권세혁HOME
  • about & me
  • SDV(데이터 가치화)
  • 강의노트
    • 기초수학·수리통계·조사방법
    • 기초통계·회귀·다변량분석
    • 머신러닝·딥러닝
    • AI·감성분석
  • 통계챗봇
  • 오늘의 검색 트렌드
  • 통계, 다르게 읽기
  • 통계로 보는 세상(티스토리 e책방)
  • AI_플랫폼(주식 매수 점수)
  • 유튜브
  1. 📖 (공식 통계 숫자 읽는 법) 평균수명 60세 시대의 오해 — 기대수명이라는 숫자의 함정
  • 📋 전체 목록

  • 📖 (비율과 백분율의 함정) 인구 1만 명당 범죄율을 사용하는 이유
  • 📖 (비율과 백분율의 함정) 위험이 두 배 증가했다는 뉴스는 얼마나 위험한가?
  • 📖 (비율과 백분율의 함정) 지지율 3% 상승인가, 3%포인트 상승인가?
  • 📖 (비율과 백분율의 함정) 매출이 50% 늘었다는 말에 속지 않는 법
  • 📖 (숫자를 대표하는 방법) 같은 평균, 전혀 다른 세상
  • 📖 (숫자를 대표하는 방법) 연봉은 평균보다 중앙값으로 보아야 하는 이유
  • 📖 (숫자를 대표하는 방법) 우리 반 평균이 올랐는데 학생들은 왜 불만일까?
  • 📖 (숫자를 대표하는 방법) 별점 4.5점짜리 식당은 믿을 만한가?
  • 📖 (숫자를 대표하는 방법) 내 체온 36.5도는 정말 정상인가?
  • 📖 지각하는 사람들의 비밀
  • 📖 대기 시간의 비밀
  • 📖 평균의 함정
  • 📖 p-값은 왜 0.05인가?
  • 📖 카톡 답장 속도와 호감도의 통계학
  • 📖 (그래프는 어떻게 우리를 속이는가) 막대그래프의 축을 자르면 차이가 커진다
  • 📖 (그래프는 어떻게 우리를 속이는가) 두 개의 세로축이 만드는 가짜 상관관계
  • 📖 (그래프는 어떻게 우리를 속이는가) 누적그래프는 왜 항상 좋아 보일까?
  • 📖 (그래프는 어떻게 우리를 속이는가) 선형 눈금과 로그 눈금은 무엇이 다른가?
  • 📖 (그래프는 어떻게 우리를 속이는가) 좋은 그래프는 무엇을 숨기지 않는가?
  • 📖 (사람의 직관은 왜 통계와 충돌하는가) 농구에서 ’슛 감각이 올랐다’는 말은 사실일까?
  • 📖 (사람의 직관은 왜 통계와 충돌하는가) 동전이 다섯 번 앞면이면 다음은 뒷면일까?
  • 📖 (사람의 직관은 왜 통계와 충돌하는가) 성공한 사람만 보면 성공법이 보이지 않는다
  • 📖 (사람의 직관은 왜 통계와 충돌하는가) 시험을 망친 다음 점수가 오르는 이유
  • 📖 (사람의 직관은 왜 통계와 충돌하는가) 기억에 잘 남는 사건이 더 자주 일어난다고 느끼는 이유
  • 📖 (기록의 착시, 대표값의 재발견) 연승과 연패, 우연일까 실력일까
  • 📖 (기록의 착시, 대표값의 재발견) 작은 표본이 만드는 큰 착각 — 야구 타율 3할의 의미
  • 📖 (기록의 착시, 대표값의 재발견) 세대별 평균이 말해주는 진짜 의미 — 평균 키가 자라는 이유
  • 📖 (기록의 착시, 대표값의 재발견) 평균으로 설명되지 않는 데이터들 — 최빈값이 필요한 순간
  • 📖 (기록의 착시, 대표값의 재발견) 평균의 함정 총정리 — 평균 수심 1m 강물이 위험한 이유
  • 📖 (흩어짐과 역설) “보통”의 폭을 재는 법 — 표준편차란 무엇인가
  • 📖 (흩어짐과 역설) 재벌 총수가 낀 동네 평균 소득 — 이상치 하나가 바꾸는 평균
  • 📖 (흩어짐과 역설) 입시에서 표준점수를 쓰는 이유 — 편차값의 비밀
  • 📖 (흩어짐과 역설) 단위가 다른 두 집단을 견주는 법 — 변동계수로 비교하기
  • 📖 (흩어짐과 역설) 부분에서 이기고도 전체에서 지는 이유 — 심슨의 역설
  • 📖 (숫자로 사람을 줄 세우는 법) 숫자 하나로 사회를 요약하기 — 지니계수로 읽는 불평등
  • 📖 (숫자로 사람을 줄 세우는 법) 어느 쪽이 더 공정할까 — 상대평가 vs 절대평가
  • 📖 (숫자로 사람을 줄 세우는 법) 1점 차이가 갖는 진짜 무게 — 순위의 착시
  • 📖 (숫자로 사람을 줄 세우는 법) 5.0과 4.8 사이, 표본크기의 문제 — 별점 평균의 함정
  • 📖 (숫자로 사람을 줄 세우는 법) 별점 대신 순위를 매기는 이유 — 넷플릭스 평점 시스템
  • 📖 (공식 통계 숫자 읽는 법) 평균수명 60세 시대의 오해 — 기대수명이라는 숫자의 함정
  • 📖 (공식 통계 숫자 읽는 법) 나만의 장바구니 물가지수 — 체감 물가와 통계 물가
  • 📖 (공식 통계 숫자 읽는 법) 누구를 세고 누구를 빼는가 — 실업률의 숨은 정의
  • 📖 (공식 통계 숫자 읽는 법) 분모가 다르면 결론도 다르다 — 치명률 숫자 읽는 법
  • 📖 (공식 통계 숫자 읽는 법) 인과추론 감각을 기르는 법 — 미신적 상관관계 모음

