직관 — 동네 전체를 대표할 네 사람
동네 주민이 버스 정류장까지 얼마나 걷는지 알고 싶다. 정류장 앞에서 만난 사람만 물으면 가까이 사는 주민을 더 자주 만날 수 있다. 몇 명에게 물을지와 누구를 뽑을지는 함께 정해야 한다.
통계적 탐구에서 정한 질문에는 조사 대상의 경계가 필요하다. 동네 주민 전체가 모집단, 실제로 뽑아 조사하는 주민이 표본이다. 같은 질문이라도 표본을 뽑는 방법에 따라 결론을 전체에 적용할 근거가 달라진다.
모집단은 결론을 말하려는 전체다
모집단과 표본은 크기만 다른 두 명단이 아니다. 모집단은 알아보려는 대상 전체이고, 표본은 그 전체에서 조사하려고 추출한 일부다. 누구를 포함할지, 어느 시점을 기준으로 할지 먼저 정한다. ‘우리 동네 사람’ 대신 ‘조사일 기준 이 구역에 거주하는 성인’처럼 경계를 적는다.
전체를 조사하면 전수조사, 일부를 뽑아 조사하면 표본조사다. 표본조사는 시간과 비용을 줄일 수 있지만 일부에서 전체를 추정하는 불확실성이 생긴다. 전수조사도 응답 누락이나 잘못된 측정까지 자동으로 없애지는 못한다.
| 기호 | 이름 | 원어 | 뜻 |
|---|---|---|---|
| 모집단의 크기 | population size | 유한한 모집단의 대상 수 | |
| 표본의 크기 | sample size | 표본으로 뽑은 대상 수 | |
| 모평균 | population mean | 모집단의 수량을 평균한 값 | |
| 표본평균의 관측값 | sample mean | 실제 뽑힌 자료의 평균 | |
| 모비율 | population proportion | 모집단에서 특정 조건을 만족하는 비율 |
교과서는 모평균을 으로 쓴다. 이 페이지의 와 같다. 이 페이지의 ‘표본 수’는 한 표본에 든 대상 수, 곧 교과서의 ‘표본의 크기’ 이다. 표본을 몇 번 다시 뽑았는지와는 다르다.
표본조사가 필요한 세 가지 경우
전수조사가 가능하고 비용이 크지 않으면 전수조사가 낫다. 그러나 조사하면 대상이 망가지거나, 모집단이 너무 크거나, 결과가 빨리 필요하면 표본조사를 고른다. 아래 표는 이 판단을 세 상황에 적용한 것이다.
| 조사 | 알맞은 방법 | 이유 |
|---|---|---|
| 우리 반 30명의 혈액형 | 전수조사 | 대상이 적어 모두 확인할 수 있다 |
| 공장에서 만든 전구의 수명 | 표본조사 | 수명을 재면 전구를 다 써 버린다 |
| 전국 고등학생의 하루 수면 시간 | 표본조사 | 모두 묻기에는 시간과 비용이 너무 크다 |
실제 추출에 쓰는 명단을 표본틀이라 한다. 주민 전체가 모집단인데 특정 앱 가입자 명단만 쓰면 가입하지 않은 주민은 처음부터 빠진다. 추출 프로그램이 공정해도 불완전한 명단의 누락은 고쳐지지 않는다. 이 누락이 평균을 얼마나 바꾸는지는 아래 ‘선택 편향’ 절에서 수로 확인한다.
전체 평균과 한 표본의 평균은 다를 수 있다
설명을 위해 주민 12명의 도보 시간을 다음처럼 만든다. 실제 주민을 조사한 자료가 아니라, 모집단을 전부 알 수 있도록 구성한 가상 자료다. 번호는 식별표이며 시간의 단위는 분이다.
| 번호 | 1 | 2 | 3 | 4 | 5 | 6 |
|---|---|---|---|---|---|---|
| 시간 | 5 | 8 | 10 | 12 | 15 | 18 |
| 번호 | 7 | 8 | 9 | 10 | 11 | 12 |
| 시간 | 20 | 22 | 25 | 28 | 30 | 35 |
전체 시간의 합은 228이므로 모평균은 19분이다. 가능한 표본 한 가지인 번호 2·5·8·11을 골랐다면 평균은 다음과 같다.
