'합리적 의심을 넘어서' 가 α

"'합리적 의심을 넘어서' 는 *법적 언어로 쓰인 α*야. *법이 *이유 때문에 그 위에 숫자를 안 놓아* — *근데 밑의 수학은 *어디 안 갔어*."

표준, 평이하게

*보통법 관할권의 형사 사건에서 피고를 유죄로 만들려면*, *사실인정자가 *'합리적 의심을 넘어서' 유죄를 확신*해야 함*. *문구가 *의도적으로 수치 값을 받지 못함*. *법체계의 α* — *검찰 증거가 H₀ (무죄) 가 기각될 수 있기 전에 통과해야 하는 임계* — *근데 *수치 고정이 자기 문제를 만들 거라* 질적 언어로 표현*.

*다른 맥락에서 쓰는 *다른 증명 표준*이 다른 α-동등에 앉음*:

'증거 우월' (민사 사건) ≈ *살짝 더 가능성 있음*. α ≈ 0.5 — *훨씬 약한 바*.
'명확하고 설득력 있는 증거' (일부 민사, 친권, 이민) ≈ *실질적으로 더 가능성 있음*. *민사와 형사 사이 어딘가*.
'합리적 의심을 넘어서' (형사) ≈ *매우 작은 α*. *자주 비공식적으로 ≥95% 확신으로 해석*, *근데 법은 숫자를 고정하기 거부*.

왜 숫자가 거부되나

*'합리적 의심을 넘어서' 가 α = 0.05 로 고정되면, *모든 사실인정자가 *그 숫자에 대해 정신적으로 보정*하고, *영리한 변호인이 확률 추정의 인지 편향을 이용해 체계적으로 패배시킬 수 있어*. *표준을 질적으로 유지함으로써 시스템이 사실인정자에게 *유죄 선고의 무게를 내면화하라고 요청* — *기계적으로 확률을 계산하기보다 *H₀ 기각의 중력을 느끼라고**.

*이게 *버그가 아니라 feature*. *질적 표준이 또한 *증거 자체에 대한 불확실성 (증인이 신뢰 못 할 수 있음; 물리적 증거가 오염될 수 있음) 을 *각 불확실성을 수치 형태로 형식화할 필요 없이 통합할 수 있게 함*. *숫자는 정밀하게 느껴짐*; *질적 표준은 부정밀을 정직하게 받아들임*.

표준이 부호화하는 비대칭

*표준의 비대칭을 알아채*: *형사 절차가 '합리적 의심을 넘어서' 를 요구 — *판돈 (자유 박탈) 이 높아서*; *민사 절차가 '우월' 만 요구 — *판돈 (금전) 이 낮아서*. *α 가 그 도메인의 *Type I 오류 비용에 보정*. *살인의 잘못된 사람 유죄 = 재앙*. *계약 분쟁의 잘못된 손해배상 = 나쁘지만 회복 가능*. *표준이 다른 건 *비용 비대칭이 다르기 때문*.

표준이 미끄러질 때 무슨 일이 일어나는가

*유죄 선고의 절차적 임계를 낮추는 모든 성공적 '범죄 단속' 캠페인이, *수학적 용어로, *α 를 올리고 *더 많은 죄인을 잡는 대가로 더 많은 Type I 오류를 받아들임*. *Trade-off 에 이름이 있어*: *억울한 유죄*. *표준의 모든 느슨해짐이 *느슨해짐에 비례해 그 오류 증가*. *이 trade-off 를 이름 안 붙이고 '더 강한 검찰' 을 부르는 시민이 *시스템에게 *더 적은 죄인 무죄의 대가로 *조용히 더 많은 억울한 유죄를 받아들이라고* 요청*. *수학에 공짜 점심은 없어*.

Code

표준 낮추기가 Type I 오류 올림·python

import numpy as np

# *증명 표준 낮추기의 비용 시뮬*.
# *기소된 피고의 5% 가 실제로 무죄라고 가정*.
# *다른 alpha 임계가 *다른 Type I 율을 줘*.

N = 10_000      # 총 기소자
p_innocent = 0.05   # 기소자의 5% 가 실제로 무죄

# *무고한 피고와 유죄인 피고에 *반대하는 '증거의 강도'*.
# *무고: 증거가 N(0.4, 0.2) 에서 draw — 낮지만 노이즈*.
# *유죄:   증거가 N(0.85, 0.15) 에서 draw — 높지만 확실하지 않음*.
# *사실인정자가 [0, 1] 에서 증거 점수 매긴다고 가정*.
rng = np.random.default_rng(160)

is_innocent = rng.random(N) < p_innocent
evidence = np.where(
    is_innocent,
    rng.normal(0.4, 0.2, N),
    rng.normal(0.85, 0.15, N),
)
evidence = np.clip(evidence, 0, 1)

for threshold in (0.5, 0.7, 0.85, 0.95):
    convicted = evidence > threshold
    convicted_innocent = (convicted & is_innocent).sum()
    convicted_guilty = (convicted & ~is_innocent).sum()
    acquitted_guilty = (~convicted & ~is_innocent).sum()
    print(f"\n임계 = {threshold:.2f}  ('alpha-같은' 증명 표준)")
    print(f"  Type I (무고 유죄):           {convicted_innocent:>5}")
    print(f"  Type II (유죄 무죄):          {acquitted_guilty:>5}")
    print(f"  총 유죄 대비 억울한 유죄 비율: "
          f"{convicted_innocent / max(convicted.sum(), 1) * 100:.2f}%")

# *낮은 임계 (느슨한 표준) → 더 많은 유죄, 더 많은 Type I*.
# *높은 임계 (엄격한 표준) → 더 적은 유죄, 더 적은 Type I 이지만 더 많은 Type II*.
# *Blackstone-부호화된 비대칭이 말해*: *Type I 비용 회피를 위해 Type II 비용 지불*.

Exercise

*어떤 범죄 카테고리에 대해 증명 표준을 낮추는 (명시적으로 또는 암묵적으로) 공개 제안* 찾기. *제안을 α-언어로 재진술*: *'이게 시스템의 α 를 낮추고 *더 적은 Type II 오류의 대가로 더 많은 Type I 오류를 받아들임*'*. 그러고 나서 물어: *제안에 trade-off 가 이름 붙었나, 비용이 숨겨졌나*? *거의 항상: 숨겨짐*. *시민의 일은 trade-off 를 표면화하는 것*.

Hint

*'간소화', '관료주의 절단', '허점 닫기', '기소를 쉽게'* — *이 문구들이 자주 α 를 낮추고 더 많은 Type I 오류를 받아들이는 것으로 번역됨*. *수학은 수사와 상관없이 같아*.