~12 min · blackstone, asymmetry, type-i, type-ii, courtroom
Level 0통계 초심자
0 XP0/55 lessons0/14 achievements
0/100 XP to next level100 XP to go0% complete
"'한 명의 무고가 고통받는 것보다 열 명의 죄인이 도망가는 게 더 낫다.' *그 문장이 *전체 보통법 전통이 부호화하는 Type I / Type II 비대칭*. *외워둬*."
인용
*18세기 영국 법학자 William Blackstone 이 *Commentaries on the Laws of England (1765–1769) 에 씀*:
한 명의 무고가 고통받는 것보다 열 명의 죄인이 도망가는 게 더 낫다.
*Blackstone 이 원칙을 발명한 게 아니야* — *로마법과 이전 영국 법학자들로 거슬러 올라감* — *근데 그의 정형화가 정전 진술이 됨*. *비율 (10:1) 은 수사적*; *부호화한 원칙이 *적법 절차의 운영 코어*. *무고 유죄 = 재앙*. *죄인 무죄 = 시스템이 재앙 회피를 위해 받아들이는 *불운한 비용*.
10:1 이 검정 용어로 의미하는 것
*비율이 *Type I 과 Type II 오류 사이 비용 가중치 표현*. *C_I 가 Type I 오류 (억울한 유죄) 비용이고 C_II 가 Type II 오류 (억울한 무죄) 비용이면, Blackstone 비율이 본질적으로 C_I ≈ 10 × C_II 를 말해* — *무고 유죄가 죄인 무죄보다 10배 더 나쁘게 다뤄짐*.
*이 비대칭 비용 주어지면, *법적 검정의 최적 α 가 매우 낮게 설정*. *구체적으로, *Type I 오류의 기댓값 비용 (무고 확률 × 재앙적 비용) 이 Type II 오류의 기댓값 비용 (유죄 확률 × 적당한 비용) 과 균형 잡히도록 *증거가 매우 강할 때만 H₀ 기각하길 원함*. *Blackstone 비율이 그 균형을 결정*하고 *결과가 '합리적 의심을 넘어서' 라 불리는 매우 작은 α*.
비율은 *문화적 선택*
*다른 법 전통이 *다른 효과적 Blackstone 비율을 선택*. *미국과 영국 보통법이 대략 Blackstone 의 10:1 보존*. *일부 규문주의 시스템이 더 낮은 비율 사용*; *일부 권위주의 시스템이 *암묵적으로 훨씬 더 높은 Type I 오류 관용 (정치적 통제 대가로 더 많은 억울한 유죄 받아들임) 사용*. *비율은 수학적 상수가 아니야*; *가치 판단*, 그리고 *법체계의 운영 구조가 그로부터 따라*.
*사회의 효과적 비율이 표류할 때 — *비상 입법, 테러-관련 법, 또는 단순 정치적 압력으로* — *시스템이 더 많은 Type I 오류를 받아들이는 쪽으로 됨*. *Blackstone 비율이 *그 표류에 대한 일종의 도덕적 보호*; *더 명확히 명시될수록 표류가 조용히 일어나기 어려워짐*.
유지할 원칙
*Blackstone 비율이 *시민이 그 안에서 사는 어떤 시스템에서도 가장 결과-좌우 비용 비대칭*. *국가가 정기적으로 무고한 사람을 가두지 않는 이유*. *변호가 무죄를 만들어야 하기보다 *검찰이 증거를 만들어야 하는 이유*. *'합리적 의심' 이 표준인 이유*. *시민이 시스템에 대해 '저 괴물을 풀어주는 것' 에 대해 불평할 때, *그들이 암묵적으로 *다른 Blackstone 비율을 제안*하는 것 — *그리고 *옳은 응답은 *그 다른 비율이 억울한 유죄율에 무엇을 할지 묻는 것*.
Code
Blackstone 비율 → 최적 임계 → 억울한 유죄율·python
import numpy as np
rng = np.random.default_rng(170)
# *다른 Blackstone 비율에 대한 '최적' 임계 계산*.
# *기소자의 5% 가 무고, 증거 분포 이전과 같음*.
N = 100_000
p_innocent = 0.05
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),
).clip(0, 1)
print("*다른 비용 가중치 → 다른 최적 임계*")
print(" (Type I 비용) : (Type II 비용) → 최적 임계 → 결과 Type I 율 (유죄 중 %)")
print("-" * 90)
for ratio in (1, 2, 5, 10, 20, 100):
# 가중 총 비용 최소화 임계 brute-force 검색.
best_cost = float('inf')
best_thr = None
for thr in np.linspace(0, 1, 101):
convicted = evidence > thr
type_I = (convicted & is_innocent).sum()
type_II = (~convicted & ~is_innocent).sum()
cost = ratio * type_I + type_II
if cost < best_cost:
best_cost, best_thr = cost, thr
convicted = evidence > best_thr
type_I = (convicted & is_innocent).sum()
rate = type_I / max(convicted.sum(), 1) * 100
print(f" {ratio:>3}:1 → thr={best_thr:.2f} → {rate:5.2f}% 억울한 유죄율")
# *Blackstone 비율이 오를수록 (Type I 이 더 비싸게 다뤄짐),
# *유죄 최적 임계가 오르고, 억울한 유죄율이 떨어짐*.
# *10:1 비율이 대략 보통법이 운영 점으로 선택한 것*.
*Blackstone-같은 비율을 암묵적으로 적용하는 (형법 외) 도메인* 이름 붙이기: *한 오류 타입에 *다른 것보다 얼마나 더 회피적인가*? 예시: *(a) 채용 — false positive vs false negative; (b) 의료 치료 — 과치료 vs 미치료; (c) 양육 결정 — 과보호 vs 미보호*. *비율을 명시적으로 만들고, 그러고 나서 실제 상황의 실제 비용에 일치하는지 물어*.
Hint
*대부분 도메인에 *아무도 명시한 적 없는 암묵적 Blackstone 비율이 있어*. *명시하는 것이 *gut 느낌 대신 실제 비용에 보정하는 첫 단계*.
Progress
Progress is local-only — sign in to sync across devices.