그림 1의 네 대상은 이 계산을 보여 주기 위해 고른 예시다. 이 한 표본의 평균이 전체 평균에 가깝다는 사실만으로 추출 절차가 공정하다고 판단하지 않는다. 반대로 올바른 추출로 얻은 표본도 우연히 모평균에서 멀어질 수 있다. 모평균은 하나로 정해진 값이고, 표본평균은 어떤 표본을 뽑았느냐에 따라 달라지는 값이다.
figures/population_sample.py단순임의추출은 모든 같은 크기의 조합을 공평하게 뽑는다
교과서는 모집단의 각 대상이 표본에 포함될 확률이 모두 같도록 뽑는 방법을 임의추출이라 한다. 임의추출로 얻은 표본은 임의표본이다. 특별한 말이 없으면 교과서의 ‘표본’은 임의표본을 뜻한다. 마음에 드는 사람을 ‘임의로’ 고른다는 일상어와 다르다.
이 글은 임의추출의 구체적 방법으로 단순임의추출을 다룬다. 복원 없이 명 중 명을 뽑을 때, 가능한 크기 의 모든 표본이 같은 확률로 선택되는 방법이다. 제비뽑기나 난수로 번호를 뽑는 실제 절차가 이 조건을 만족하며, 각 대상의 포함 확률도 저절로 같아진다.
예를 들어 4명 중 2명을 뽑는 가능한 조합은 6가지다. 여섯 조합에 각각 같은 확률을 주어야 한다.
번호표를 같은 모양으로 만들고 충분히 섞은 뒤 두 장을 되돌려 넣지 않고 뽑는 방법이 이에 해당한다. 특정 첫 번호와 둘째 번호가 나올 확률은 이다. 그림 2의 파란 두 칸처럼 한 조합에는 두 순서가 있으므로 이다. 순서를 구별해 뽑아도 마지막에 순서를 지우면 조합을 공평하게 얻는다.
figures/ordered_pairs_grid.py각 사람이 뽑힐 확률만 같으면 단순임의추출인가?
아니다. 각 사람의 포함 확률이 같다는 것은 교과서가 말하는 임의추출의 조건이고, 단순임의추출은 같은 크기의 모든 조합까지 같은 확률이어야 한다. 동전을 던져 앞면이면 , 뒷면이면 를 뽑으면 각 사람의 포함 확률은 이지만 같은 네 조합은 뽑히지 않는다. 명부에서 일정한 간격으로 뽑는 계통추출도 같은 경우다.
복원추출과 비복원추출은 무엇이 다른가
복원추출은 한 번 뽑은 대상을 되돌려 놓고 다음을 뽑아 같은 대상이 다시 뽑힐 수 있다. 비복원추출은 되돌려 놓지 않아 중복이 없다. 그림 2에서 4명 중 2명을 순서대로 뽑으면 복원추출은 가지, 비복원추출은 가지다.
복원추출은 매번 같은 명단에서 뽑으므로 각 회의 결과가 서로 독립인 모형을 만들기 쉽다. 비복원추출은 앞서 뽑은 대상에 따라 남은 명단이 달라진다. 다음 글들의 표본평균·표본비율 공식은 복원추출, 곧 독립 추출 모형에서 세운다.
교과서는 모집단이 표본에 비해 매우 크면 비복원추출도 복원추출로 볼 수 있다고 한다. 복원추출로 번 뽑았을 때 중복이 하나도 없을 확률을 보면 이유가 보인다. 12명 중 4명을 복원추출하면 다음과 같다.
12명에서는 복원추출 표본의 약 43%에 중복이 생겨 두 추출이 꽤 다르다. 중복이 없는 복원추출 표본은 비복원추출 표본과 같은 꼴이다. 1000명 중 4명을 복원추출하면 그럴 확률이 약 0.994이므로 두 추출을 거의 구별할 수 없다.
공학 도구로 번호를 뽑고 조사 절차를 점검한다
난수표나 난수 생성기로 번호를 정할 때는 명단 범위 밖의 수와 이미 나온 번호를 건너뛴다. 번호 1~12에서 네 명을 뽑는데 두 자리씩 읽은 수가 07, 45, 12, 07, 03, 98, 11이라 하자. 45와 98은 범위 밖, 두 번째 07은 중복이므로 버리고 7·12·3·11번을 뽑는다. 이 표본의 평균은 분이다.
GeoGebra Classic의 그래픽 계산기 입력창에 아래 명령을 한 줄씩 넣는다. 첫 명령은 번호 1부터 12까지 명단을 만들고, 둘째 명령은 중복 없이 네 번호를 뽑는다. false는 뽑은 대상을 되돌려 넣지 않는다는 뜻이다.
ids=Sequence(k,k,1,12)
pick=Sample(ids,4,false)
출력은 실행마다 달라질 수 있다. 네 번호가 모두 1~12 범위인지, 중복은 없는지 확인하고 위 표에서 시간을 찾아 평균을 계산한다. 다시 추출하면 같은 크기라도 번호와 평균이 달라질 수 있다. 조사 계획서에는 명단의 기준일, 뽑은 번호, 추출 방법, 응답하지 않은 대상도 기록하자.
