1차시 잘 모아야 잘 본다 — 편향 없는 수집과 특성 분석

🤔

생각 열기 — 100만 명에게 물었는데 왜 틀렸을까?

설문지와 클립보드, 펜 — 설문·여론조사. **'누구에게 묻느냐'**가 결과를 좌우한다 — 많이 묻는 것보다 **치우치지 않게** 묻는 것이 중요하다. 사진: Pixabay, CC0, Wikimedia Commons

1936년 미국 대통령 선거 때, 한 잡지사가 무려 240만 명에게 설문을 받아 "랜던 후보가 이긴다"고 예측했어요. 하지만 실제로는 루스벨트가 압승했죠. 반대로 갤럽이라는 사람은 겨우 수천 명에게 물어 정확히 맞혔어요. 어떻게 240만 명이 수천 명에게 졌을까요? 잡지사는 전화·자동차 소유자 명단에서 표본을 뽑았는데, 당시 전화·자동차를 가진 사람은 부유층에 치우쳐 있었어요. 표본이 한쪽으로 기울면, 아무리 많이 모아도 틀린다는 걸 보여 준 유명한 사건입니다.

💬 함께 생각해 보기

우리 학교 학생들이 좋아하는 점심 메뉴를 조사하려고 해요. ① 급식을 남기고 매점에 온 학생에게만 묻는다면? ② 운동부 학생에게만 묻는다면? 어떤 문제가 생길까요? 어떻게 물어야 '치우치지 않은' 결과가 나올까요?

1

전부 vs 일부 — 전수조사와 표본조사

📋 전수조사

대상 전체를 조사해요. 정확하지만 시간·비용이 많이 들죠. (예: 인구주택총조사 = 인구센서스)

🎯 표본조사

전체(모집단) 중 일부(표본)만 뽑아 조사하고, 그 결과로 전체를 추정해요. 빠르고 효율적!

대부분의 조사는 표본조사예요. 핵심은 표본이 모집단을 잘 대표해야 한다는 것 — 이걸 대표성이라고 해요. 표본이 한쪽으로 치우치면(표집 편향), 앞의 1936년 사례처럼 결과가 틀어집니다.

🎲 편향을 줄이는 비결 — 무작위 추출

가장 좋은 방법은 모집단의 모든 대상이 똑같은 확률로 뽑히게 하는 무작위 추출(랜덤 샘플링)이에요. '내 마음대로' 또는 '뽑기 쉬운 사람만' 고르면 반드시 편향이 생겨요. 또한 표본 수가 너무 적어도 우연에 휘둘리니, 충분한 크기도 필요하죠.

🎯 표본 편향 실험실 — 어디서 물어볼까? INTERACTIVE

"우리 학교 학생의 하루 평균 스마트폰 사용 시간"을 알아보려 해요(실제 평균은 약 4시간). 어디서 표본을 뽑느냐에 따라 추정값이 어떻게 달라지는지 보세요.

실제 4시간

0시간4시간8시간

[안내]같은 질문도 '누구에게 묻느냐'에 따라 답이 크게 달라져요. 세 방법을 모두 눌러 비교해 보세요!

2

데이터의 '성격' 읽기 — 대푯값과 분포

데이터를 모았으면, 그 데이터가 어떤 성격인지 숫자로 요약해 봐야 해요. 이렇게 데이터의 특징을 요약·기술하는 통계를 기술통계라고 해요. 가장 기본은 데이터를 대표하는 하나의 값, 대푯값이에요.

평균 (mean)

모두 더해 개수로 나눈 값. 가장 흔하지만 극단값(이상치)에 약해요.

중앙값 (median)

크기순으로 줄 세웠을 때 한가운데 값. 극단값에 흔들리지 않아요.

최빈값 (mode)

가장 자주 나오는 값. 가장 인기 있는 메뉴 같은 걸 볼 때 좋아요.

'평균'이 늘 대표적인 건 아니에요. 아주 크거나 작은 값(이상치)이 끼면 평균은 확 끌려가지만, 중앙값은 버텨요. 직접 확인해 봅시다.

📊 대푯값 비교기 — 평균은 흔들린다 INTERACTIVE

어느 반 학생들의 한 달 용돈(만원)이에요. '부자 친구'(월 50만원)를 넣고 빼면서 평균·중앙값·최빈값이 어떻게 달라지는지 보세요.

