동전을 백 번 던졌을 때, 그중 육십 번이 같은 면이 나왔다고 하자. 어떤 사람은 동전에 문제가 있다고 생각하고, 또 어떤 사람은 이것이 그저 평범한 변동일 뿐이라고 생각한다.
두 판단 모두 상당한 확신을 가지고 말할 수 있다. 정말 어려운 부분은 자신의 근거를 어떻게 설명하느냐이다. 동전이 공정하다면 이런 결과는 얼마나 드문가? 던지는 방식은 일정한가? 관찰을 새로 바꾸면 비율은 어떻게 달라지는가?
EvoClass의 MATH003 《확률과 통계: 불확실성의 과학》은 대학 입문 수준의 강좌로, 현재 열한 개의 차시로 구성되어 있으며, 강좌 설명에서는 1년 과정의 미적분 기초를 요구한다. 이 강좌는 확률 모형, 확률변수, 표본분포, 통계적 추론을 서로 연결하여, 학습자가 "이상해 보이는 것"을 논의하고 검증할 수 있는 문제로 바꾸도록 돕는다.
우연이라고 판단하기 전에, 무엇이 무작위로 변하는지 먼저 밝혀야 한다
"확률은 반"이라는 한마디 뒤에는 명확한 시행과 사건이 필요하다. 어느 면을 관찰하는가? 어떻게 던지는가? 연속된 결과들을 서로 독립이라고 볼 수 있는가? 이런 조건이 모호하다면, 이후의 계산은 다른 질문에 답하고 있을 수 있다.
Lesson 1: 확률 모형 기초는 직관에서 출발하여 표본공간, 사건, 조건부확률, 독립성으로 나아간다.
강의 자료에 나오는 두 색 카드 문제는 특히 스스로를 되새기기에 좋다. 새로운 정보를 하나 얻은 뒤에도 남은 가능성들이 여전히 같은 확률을 갖는다고 단정할 수는 없다. 직관은 금세 몇 가지 선택지로 나누지만, 모형은 각 선택지가 어떻게 관찰되었는지를 계속 따져 묻는다.
이것이 확률 언어의 가치이기도 하다. 확률 언어는 양측이 먼저 논의의 대상을 맞추고, 그다음 각자의 추론을 비교하게 하며, "내 생각에는"이라는 말 사이를 오가지 않게 한다.
하나의 표본으로 계산한 숫자도 변한다
육십 번의 앞면은 이번 백 번의 시행 결과다. 다시 백 번을 한다면 결과는 보통 그대로 나오지 않는다. 표본 비율, 표본 평균 같은 통계량도 표본에 따라 달라진다.
Lesson 4: 표본분포와 극한정리에서 강좌는 통계량 자체를 확률변수로 분석하고, 큰 수의 법칙, 중심극한정리, 오차와 표본 크기를 다룬다.
이로써 문제는 "이번 비율은 얼마인가"에서 "이 모형 아래에서 이런 비율은 어떻게 변동할 수 있는가"로 옮겨간다. 그때서야 하나의 결과는 비교할 수 있는 배경을 갖게 된다.
표본 크기를 늘리면 흔히 무작위 오차를 줄일 수 있지만, 표집 과정은 여전히 점검해야 한다. 관찰 대상이 계속 특정 부류에 치우쳐 있다면, 기록을 더 많이 쌓는 것은 편향을 더 안정적으로 반복하는 일일 뿐일 수 있다.
데이터에서 결론으로 나아가려면 추론 방법을 밝혀야 한다
확률 모형은 나타날 수 있는 데이터를 논의하도록 돕고, 통계적 추론은 이미 관찰된 데이터에서 출발하여 알려지지 않은 메커니즘이나 모수를 연구한다.
Lesson 5: 통계적 추론 기초는 표본, 모형, 추론을 연결한다. 여기서 연습해야 할 것은 어떤 내용이 관찰에서 비롯되었고, 어떤 내용이 추가 가정에 의존하는지를 구분하는 일이다.
계속해서 Lesson 7: 베이즈 통계적 추론으로 나아가면, 사전분포, 우도, 사후분포가 "새로운 데이터를 본 뒤 판단을 어떻게 갱신할 것인가"를 명확하게 표현하는 방식을 제공한다. 갱신된 판단은 관측 데이터와 채택한 사전분포에 동시에 의존하므로, 학습할 때는 이러한 선택이 미치는 영향도 점검해야 한다.
추론 방법마다 각자의 조건과 해석이 있다. 이런 조건을 이해하는 것이 하나의 숫자를 최종 판결로 여기는 것보다 더 도움이 된다. 동전 예시의 육십 번 앞면은 그 자체로는 완전한 분석을 대신해 주지 못한다.
정확하게 계산한 뒤에, 모형이 적합한지 점검한다
만약 일부 시행이 다른 장치로 이루어졌거나 던지는 방식이 중간에 바뀌었다면, 모든 기록을 하나의 안정된 과정으로 보는 것은 다시 고려해야 한다.
Lesson 9: 모형 점검과 진단은 관심을 모수 추정에서 모형 점검으로 옮긴다. 잔차, 적합도 점검, 교차검증 등의 주제는 학습자가 가정과 데이터 사이에 아직 설명되지 않은 차이를 찾도록 돕는다.
스스로 작은 연습을 해 볼 수 있다. 먼저 데이터가 어떻게 생성되었는지 적고, 이어서 어떤 모형을 사용할 것인지 밝히고, 마지막으로 어떤 관찰이 이 모형을 의심하게 만들지 나열하는 것이다. 당장 복잡한 계산을 하지 않더라도, 이 세 단계만으로 하나의 판단은 더 분명해질 수 있다.
글에 나오는 동전 상황은 실험 결론을 제시하는 것이 아니라, 이 사고의 경로에 출발점을 제공한다. MATH003 강좌 페이지에서 확률, 표집, 추론을 따라 더 깊이 들어갈 수 있다.
어떤 결과가 유난히 눈에 띌 때에는 한 걸음 더 살펴볼 만하다. 그것은 어떤 조건에서 나타났는가? 어떻게 변동할 수 있는가? 아직 배제되지 않은 다른 설명은 무엇인가? 불확실성에 대한 이해는 이런 질문에서 시작된다.
이 글은 EvoClass의 현재 강좌 개요와 강의 자료를 바탕으로 정리되었으며, 차시 링크는 영어 자료를 가리킨다. 동전 데이터는 설정된 교육용 예시로, 실험이나 이를 근거로 한 가설 검정은 수행되지 않았다. 강좌는 미적분 기초를 다루며, 대학 수준에 맞추어 차례로 학습하기에 적합하다.