응답하지 않은 사람을 임의의 친구로 바꾸면 처음의 추출 원리가 유지되지 않는다. 대체 방법이 필요하면 조사 전에 정해 두고, 무응답 수도 함께 보고한다.
상황에 맞는 표본추출 방법은 어떻게 고를까?
단순임의추출이 기본이고, 명단의 구조를 알면 다른 확률적 방법을 고를 수 있다. 공통점은 누가 뽑힐지를 조사자가 아니라 정해 둔 확률 절차가 정한다는 것이다.
| 방법 | 절차 | 알맞은 상황 | 조심할 점 |
|---|---|---|---|
| 단순임의추출 | 명단 전체에서 제비뽑기·난수로 뽑는다 | 명단이 있고 특별한 구조가 없다 | 작은 집단이 우연히 적게 뽑힐 수 있다 |
| 층화임의추출 | 집단(층)을 나누고 층마다 따로 뽑는다 | 학년·지역처럼 성질이 다른 집단이 섞여 있다 | 층의 크기를 반영해 전체를 계산한다 |
| 계통추출 | 무작위 시작점부터 일정 간격으로 뽑는다 | 긴 명단이나 생산 순서에서 빠르게 뽑는다 | 명단에 간격과 맞는 주기가 있으면 치우친다 |
표본 수를 늘리면 선택 편향도 사라질까?
사라지지 않는다. 표본 수를 늘리면 표본마다 평균이 달라지는 정도는 줄지만, 특정 대상이 빠지는 치우침은 그대로 남는다. 같은 추출 방법에서도 표본이 달라져 생기는 차이를 표본추출의 우연한 변동이라 한다. 특정 대상이 계속 빠지거나 더 쉽게 선택되어 한쪽으로 치우치는 것은 선택 편향이다.
위 가상 자료에서 가장 가까운 네 명만 고르면 평균은 분이다. 그림 3처럼 이 절차로는 먼 주민의 시간을 알아낼 수 없다. 정류장 앞에서 만난 사람만 묻는 조사가 바로 이런 모양이다.
figures/sampling_bias.py이번에는 무작위로 뽑되 표본틀이 1~8번 주민의 명단뿐이라 하자. 정류장 근처 단지의 명단만 구해 먼 곳의 9~12번이 빠진 경우다. 명단에서 단순임의추출을 해도 평균의 중심은 틀 안 8명의 평균이다.
그림 4는 크기 4인 가능한 표본을 전부 셌을 때의 평균 분포다. 12명 전체에서 뽑은 495개 표본의 평균은 19를 중심으로 흩어지고, 그 평균들의 평균은 정확히 19다. 1~8번 명단에서 뽑은 70개 표본은 평균이 모두 19보다 작고 최댓값도 18.75다. 표본 수를 8로 늘려 명단 전체를 조사해도 식 (4)의 13.75분에 머문다.
figures/srs_vs_frame_means.py그림 4의 위 분포는 표본마다 다른 결과가 나오는 우연한 변동을, 아래 분포의 치우침은 선택 편향을 보여 준다. 그림처럼 전체 분포를 아는 연습에서는 치우침을 직접 볼 수 있다. 현실에서는 모평균을 모르므로 결과가 그럴듯한지를 넘어, 명단과 응답 과정에서 누가 빠졌는지 검토해야 한다.
자발적으로 답한 사람이 많으면 대표성이 보장되는가?
아니다. 관심이 많은 사람만 응답했다면 그 경향이 큰 표본에도 남을 수 있다. 그림 4의 표본틀처럼 1~8번만 응답에 참여하면 8명 전원이 답해도 평균은 13.75분이다. 전체 명단에서 공정하게 뽑았는지와 응답 누락을 함께 살펴야 한다.
임의표본의 평균은 반드시 모평균과 같은가?
같지 않을 수 있다. 식 (1)의 표본평균은 18.75분이고 모평균은 19분이다. 여러 가능한 표본평균이 어떻게 분포하는지는 표본평균의 분포에서 다루며, 한 번의 일치나 불일치로 조사 방법을 판정하지 않는다.
모집단은 결론을 말하려는 전체이고 표본은 조사할 일부다. 단순임의추출은 같은 크기의 모든 조합에 같은 선택 확률을 주며, 표본 수를 늘려도 명단의 누락과 선택·응답 방식에서 생긴 편향은 줄지 않는다.