목차

  • 1970년에는 정말 62세에 다들 세상을 떠났을까
  • 기대수명은 “그 해에 태어난 아기”를 기준으로 한 숫자다
  • 더 깊이: 기대수명은 결국 기댓값이다
  • SDV 관점: 기대수명 숫자를 결정으로 연결하기
  • 결론: 헤드라인 숫자 하나로 세대를 판단하지 말자

(공식 통계 숫자 읽는 법) 평균수명 60세 시대의 오해 — 기대수명이라는 숫자의 함정

통계기초
기술통계
1970년 한국인의 기대수명은 62.3세였다. ’그 시절엔 환갑만 넘겨도 장수했다’는 이미지가 여기서 나온다. 그런데 그해 65세까지 살아남은 사람은 평균 75세 넘게 살 것으로 이미 기대됐다. 기대수명이라는 숫자가 실제로 무엇을 요약하는지, 그리고 그 숫자를 어떻게 결정에 쓸 가치로 바꿀지 살펴본다.
Author

권세혁

Published

September 14, 2026

1970년에는 정말 62세에 다들 세상을 떠났을까

국가데이터처(옛 통계청)가 매년 발표하는 생명표를 보면, 1970년 한국인의 기대수명은 62.3세(남자 58.7세, 여자 65.6세)였다. 2024년 출생아의 기대수명은 83.7세(남자 80.8세, 여자 86.6세)로, 53년 만에 21.4년이 늘었다. 이 숫자를 보면 “옛날엔 환갑(60세)만 넘겨도 동네잔치를 벌일 만큼 장수였다”는 이미지가 자연스럽게 떠오른다. 그런데 이 이미지는 절반만 맞다.

Korea’s life expectancy at birth, at the milestones officially recorded by the national statistics agency: it first passed 70 in 1987, 75 in 1998, 80 in 2009, and 83 in 2019, reaching 83.7 in 2024.

기대수명은 “그 해에 태어난 아기”를 기준으로 한 숫자다

기대수명(출생 시 기대여명)은 그 해의 연령별 사망률을 그대로 유지한다고 가정했을 때, 막 태어난 아기가 평균적으로 몇 살까지 살 것으로 기대되는가를 계산한 값이다. 문제는 1970년의 영유아·어린이 사망률이 지금과는 비교가 안 될 만큼 높았다는 데 있다. 한 살도 안 돼 세상을 떠나는 아기가 적지 않던 시절이었다. 평균을 계산할 때, 0세나 1세에 사망한 사례 하나는 80세에 사망한 사례보다 훨씬 더 큰 폭으로 평균을 끌어내린다 — 이상치 하나가 바꾸는 평균 글에서 살펴본 것과 똑같은 산술이다. 다만 이번엔 극단적으로 큰 값이 아니라 극단적으로 작은 값이 평균을 끌어내리는 방향이라는 차이가 있을 뿐이다.

그렇다면 진짜 궁금한 질문은 이거다. 1970년에 이미 성인이 된 사람들, 즉 영유아기를 무사히 넘긴 사람들은 실제로 몇 살까지 살았을까?

