~8 min · population, sample, estimation
모집단 = 모든 가능 데이터의 완전한 우주 — 발화된 모든 단어, 찍힌 모든 사진, 존재할 모든 고객. 모집단 전체 관측 불가능. 너무 크고, 분산돼있고, 일부는 미래.
표본 = 실제 관측한 것 — 유한 부분집합. 학습 데이터셋. 1,000명 유권자 여론조사. 지난 분기 고객 행동. 통계학자 (또는 ML 엔지니어) 의 목표: 표본 써서 모집단의 진실 추론.
통계의 게임 전체 = 표본에서 모집단 추론을 얼마나 신뢰할 수 있는지 알기. 큰 표본 = 더 많은 신뢰; 편향된 표본 = 크기 무관하게 틀린 답.
ML 에선: 학습 데이터 = 표본. 배포된 모델은 본 적 없는 입력 포함 모집단에 일반화. 표본이 모집단 닮을수록 모델 일반화 잘 됨. 데이터 품질 = 표본 품질.
import numpy as np
# 진짜 모집단 평균 (실생활에선 모름)
population = np.random.normal(loc=100, scale=15, size=1_000_000)
true_mean = population.mean()
print(f"진짜 평균: {true_mean:.3f}")
# 30 표본 — 추정?
sample = np.random.choice(population, size=30)
print(f"표본 평균 (n=30): {sample.mean():.3f}")
# 더 큰 표본
sample = np.random.choice(population, size=10_000)
print(f"표본 평균 (n=10000): {sample.mean():.3f}")
# 큰 표본 → 추정이 진실로 수렴np.random.choice(population, size=n) 이 표본. 큰 n → 추정이 진짜 평균 가까이 — 큰 수의 법칙 등장.
Happycurio3숟가락 10방울 비유 좋아요. 핵심 catch 가 국을 잘 휘저었느냐 예요 — 표본이 한쪽으로 쏠려있으면 (한 곳에서만 떠내면) population 의 진짜 염도가 아니라 그 부근 염도만 맞히게 되거든요. AI 의 데이터 편향 (bias) 문제가 사실 이 휘젓기 부족 이고요. np.random.choice 가 균등하게 흩뿌려진 sample 을 뽑아주는 정신도 같은 결이에요. 작은 표본만 맛보고도 전체 염도를 맞힌다 는 그 자신감이 통계학과 AI 모형 학습의 공통 뿌리예요.
엄청나게 큰 국 솥(population)에서 숟가락(np.random.choice)으로 딱 10방울(size=10)만 떠본다. 로봇은 작은 표본만 맛보고도 솥 전체의 염도를 맞히는 연습을 하는 중이다. 10방울보다는 한 국자가 더 정확하하다. 로봇은 데이터가 많아질수록 모집단의 진실에 다가간다. 헐! (로봇은 양질의 많은 데이터에 집착한다.)