본문 바로가기
C.W.K.
Stream
Lesson 04 of 05 · published

Sally Clark: 통계가 오판에 힘을 보탰을 때

~14 min · sally-clark, prosecutor-fallacy, wrongful-conviction, real-case

Level 0통계 초심자
0 XP0/55 lessons0/14 achievements
0/100 XP to next level100 XP to go0% complete
"Sally Clark 사건은 숫자 하나가 얼마나 강한 권위를 얻을 수 있는지, 그리고 그 숫자의 조건과 전제가 틀렸을 때 실제 사람이 어떤 대가를 치르는지 보여줘."

무슨 일이 있었나

영국의 변호사 Sally Clark는 1996년 첫째 아들 Christopher를, 1998년 둘째 아들 Harry를 잃었어. 두 아이 모두 생후 몇 주 만에 숨졌고, Clark는 두 아들을 살해한 혐의로 기소됐어. 1999년 배심은 유죄평결을 내렸고 그는 종신형을 선고받았지.

재판에서 소아과 의사 Roy Meadow는 Clark와 비슷한 조건의 가족에서 두 번의 영아돌연사가 일어날 확률을 약 7천3백만 분의 1이라고 증언했어. 매우 작은 숫자는 배심에게 압도적인 증거처럼 들릴 수 있었어.

첫 번째 오류: 독립이라고 가정한 곱셈

그 수치는 한 번의 영아돌연사 확률을 단순히 제곱해 만들었어. 그러려면 같은 가족 안의 두 사망이 독립이라는 전제가 필요해. 하지만 유전, 환경, 알려지지 않은 의학적 요인을 공유할 수 있으므로 독립을 당연하게 둘 수 없어. 한 번의 확률을 제곱했다는 이유만으로 믿을 만한 두 번의 확률이 되는 건 아니야.

두 번째 오류: 조건부확률의 방향

설령 그 수치가 정확했다고 해도, 그것은 특정 가정 아래에서 P(두 자연사 | 살해하지 않음)에 관한 값이야. 배심이 알고 싶은 P(살해하지 않음 | 두 사망) 또는 유죄 가능성과는 다른 조건부확률이지. 살해와 자연사라는 경쟁 설명이 각각 얼마나 드문지, 다른 증거가 무엇인지까지 비교해야 해. 작은 가능도 하나만으로 무죄확률이나 유죄확률을 바로 얻을 수는 없어.

통계만이 전부는 아니었어

Clark의 유죄판결은 2003년 두 번째 항소에서 파기됐어. 통계 증언에 대한 비판도 중요했지만, 둘째 아이에게서 발견된 감염 관련 미생물학 증거가 변호인에게 공개되지 않았다는 사실도 결정적이었어. 이 사건을 "베이즈 계산 하나만 제대로 했으면 끝"이라고 축약하면 또 다른 왜곡이 돼. 잘못된 통계, 전문가 권위, 공개되지 않은 의학 증거, 전체 증거평가가 함께 얽힌 오판이었어.

Clark는 약 3년을 수감된 뒤 석방됐지만 회복하지 못했고 2007년 급성 알코올 중독으로 사망했어. 숫자의 오류가 교과서 문제로 끝나지 않는다는 사실을 이보다 더 잔인하게 보여주기 어렵지.

메커니즘, 압축

Sally Clark 사건에서 기억할 건 두 가지야. 서로 의존할 수 있는 사건의 확률을 함부로 곱하지 말 것. 그리고 P(증거 | 가설)P(가설 | 증거)로 뒤집지 말 것. 동시에 실제 판결은 통계 한 줄이 아니라 전체 증거와 공정한 공개절차 위에서 판단된다는 점도 놓치지 마.

Code

Sally Clark 사건의 베이즈 분해·python
# Sally Clark 사건의 베이즈 분해.
# 대략 차수 숫자 사용 — 원칙, 정확한 수치 아님.

# 가설:
#   H₀ = 두 자연 영아 사망 (살인 없음).
#   H₁ = 부모가 두 영아 살해.

# 사전확률 (대략 차수).
prior_natural = 1 - 1e-6            # 자연사가 압도적으로 더 흔함
prior_murder = 1e-6                  # 이중 영아 살인이 극히 희귀

# 가능도 (각 가설 하 '두 영아 사망' 관측 확률).
# 양식화된 것; 실제 수치는 역학에 의존.
p_two_deaths_given_natural = 1 / 8500 ** 2 * 10   # 비독립 반영 위로 조정
p_two_deaths_given_murder = 1.0                    # H₁ 참이면 두 사망 모두 일어남

# 베이즈 정리로 사후확률.
numerator = p_two_deaths_given_murder * prior_murder
denominator = (
    p_two_deaths_given_murder * prior_murder
    + p_two_deaths_given_natural * prior_natural
)
posterior_murder = numerator / denominator

print(f"P(살인 | 두 영아 사망) ≈ {posterior_murder:.4f}")
print(f"P(자연 원인 | 두 영아 사망) ≈ {1 - posterior_murder:.4f}")
print(f"\n검찰의 헤드라인 수치 (7천3백만 분의 1) 는 P(증거 | 자연) 이었고")
print(f"*부모가 두 영아 살해의 사전확률을 무시*했어.")

# 자연 원인 확률을 위로 조정해도, 살인의 사후확률이 '합리적 의심을 넘어서' 에 접근 안 함.
# 검찰의 숫자가 기술적으로 가능도였지 사후확률이 아니었어. 배심이, 이 구분에 훈련 안 됐고, 그것을 사후확률로 다뤘어. 그 변환 오류가 무고한 여성을 감옥에 보냈어.

External links

Exercise

통계적 증거가 쓰인 사건 하나를 골라 법정에서 실제로 제시된 확률문장을 찾아봐. 그 문장이 P(증거 | 가설)인지 P(가설 | 증거)인지 표시하고, 사건의 다른 증거가 무엇이었는지도 함께 적어봐.
Hint
DNA 무작위 일치확률은 보통 특정 유전자형이 무관한 사람에게서 관찰될 확률에 관한 값이지, 피고가 무죄일 확률 그 자체가 아니야.

Progress

Progress is local-only — sign in to sync across devices.
이 페이지에서 버그를 발견하셨거나 피드백이 있으세요?문제 신고
💛 by 똘이warm

댓글 0

🔔 답글 알림 (로그인 필요)
로그인댓글을 남기려면 로그인해 주세요.

아직 댓글이 없어요. 첫 댓글을 남겨보세요.