1. 국밥 한 숟갈의 철학 — 표본조사가 성립하는 이유

친구랑 국밥집 갔다고 생각해봐.
국물 간이 맞는지 확인하려고 한 솥을 다 마시지는 않잖아?
한 숟갈 떠먹고 "오 괜찮네" 하지.

여론조사가 정확히 이거야.
전 국민 5,000만 명한테 다 물어보는 건 전수조사(census)고,
그건 인구주택총조사처럼 국가가 5년에 한 번 수백억 쓰면서 겨우 하는 일이야.

대신 우리는 한 숟갈, 즉 표본(sample)을 뜬다.
단, 여기엔 절대적인 전제 조건이 하나 붙어.

여기서 중요한 반직관적 사실 하나 던질게.
많은 사람이 이렇게 생각해. "모집단이 5,000만이면 표본도 그만큼 더 커야지!"

땡. 틀렸어.

국밥이 한 솥이든 수영장만 한 통이든,
잘 저어졌다면 한 숟갈이면 충분해.
수학적으로도 모집단 크기는 오차에 거의 영향을 주지 않아. 이건 뒤에서 수식으로 증명할게.

2. ±3.1%p는 어디서 튀어나온 숫자일까

뉴스 하단에 늘 붙는 그 문구, 한 번 정독해본 적 있어?

여기 등장하는 두 숫자가 세트야.
95% 신뢰수준과 ±3.1%p. 둘은 절대 떼어놓고 말하면 안 돼.

📐 공식은 생각보다 단순하다

오차범위(Margin of Error) = z × √( p(1-p) / n )

z : 신뢰수준에 해당하는 표준정규분포 값
    90% → 1.645
    95% → 1.96
    99% → 2.576
p : 모비율(모르니까 보통 0.5로 둠)
n : 표본 크기

자, 실제로 n = 1,000, p = 0.5, z = 1.96을 넣어볼게.

√( 0.5 × 0.5 / 1000 ) = √(0.25 / 1000)
                      = √0.00025
                      = 0.015811...

0.015811 × 1.96 = 0.030990...
                ≈ 0.0310
                = 3.1%p  ✅

봤지?
±3.1%p는 하늘에서 떨어진 게 아니라, 1,000이라는 숫자에서 계산된 필연적인 결과야.
조사기관이 "느낌상 3% 정도?" 하고 정하는 게 절대 아니라는 거지.

3. "95% 신뢰수준"의 진짜 뜻 — 90%가 오해하는 그 문장

이제 진짜 중요한 파트야. 여기서 거의 모든 사람이 헷갈려.

아쉽지만 이건 빈도주의 통계학에서는 틀린 해석이야.
왜냐고? 진짜 지지율(모비율)은 이미 정해져 있는 고정된 상수거든.
확률적으로 움직이는 건 진짜 값이 아니라 우리가 만든 구간이야.

비유로 가보자.
너한테 고리던지기 링이 100개 있어. 말뚝(진짜 지지율)은 땅에 박혀서 안 움직여.
너는 링을 100번 던져. 95번은 말뚝에 걸려.

그럼 방금 던진 그 한 개가 걸렸을까?
이미 던졌으니까 걸렸거나 안 걸렸거나 둘 중 하나야. 확률이 아니라 사실이지.
다만 네 던지기 실력이 95%라는 것만 우리가 알 뿐이야.

4. 표본을 2배 늘리면 오차는 반이 될까?

여기가 이 글의 하이라이트야. 집중해줘.

공식을 다시 보면 n이 루트 안에 들어가 있지?
이게 모든 걸 결정해.

오차 ∝ 1 / √n

n을 4배로 늘려야 → 오차가 1/2
n을 9배로 늘려야 → 오차가 1/3
n을 100배로 늘려야 → 오차가 1/10

즉 표본을 2배(1,000→2,000)로 늘려도
오차는 반토막이 아니라 √2 = 1.414로 나눈 값, 약 29% 감소에 그쳐.

표를 보면 답이 나와.
1,000명에서 2,000명으로 가려면 비용은 2배인데 오차는 0.9%p밖에 못 줄여.
반대로 1,000명에서 400명으로 줄이면 돈은 60% 아끼지만 오차는 1.8%p나 뛰어.

🌏 모집단 크기는 왜 상관없을까

아까 던진 떡밥 회수할 시간.
사실 정확한 공식엔 유한모집단 수정계수(FPC)라는 게 붙어.

FPC = √( (N − n) / (N − 1) )

N = 50,000,000, n = 1,000 일 때
FPC = √( 49,999,000 / 49,999,999 ) ≈ 0.99999

0.99999. 거의 1이지?
곱해도 아무 변화가 없어. 그래서 대부분 생략해.

이게 "국밥 한 솥이든 수영장이든 한 숟갈이면 된다"의 수학적 증명이야.
단, 모집단이 작을 때는 얘기가 달라져.
회사 직원 200명 중 100명을 조사하면 FPC = √(100/199) ≈ 0.709라서
오차가 무려 30%나 줄어들어. 표본이 모집단을 이미 절반이나 먹었으니까.

5. "오차범위 내 접전" — 이 말이 진짜 의미하는 것

선거철마다 나오는 그 표현. 이제 제대로 해석해보자.

여기서 또 하나 알아둘 게 있어.
사실 두 후보의 차이를 검정할 때는 개별 오차범위보다 더 엄격한 기준이 필요해.