평균

–

중앙값

–

최빈값

–

[안내]부자 친구를 추가하면 어떤 값이 가장 크게 변하나요? 그 값이 '대부분의 학생'을 잘 대표하나요?

💡 그래서 — 데이터의 '생김새(분포)'를 함께 보라

대푯값 하나만 보면 속을 수 있어요. '평균 용돈 11만원'이라 해도 대부분은 5만원이고 한 명만 50만원일 수 있죠. 그래서 데이터가 어떻게 퍼져 있는지(분포)를 함께 봐야 해요. 다음 차시에서 분포를 한눈에 보여 주는 시각화(히스토그램 등)를 배웁니다.

✅

확인 문제

바로바로 채점!

✏️

1차시 확인 문제

4문항 · 즉시 채점

1표본이 모집단을 고르게 대표하지 못하고 한쪽으로 치우치는 현상을 무엇이라 할까?

2표집 편향을 줄이기 위한 가장 좋은 방법은?

3한 명의 값이 유난히 큰(이상치) 데이터에서, 극단값에 가장 크게 흔들리는 대푯값은?

4[OX] 표본의 수가 아주 많기만 하면, 표본이 한쪽으로 치우쳐 있어도 조사 결과는 정확하다.

➕

더 알아보기

교과서 너머의 이야기 — 클릭해서 펼쳐 보세요

사례설문의 함정 — 질문만 바꿔도 답이 달라진다

편향은 '누구에게 묻느냐'에서만 생기지 않아요. '어떻게 묻느냐'에서도 생겨요. 예를 들어 "○○ 정책에 찬성하십니까?"와 "○○ 정책에 반대하십니까?"는 같은 주제인데도 응답 비율이 달라질 수 있어요. 또 "당연히 환경 보호가 중요하겠죠?"처럼 한쪽 답을 유도하는 질문(유도 질문), 보기 순서, 어려운 단어 등도 응답을 왜곡해요. 이런 걸 응답 편향·측정 편향이라 불러요. 그래서 좋은 설문은 중립적이고 명확하게 묻고, 보기도 공평하게 배치해요. 데이터를 볼 때 "이 데이터는 어떻게 모았고, 질문은 공정했나?"를 따지는 습관이 중요한 이유예요.

개념평균의 두 얼굴 — '평균 연봉'에 속지 않기

"우리 회사 평균 연봉 1억!"이라는 말, 믿어도 될까요? 만약 직원 9명이 3천만 원이고 사장 1명이 7억을 받는다면, 평균은 (9×3000 + 70000)/10 = 9700만 원이 돼요. 평균만 보면 '고연봉 회사' 같지만, 실제 대부분의 직원은 3천만 원이죠. 이때 중앙값은 3천만 원으로 현실을 훨씬 잘 보여 줘요. 그래서 소득·집값·재산처럼 한쪽으로 길게 치우친 데이터에서는 평균보다 중앙값을 함께 봐야 해요. 뉴스에서 '평균'이라는 말이 나오면, 속으로 "혹시 소수의 큰 값에 끌려간 평균은 아닐까?"라고 한 번 의심해 보세요 — 그게 데이터 리터러시예요.

실전데이터는 어디서 모을까 — 공공데이터와 설문

데이터를 직접 모으는 방법은 여러 가지예요. ① 설문조사: 사람들의 생각·행동을 직접 물어요(편향 주의!). ② 관찰·측정: 센서·기록으로 자동 수집해요(미세먼지 측정기, 교통량 센서). ③ 실험: 조건을 바꿔 가며 결과를 기록해요. ④ 기존 데이터 활용: 이미 모인 데이터를 가져다 써요. 특히 우리나라는 공공데이터 포털(data.go.kr), 통계청의 국가통계포털(KOSIS)에 인구·날씨·교통·경제 등 방대한 데이터가 무료로 공개돼 있어, 학생도 실제 데이터로 분석 프로젝트를 할 수 있어요(4단원에서 직접 해 봐요!). 어떤 방법이든 '편향 없이, 윤리적으로(동의·개인정보 보호)' 모으는 것이 첫째 원칙이랍니다.

잘 모아야 잘 본다편향 없는 수집과 특성 분석