모집단과 표본에서 흔히 생기는 오해
- 전수조사는 모든 오류를 없앤다. — 대상을 전부 포함해도 같은 질문을 서로 다르게 해석하거나 시간을 잘못 기록할 수 있다. 대상 선택과 측정의 문제는 별개다.
- 비복원추출도 매번 같은 명단에서 독립적으로 뽑는다. — 첫 번호를 제외하면 다음 명단이 달라진다. 12명 중 4명이면 식 (3)처럼 복원추출과의 차이가 커서, 모집단이 매우 클 때만 복원추출로 볼 수 있다.
- 눈에 띄는 사람을 아무나 고르면 임의추출이다. — 정류장 앞에서 만나는 사람은 가까운 주민일 가능성이 크다. 그림 3의 8.75분처럼, 뽑는 사람의 손이 닿기 쉬운 대상이 표본을 채운다.
직접 해보기
- 재학생 전체의 아침 식사 비율을 알고 싶은데 급식 신청자 명단에서만 학생을 뽑았다. 모집단과 표본틀을 적고 빠지는 대상의 예를 들자.
- 가상 모집단의 자료가 이고 표본으로 을 뽑았다. 모평균과 표본평균을 구하자.
- 다섯 명 중 두 명을 뽑는다. 순서를 구별한 복원추출의 가능한 결과 수를 구하자. 또 단순임의추출의 가능한 표본 수와 특정 두 명 조합의 확률을 구하자.
- 6명 중 중 하나만 같은 확률로 고른다. 각 개인의 포함 확률과, 단순임의추출이 아닌 이유를 설명하자.
- 번호 01~20인 명단에서 네 명을 뽑으려고 난수를 두 자리씩 읽었더니 18, 25, 03, 18, 00, 11, 07이었다. 뽑히는 번호와 건너뛴 수의 이유를 적자.
답과 풀이
- 모집단은 기준일의 재학생 전체, 표본틀은 급식 신청자 명단이다. 급식을 신청하지 않은 재학생은 포함될 기회가 없다. 신청 여부가 아침 식사와 관련될 수 있으므로 결과를 전체로 넓히는 데 문제가 된다.
- 전체 합은 50이므로 이다. 표본 합은 31이므로 이다. 두 평균은 다른 대상의 평균이다.
- 복원추출은 매번 다섯 명 중 하나이므로 가지다. 단순임의추출은 가지이고, 각 조합의 확률은 이다.
- 각 사람은 세 조합 중 하나에만 들어 있으므로 포함 확률은 이다. 그러나 가능한 조합 가운데 12조합은 확률 0이다. 모든 조합의 선택 확률이 같지 않다.
- 18, 03, 11, 07을 차례로 받아 18·3·11·7번을 뽑는다. 25는 20을 넘고, 00은 명단에 없는 번호이며, 두 번째 18은 이미 뽑힌 번호라서 건너뛴다.
더 읽기
- OpenStax, Introductory Statistics 2e 1.2절 — 같은 크기의 표본들이 같은 선택 확률을 갖는 단순임의추출의 정의와 편의표본의 한계를 읽는다.
- GeoGebra, Sample 명령 — 세 번째 인수가 복원 여부를 정한다. 두 인수만 쓰면 중복이 허용된다는 차이를 확인한다.
영상 노트
- 00:00 동네 조사에서 모집단과 표본틀 구별, 표본조사가 필요한 세 경우
- 01:10 식 (1), 그림 1로 전체 평균과 표본평균 비교
- 02:10 교과서의 임의추출과 단순임의추출, 식 (2)와 그림 2의 순서쌍 격자
- 03:20 복원·비복원 개수 16과 12, 식 (3)으로 큰 모집단의 근사
- 04:20 난수 읽기와 GeoGebra 번호 추출, 추출 방법 비교표
- 05:30 그림 3·4와 식 (4)로 우연한 변동과 선택 편향 구별
- 06:40 새로운 조사 계획과 연습 풀이
지도에서의 위치
- 2026-11-16 · 에이전트 초안 — 교과 정의·일반 근거·예제·그림·새 연습과 접힌 풀이 작성
- 2026-11-17 · 전수 검수 반영 — 교과서 임의추출 정의와 단순임의추출 연결, 표본조사 판단·복원/비복원 개수·큰 모집단 근사·난수 읽기·추출 방법 선택·표본틀 편향 수치 예 보강, 해보기 5문항 (에이전트 수정, 그림 2→4)
- 2026-11-17 · 전수 검수(에이전트 편집·독립 검증) 통과 — 주인 요청으로 완성으로 올림