Two different gaps between 1970 and today. The gap in life expectancy AT BIRTH (21.4 years) is more than double the gap in remaining life expectancy for someone who had already reached age 65 (9.1 years, comparing 1970 to 2022). Most of the dramatic rise in the headline number reflects fewer infant and child deaths being averaged in - not a proportional extension of old age itself.

1970년 통계를 보면, 그해 65세였던 사람은 평균 10.2년을 더 살 것으로 기대됐다 — 즉 75세 무렵까지다. 2022년 기준 65세인 사람은 평균 19.3년을 더 살 것으로 기대된다 — 84세를 넘긴다. 65세를 기준으로 보면 반세기 동안 늘어난 수명은 9.1년이다. 반면 “기대수명”이라는 헤드라인 숫자는 같은 기간 21.4년이 늘었다. 이 두 숫자의 차이(21.4년 vs 9.1년) 대부분은, 노년의 수명이 극적으로 늘어서가 아니라 애초에 노년까지 살아남는 사람의 비율 자체가 크게 늘었기 때문이다.

기대수명을 읽는 법
  1. “기대수명”은 항상 “그 해에 태어난 아기” 기준이다. 이미 나이가 든 사람에게는 다른 숫자(연령별 기대여명)가 적용된다.
  2. 과거의 짧은 기대수명은 대부분 높은 영유아 사망률 때문이지, 노인들이 일찍 죽어서가 아니다.
  3. 은퇴·연금 설계에는 출생 시 기대수명이 아니라, 현재 자신의 나이에서의 기대여명을 써야 한다.

더 깊이: 기대수명은 결국 기댓값이다

강의노트 〈수리통계학 4. 기대값 — 기대값 정의〉는 확률변수 \(X\)의 기댓값을 \(E(X) = \sum_x x \cdot P(X=x)\)(이산형)로 정의한다. 기대수명은 정확히 이 정의를 따른다 — 사망 나이를 확률변수로 보고, 그 해의 연령별 사망 확률을 가중치 삼아 계산한 가중평균이다. 사망 확률이 0세·1세에 몰려 있던 시절에는, 그 어린 나이가 기댓값 계산식에서 큰 가중치를 차지하며 전체 평균을 끌어내렸다. 오늘 우리가 확인한 오해는, 결국 “가중평균이 어떻게 계산되는지”를 놓쳐서 생긴 것이다.

SDV 관점: 기대수명 숫자를 결정으로 연결하기

기대수명 83.7세라는 숫자 자체는 국가데이터처가 매년 계산해 발표하는 요약(기술통계, 1단계)이다. 오늘처럼 그 숫자 뒤에 숨은 연령별 기대여명까지 뜯어보는 건 추론(2단계)의 영역이다. 그런데 제가 제안하는 SDV(통계적 데이터 가치화, Statistical Data Valorization)의 관점에서 보면, 진짜 중요한 질문은 그다음이다 — “이 숫자로 무엇을 설계할 것인가?” 국민연금 수급 개시 연령을 몇 세로 정할지, 정년을 몇 세로 늘릴지, 의료·요양 예산을 어느 연령대에 얼마나 배분할지는 모두 “기대수명 83.7세”가 아니라 “65세의 기대여명 19.3년”을 근거로 설계해야 한다. AI가 이런 숫자를 순식간에 계산하고 표로 정리해주는 시대일수록, 통계학자의 일은 계산이 아니라 이 숫자가 만들어낼 가치의 방향을 설계하는 것이다 — 저는 이 역할을 Value Architect라 부른다. (about SDV & me에 이 프레임워크를 더 자세히 정리해두었다.)

결론: 헤드라인 숫자 하나로 세대를 판단하지 말자

나는 학생들에게 “옛날 사람들은 60세만 돼도 노인 대접을 받았다”는 말을 들으면 이렇게 되묻는다. “그 60이라는 숫자, 태어난 아기 기준이에요, 아니면 그 나이까지 살아남은 사람 기준이에요?” 같은 통계라도 어느 지점에서 계산을 시작하느냐에 따라 완전히 다른 이야기를 들려준다. 공식 통계를 읽을 때 가장 먼저 확인할 것은 숫자의 크기가 아니라, 그 숫자가 누구를 기준으로, 어디서부터 요약한 값인지다.

참고 자료
  • 2024년 생명표 — 대한민국 정책브리핑
  • 한국 기대수명 53년 — 1970년 62.3세에서 2023년 83.5세로 — DataFact
  • 기대수명 마일스톤 — DataFact
 
 

방문자 수 since 2026.08.08