왜냐하면 A가 올라가면 B는 내려가는 음의 상관관계가 있고,
차이(A−B)의 표준오차는 개별 표준오차보다 크거든.

차이의 오차범위 ≈ 2 × (개별 오차범위) 에 가까움
(정확히는 1.7~2배 사이, 지지율 분포에 따라 달라짐)

즉 ±3.1%p 조사에서 두 후보 격차가
5~6%p는 나야 "유의미한 차이"라고 말할 수 있다

6. 표본오차보다 무서운 것: 비표본오차

여기서 반전.
지금까지 얘기한 ±3.1%p는 표본오차(sampling error)야.
즉 "우연히 표본을 잘못 뽑아서 생기는 오차"만 계산한 거지.

그런데 현실의 여론조사가 틀리는 진짜 이유는 대부분 비표본오차야.
그리고 이건 수식으로 계산조차 안 돼.

😵 비표본오차 4대 빌런

7. 중심극한정리 — 이 모든 마법의 엔진

"근데 왜 하필 정규분포야? 왜 1.96이야?"
이 질문에 답하려면 통계학 최고의 정리를 소환해야 해.

이게 왜 대단하냐면,
우리는 국민 개개인의 의견이 어떤 분포를 가지는지 전혀 몰라.
근데 1,000명씩 뽑아서 평균 낸 값들의 분포는 반드시 종 모양이 된다는 거야.

지지한다/안 한다는 0과 1뿐인 베르누이 분포인데,
1,000명분을 모으면 정규분포 모양으로 수렴해. 신기하지?

그리고 정규분포에서는 다음이 성립해.

평균 ± 1.00σ  → 약 68.3% 포함
평균 ± 1.645σ → 약 90.0% 포함
평균 ± 1.96σ  → 약 95.0% 포함  ← 우리가 쓰는 값
평균 ± 2.576σ → 약 99.0% 포함
평균 ± 3.00σ  → 약 99.7% 포함

그러니까 1.96은 "정규분포 면적의 95%를 담아내는 좌우 폭"이라는,
수학적으로 딱 정해진 값이야. 협상의 여지가 없어.

8. 직접 계산해보기 — 손으로 익히는 통계

수학은 눈으로 보면 안 늘어. 직접 넣어봐야 해.
간단한 계산 3개만 같이 해보자.

🧮 문제 1. 오차 ±2%p를 원하면 몇 명?

0.02 = 1.96 × √(0.25 / n)
0.02 / 1.96 = √(0.25 / n)
0.010204 = √(0.25 / n)
0.00010412 = 0.25 / n
n = 0.25 / 0.00010412
n ≈ 2,401 명

±3.1%p에서 ±2%p로 가려면 1,000명 → 2,400명.
2.4배 비용을 써야 1.1%p 개선돼. 이게 1/√n의 냉정함이야.

🧮 문제 2. 지지율이 20%일 때 실제 오차는?

p = 0.2, n = 1000
√(0.2 × 0.8 / 1000) = √(0.16/1000) = √0.00016 = 0.012649
0.012649 × 1.96 = 0.0248 → ±2.5%p

발표된 ±3.1%p보다 실제로는 더 정확하지?
지지율이 50%에서 멀어질수록 그 항목의 실제 오차는 작아져.
3~5% 지지율 군소후보의 오차는 ±1.3%p 수준까지 떨어져.

🧮 문제 3. 지역별로 쪼개면?

전국 1,000명 조사에서 "대전·세종·충청" 응답자는 대략 100명 남짓이야.

n = 100 일 때
1.96 × √(0.25/100) = 1.96 × 0.05 = 0.098 → ±9.8%p

기초 수학 개념 하나가 뉴스 해석력을 완전히 바꿔놓지?
이런 식으로 수식 하나가 세상을 읽는 도구가 되는 경험,
재능넷의 '지식인의 숲'에서 다루는 콘텐츠들이 지향하는 지점이기도 해.

9. 실전 체크리스트 — 여론조사 기사를 만났을 때

10. 정리 — 숫자를 의심하되, 통계를 믿는 법

오늘 우리가 확인한 것들을 압축해볼게.

통계는 거짓말하는 도구가 아니야.
오히려 "내가 이만큼 모른다"를 숫자로 정직하게 고백하는 기술이지.

오차범위를 붙인다는 건, 조사기관이 이렇게 말하는 거야.
"제 추정치는 45%입니다. 근데 제가 완벽하진 않아서, 3.1%p 정도는 빗나갈 수 있어요."

이 겸손함을 이해하는 순간,
너는 뉴스 헤드라인의 숫자에 휘둘리지 않는 사람이 돼.

앞으로 여론조사 기사를 보면 반드시 아래로 스크롤해봐.
회색 작은 글씨로 적힌 표본 수와 오차범위.
거기에 그 기사의 진짜 신뢰도가 적혀 있으니까.

제곱근 하나, 이차함수 하나, 정규분포 하나.
기초 수학 세 조각만으로 우리는 보이지 않는 5,000만 명의 마음을 추정해.
수학이 왜 실용적이냐고 묻는 친구가 있다면, 이 얘기를 들려주면 돼.

다음에 국밥 먹을 땐 한 숟갈 뜨면서 중심극한정리를 떠올려봐.
그럼 그날부터 넌 통계를 이해한 사람이야. 😎