두 번째 앨범의 저주와 스포츠 슬럼프

"두 번째 작품이나 다음 시즌이 덜 눈부시다고 해서 곧바로 저주나 나태를 찾을 필요는 없어. 첫 성과가 얼마나 극단적이었는지부터 봐."

익숙한 패턴

예술가나 운동선수가 놀라운 첫 성과를 내면 관심과 기대가 한꺼번에 커져. 다음 성과도 훌륭하지만 첫만큼 극단적이지 않으면 사람들은 '두 번째 앨범의 저주'나 '소포모어 슬럼프'라는 이야기를 붙이지. 명성, 자만, 부담, 창의력 고갈이 실제로 영향을 줄 수도 있어. 하지만 첫 성과의 우연한 성분이 반복되지 않은 것만으로도 일부 하락을 설명할 수 있어.

왜 서사가 끌리나

'성공 뒤에 방심했다'는 설명에는 인물과 동기가 있어서 기억하기 쉬워. 반면 '첫 관측에 양의 잡음이 많이 섞였고 다음 잡음은 덜 극단적이었다'는 설명은 밋밋하지. 밋밋하다는 이유로 통계적 기준선을 빼먹으면, 실제 인과효과보다 성격 이야기를 크게 잡게 돼.

어떻게 예측할까

극단적인 첫 성과 뒤의 두 번째 성과를 예측할 때는 첫 값을 그대로 복사하지 말고, 모집단 평균 쪽으로 어느 정도 줄여 잡아. 얼마나 줄일지는 성과 측정의 신뢰도, 반복 측정 사이의 상관, 비교집단의 분산에 달려 있어. 아무 근거 없이 '95백분위 다음은 70~80백분위'처럼 고정된 숫자를 붙일 수는 없어.

이건 비관주의가 아니야. 첫 성과가 가진 신호와 잡음의 불확실성을 반영하는 보정이야. 두 번째 성과가 무조건 나빠진다고 예언하는 것도, 첫 성과와 똑같을 거라고 기대하는 것도 둘 다 과해.

반대 방향도 같아

유난히 나빴던 첫 성과 뒤에는 특별한 개선책이 없어도 다음 성과가 덜 나쁠 수 있어. 그래서 최하위 성과자를 골라 개입한 뒤 좋아졌다면, 평균으로의 회귀와 개입 효과를 비교집단으로 구분해야 해. 회귀는 성공 뒤 하락과 실패 뒤 상승에 대칭적으로 작동하지만, 사람들은 전자의 서사를 더 자주 기억해.

Code

시즌-1 상위 수행자가 시즌 2 에서 회귀·python

import numpy as np
rng = np.random.default_rng(250)

# 1,000 운동선수 시뮬. 각자 참 기술 가짐 (인구에서 draw).
# 각자 두 번 수행; 각 수행 = 참 기술 + 새 노이즈.
# 시즌 1 상위-50 수행자 식별; 시즌 2 에서 어떻게 하는지 봄.
N_athletes = 1_000
true_skill = rng.normal(loc=50, scale=10, size=N_athletes)   # 기술 분포
season1_noise = rng.normal(loc=0, scale=8, size=N_athletes)
season2_noise = rng.normal(loc=0, scale=8, size=N_athletes)
season1 = true_skill + season1_noise
season2 = true_skill + season2_noise

# 시즌 1 의 상위 50.
top_50_indices = np.argsort(season1)[-50:]
top_50_s1 = season1[top_50_indices].mean()
top_50_s2 = season2[top_50_indices].mean()
top_50_skill = true_skill[top_50_indices].mean()

print(f"시즌 1 상위-50 운동선수:")
print(f"  시즌 1 평균 수행: {top_50_s1:.2f}")
print(f"  시즌 2 평균 수행: {top_50_s2:.2f}")
print(f"  이 그룹의 참 기술: {top_50_skill:.2f}")
print(f"\n시즌 1 상위-50 이 *그들의 참 기술 위 {top_50_s1 - top_50_skill:.2f} 평균* (운 기여)*.")
print(f"시즌 2 에서, 운이 reset; 그들이 기술 근처에서 수행*.")
print(f"*이 하락이 *평균 회귀*, *'슬럼프' 가 아니야*.")

Exercise

최근의 소포모어 슬럼프 사례 하나를 찾아봐. 첫 성과가 얼마나 극단적이었는지, 같은 수준의 대상들이 다음에 보통 어떻게 변하는지, 기사에 비교집단이 있는지 확인해. 회귀로 예상되는 변화와 별도 인과 설명이 필요한 잔차를 구분해.

Hint

먼저 극단값 선택과 반복 측정의 신뢰도를 봐. 그 기준선으로 설명되지 않는 부분에만 인과 서사를 붙여.

익숙한 패턴

왜 서사가 끌리나

어떻게 예측할까

반대 방향도 같아

Code

External links

Exercise

Progress

댓글 0