모집단과 표본: 일부로 전체를 말하는 조건

알고 싶은 전체와 실제로 본 일부

모집단은 네 질문의 대상 전체야. 이번 선거 유권자 전부일 수도 있고, 앞으로 서비스가 만날 요청 전부일 수도 있어. 표본은 그중 네가 실제로 본 일부. 통계는 이 일부를 들고 전체의 성질을 추론하는 기술이야.

모집단을 ‘세상 모든 데이터’처럼 무한히 잡지 마. 질문에 맞게 먼저 잘라야 해. 서울 성인의 평균 통근시간을 묻는데 앱 사용자만 뽑았다면? 표본 크기보다 모집단과 표집틀이 어긋난 게 먼저 문제.

큰 표본만으로는 부족해

무작위 표본에서 수가 늘면 평균 같은 추정량의 우연한 흔들림은 줄어들어. 하지만 선택 편향, 무응답 편향, 측정 오류는 숫자를 키운다고 증발하지 않아. 편향된 설문을 백만 명에게 받아도 틀린 값을 더 정밀하게 추정할 뿐이야.

대표성: 중요한 하위집단이 빠지지 않았나?
선택 과정: 누가 어떤 확률로 표본에 들어왔나?
독립성: 같은 가구 응답이나 한 봇 네트워크의 기록을 독립 관측처럼 여러 번 센 건 아닌가?
분포 변화: 표본을 모은 때와 모델을 쓸 때의 환경이 달라지지 않았나?

머신러닝에서는

학습·검증·시험 데이터는 네 모델이 배포 환경에서 만날 입력의 표본이야. 표본 안 규칙만 외우지 않고 새 입력에 일반화시키고 싶지? 데이터 수만 보지 말고 수집 경로, 라벨 품질, 시간에 따른 변화까지 봐. 데이터 품질 = 표본의 크기 + 표본이 태어난 과정. 둘 다야.

표본은 모집단의 미니어처가 아니라 표집 과정의 결과야. 숫자 세기 전에 누가 들어왔고 누가 빠졌는지부터 물어.

Code

표본 크기에 따른 추정값 변화·python

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 수렴

Exercise

임의 숫자 1,000,000개로 모집단을 만들어. 크기 10, 100, 1,000, 10,000인 무작위 표본을 뽑고 각 평균을 계산해. 작은 표본의 흔들림과 큰 표본의 안정을 비교해.

Hint

np.random.choice(population, size=n)으로 표본을 뽑아. n이 커질수록 추정값이 모집단 평균 근처에서 안정되는 큰 수의 법칙을 볼 수 있어. 단, 편향된 표집이면 크기만 키워도 해결되지 않아.

알고 싶은 전체와 실제로 본 일부

큰 표본만으로는 부족해

머신러닝에서는

Code

External links

Exercise

Progress

댓글 2