확증 편향: 보고 싶은 증거만 커지는 방식

"확증 편향은 기존 믿음에 맞는 증거를 더 쉽게 찾고, 해석하고, 기억하게 만드는 경향이야. 베이즈 정리 그 자체라기보다, 어떤 증거를 입력하고 얼마나 믿을지에서 생기는 왜곡이지."

패턴에 이름 붙이기

확증 편향은 기존 믿음을 지지하는 정보를 더 적극적으로 찾거나, 모호한 정보를 그 믿음에 맞게 해석하거나, 지지 사례를 더 잘 기억하는 경향을 묶어 부르는 말이야. 정치·투자·진단·연구처럼 결론에 이해관계가 걸린 곳에서 특히 조심해야 해.

통계 추론을 어떻게 흔드나

새 증거를 이용해 믿음을 업데이트하려면, 그 증거가 경쟁 가설들 아래에서 얼마나 예상되는지 비교해야 해. 그런데 확인되는 사례만 수집하고 반례를 빼면 애초에 입력 데이터가 편향돼. 같은 결과도 내 가설에 유리할 때는 결정적이라고 보고 불리할 때는 예외라고 처리하면, 증거의 가중치도 비대칭이 되지.

이 문제를 단순히 '가능도 비율을 잘못 계산했다'고만 볼 수는 없어. 검색, 측정, 해석, 기억, 공개 여부까지 여러 단계에서 생길 수 있기 때문이야. 그래서 개인의 의지만으로 완전히 막기보다 절차를 설계해야 해.

어디에서 나타나나

투자: 보유 종목을 지지하는 뉴스만 찾고 반대 자료의 신뢰도는 쉽게 깎아내려.
채용: 첫인상을 만든 뒤 그 인상을 확인하는 답변만 더 크게 기억해.
의료 진단: 초기 진단에 닻을 내리고, 맞지 않는 검사 결과를 주변적 예외로 취급해.
과학 연구: 원하는 결론이 나오는 분석만 남기거나 영가설 결과가 덜 공개되면 문헌 전체가 기울 수 있어.
일상 믿음: 친구·매체·추천 알고리즘이 비슷한 견해만 반복해 반대 증거를 보기 어렵게 만들 수 있어.

대응

먼저 '무엇을 관측하면 내 믿음을 낮출 것인가?'를 미리 적어봐. 그다음 지지 자료와 반대 자료에 같은 출처 기준과 증거 기준을 적용해. 답을 바꿀 수 있는 관측이 전혀 없다면, 그 주장은 지금 형태로는 경험적으로 시험하기 어려워.

연구의 사전등록, 채용의 구조화 면접, 의료의 진단 체크리스트와 독립적 재검토, 전략의 레드팀은 이런 비대칭을 줄이기 위한 장치야. 어느 하나도 편향을 없애지는 않지만, 결론을 본 뒤 기준을 바꾸기 어렵게 만들어.

트랙 09 마무리

평균으로의 회귀, 생존자 편향, 선택 편향, 확증 편향은 서로 다른 현상이지만 한 가지 습관으로 함께 견제할 수 있어. 지금 보는 데이터가 어떻게 선택됐는지, 무엇이 빠졌는지, 반대 증거에도 같은 기준을 적용했는지 물어봐. 트랙 10에서는 이 습관을 퀘스트 전체의 도구와 다시 묶을 거야.

Code

확증 편향을 비대칭 likelihood 가중치로·python

import numpy as np
rng = np.random.default_rng(280)

# 동전에 대한 같은 증거 스트림 보는 두 베이즈주의자 시뮬.
# 둘 다 같은 prior 로 시작. 하나가 정직하게 업데이트; 다른 하나가
# 확증 편향 적용: 확인 증거가 전체 가중치, 반박이 반 가중치.

N_evidence = 200
p_true = 0.5      # 동전이 실제로 공정
flips = rng.binomial(n=1, p=p_true, size=N_evidence)

# 둘 다 prior P(p > 0.5) = 0.5 로 시작.
log_odds_honest = 0.0      # 앞면-편향 가설의 log-odds
log_odds_biased = 0.0      # 같은 시작점

# 던지기당 H1 (p=0.6) vs H0 (p=0.4) 하 likelihood 비율.
log_lr_heads = np.log(0.6 / 0.4)
log_lr_tails = np.log(0.4 / 0.6)

for f in flips:
    lr = log_lr_heads if f == 1 else log_lr_tails
    log_odds_honest += lr
    # 확증-편향 updater: 확신 줄이는 증거 반-가중치.
    if lr > 0:    # 앞면-편향 확인
        log_odds_biased += lr
    else:        # 앞면-편향 반박
        log_odds_biased += lr * 0.5

print(f"공정 동전 {N_evidence} 던지기 후:")
print(f"  정직 updater log-odds:           {log_odds_honest:>+7.3f}")
print(f"  확증-편향 log-odds:              {log_odds_biased:>+7.3f}")
print(f"\n(*동전이 공정하니 둘 다 0 근처여야 함*. *정직이 0 근처 유지*;")
print(f" *편향이 *반박 증거가 반-가중치라서 위로 떠다님*.)")

Exercise

확신하는 믿음 하나를 골라봐. 확신을 낮출 관측을 미리 적고, 지지 증거와 반대 증거에 적용할 출처·품질 기준도 같은 문장으로 정해. 그런 다음 실제로 반대 자료를 하나 찾아 그 기준대로 평가해.

Hint

목표는 억지로 반대편을 믿는 것이 아니라, 결론에 따라 증거 기준이 달라지지 않게 만드는 거야.

패턴에 이름 붙이기

통계 추론을 어떻게 흔드나

어디에서 나타나나

대응

트랙 09 마무리

Code

External links

Exercise

Progress

댓글 0