559
다른 예에서는

54
00:02:51,559 --> 00:02:54,281
플로리다주의 사형 사건들을 분석해 보면

55
00:02:54,281 --> 00:02:58,265
살인죄로 유죄를 선고받은 
흑인과 백인 피고인들 사이에

56
00:02:58,265 --> 00:03:01,581
인종 차별이 없는 것을
알 수 있습니다.

57
00:03:01,581 --> 00:03:06,396
하지만 사건을 피해자의 인종에 따라 
분류할 경우, 이야기는 달라집니다.

58
00:03:06,396 --> 00:03:07,969
각각의 경우

59
00:03:07,969 --> 00:03:11,091
흑인 피고인이 사형을 선고받은 
확률이 더 높았습니다.

60
00:03:11,091 --> 00:03:15,066
백인 피고인에 대한 전체적인 
사형 선고율이 조금 높아지는 이유는

61
00:03:15,066 --> 00:03:18,692
피해자가 백인인 경우의 사건에서

62
00:03:18,692 --> 00:03:21,359
사형 선고를 받을 가능성이 
높기 때문입니다.

63
00:03:21,359 --> 00:03:24,091
피해자가 흑인일 경우보다 말입니다.

64
00:03:24,091 --> 00:03:28,483
그리고 대부분의 살인은 같은
인종 간에 발생했습니다.

65
00:03:28,483 --> 00:03:31,319
그렇다면 우리는 어떻게 하면 이러한 
역설을 피할 수 있을까요?

66
00:03:31,319 --> 00:03:34,686
불행히도, 딱 정해진 답이 없습니다.

67
00:03:34,686 --> 00:03:38,504
자료는 수많은 기준에
따라 분류 될 수 있으며

68
00:03:38,504 --> 00:03:42,106
오히려 데이터 전체가 더 정확한
그림을 보여주기도 합니다.

69
00:03:42,106 --> 00:03:46,638
자의적이고 잘못된 방식으로
분류된 데이터보다 말이죠.

70
00:03:46,638 --> 00:03:52,089
우리가 할 수 있는 것은 통계가
묘사하는 실제 상황을 꼼꼼히 연구하고

71
00:03:52,089 --> 00:03:55,977
숨은 변수가 있지는 않은지
생각해보는 것입니다.

72
00:03:55,977 --> 00:03:59,378
그렇지 않으면 우리는
스스로를 지키기 힘들어집니다.

73
00:03:59,378 --> 00:04:02,649
사람들이 오해하게 데이터를
이용하는 사람들로부터 말입니다.