권세혁HOME
  • 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)
  • 데이터 플랫폼
  • 유튜브
  1. 📖 (표본은 어떻게 전체를 말하는가) 표본의 크기보다 뽑는 방법이 중요하다 — 표본추출 방법의 중요성
  • 📋 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
  • 📖 (확률과 우연의 세계) 23명만 모여도 생일이 겹칠 가능성이 높은 이유 — 생일 문제
  • 📖 (확률과 우연의 세계) 같은 번호가 연속으로 나오면 조작일까? — 독립사건
  • 📖 (확률과 우연의 세계) 무작위 숫자는 왜 고르게 흩어지지 않는가? — 군집 착각
  • 📖 (확률과 우연의 세계) 로또 번호에 명당이 존재할까? — 동일확률과 선택편향
  • 📖 (확률과 우연의 세계) 희귀한 사건이 매일 뉴스에 나오는 이유 — 다중 기회
  • 📖 (확률의 도구들) 확률을 세는 언어 — 표본공간과 사건이란 무엇인가
  • 📖 (확률의 도구들) “적어도 하나”의 확률 — 여사건으로 풀면 쉬워지는 문제
  • 📖 (확률의 도구들) 경우의 수 세기 — 카드 한 장을 뽑을 때 확률 계산법
  • 📖 (확률의 도구들) 오해하기 쉬운 개념 — 독립이라는 것의 진짜 의미
  • 📖 (확률의 도구들) 복권 기댓값으로 알아보기 — 기댓값이란 무엇인가
  • 📖 (분포가 들려주는 이야기) 세상의 모든 데이터는 정규분포일까? — 정규분포 신화와 한계
  • 📖 (분포가 들려주는 이야기) 키는 정규분포에 가깝고 소득은 그렇지 않은 이유 — 분포 모양이 다른 이유
  • 📖 (분포가 들려주는 이야기) 평균에서 세 표준편차 밖이면 이상한 값일까? — 68-95-99.7 법칙
  • 📖 (분포가 들려주는 이야기) 하루에 걸려오는 전화 수는 어떤 분포를 따를까? — 포아송분포
  • 📖 (분포가 들려주는 이야기) 분포를 모르면 평균도 해석할 수 없다 — 분포 이해의 중요성
  • 📖 (조건부확률과 베이즈의 사고) 검사 결과가 양성이면 정말 병에 걸린 것일까? — 기저율
  • 📖 (조건부확률과 베이즈의 사고) 정확도 99% 검사가 틀릴 수 있는 이유 — 조건부확률
  • 📖 (조건부확률과 베이즈의 사고) 범인이 범행 현장에 있을 확률과 현장에 있던 사람이 범인일 확률 — 조건의 방향
  • 📖 (조건부확률과 베이즈의 사고) 스팸메일 필터는 어떻게 배워가는가? — 베이즈 갱신
  • 📖 (조건부확률과 베이즈의 사고) 새로운 증거가 들어오면 믿음도 바뀌어야 한다 — 베이지안 사고
  • 📖 (위험과 불확실성을 이해하는 법) 비 올 확률 60%는 무슨 뜻인가? — 확률적 예보 읽는 법
  • 📖 (위험과 불확실성을 이해하는 법) 100년 빈도 홍수는 100년에 한 번만 오는가? — 재현빈도의 오해
  • 📖 (위험과 불확실성을 이해하는 법) 보험회사는 어떻게 사고를 예측하는가? — 기대손실
  • 📖 (위험과 불확실성을 이해하는 법) 발생 가능성은 낮지만 피해가 큰 사건을 어떻게 볼 것인가? — 저확률·고피해 리스크
  • 📖 (위험과 불확실성을 이해하는 법) 위험은 확률과 피해 크기의 결합이다 — 위험 평가의 원칙
  • 📖 (확률의 뒷이야기) 문을 바꾸면 정말 유리할까 — 몬티홀 문제
  • 📖 (확률의 뒷이야기) 시행이 많아질수록 진짜 확률에 가까워지는 이유 — 큰 수의 법칙
  • 📖 (확률의 뒷이야기) 벼락 맞을 확률과 나란히 놓아보면 — 로또 1등의 확률
  • 📖 (확률의 뒷이야기) 그럴듯하게 느껴지는 이유 — 혈액형 성격론과 바넘 효과
  • 📖 (확률의 뒷이야기) 우연과 확증편향 사이 — 징크스는 통계적으로 존재할까
  • 📖 (위험 인식과 승부의 확률) 무엇이 더 위험한지 확률로 따져보면 — 비행기 vs 자동차
  • 📖 (위험 인식과 승부의 확률) 절대적 숫자와 상대적 숫자 — 백신 부작용 확률 읽는 법
  • 📖 (위험 인식과 승부의 확률) 확률적 행운이 바꾼 삶 — 복권 당첨자들의 그 후
  • 📖 (위험 인식과 승부의 확률) 먼저 차는 팀이 유리한 이유 — 승부차기의 심리 확률
  • 📖 (위험 인식과 승부의 확률) 숫자로 검증한 홈어드밴티지 — 홈그라운드의 이점
  • 📖 (우연을 다루는 더 깊은 생각) 오늘 날씨가 내일 날씨에 미치는 영향 — 마르코프 체인 쉽게 이해하기
  • 📖 (우연을 다루는 더 깊은 생각) 복잡한 사건을 가지 치듯 풀어내기 — 확률나무 그려보기
  • 📖 (우연을 다루는 더 깊은 생각) 컴퓨터로 확률을 추정하는 법 — 몬테카를로 시뮬레이션이란
  • 📖 (우연을 다루는 더 깊은 생각) 확률이 낮아도 불가능은 아니다 — 무한 원숭이 정리
  • 📖 (우연을 다루는 더 깊은 생각) 우연과 필연 사이 — 확률적 사고를 마무리하며
  • 📖 (표본은 어떻게 전체를 말하는가) 국 한 숟가락으로 냄비 전체의 맛을 알 수 있을까? — 표본조사의 비유
  • 📖 (표본은 어떻게 전체를 말하는가) 전 국민을 조사하지 않아도 되는 이유 — 표본조사
  • 📖 (표본은 어떻게 전체를 말하는가) 표본이 크면 언제나 정확할까? — 표본 크기의 함정
  • 📖 (표본은 어떻게 전체를 말하는가) 빅데이터가 대표성 문제를 해결하지 못하는 이유 — 많다고 대표성이 생기진 않는다
  • 📖 (표본은 어떻게 전체를 말하는가) 표본의 크기보다 뽑는 방법이 중요하다 — 표본추출 방법의 중요성

목차

  • 0.8%의 유권자로 당락을 가늠하다
  • 두 단계로 뽑는다 — 투표소, 그리고 유권자
  • 같은 0.8%라도, 뽑는 방법에 따라 결과가 갈린다
  • 복원추출인가, 비복원추출인가도 방법의 일부다
  • 더 깊이: 복원추출과 비복원추출
  • SDV 관점: 추출 설계를 공개하는 것이 데이터의 신뢰를 만든다
  • 결론: 이번 주를 닫으며 — 표본은 설계로 전체를 말한다

(표본은 어떻게 전체를 말하는가) 표본의 크기보다 뽑는 방법이 중요하다 — 표본추출 방법의 중요성

통계기초
표본조사
2024년 22대 총선 출구조사는 전국 1,980개 투표소에서 약 36만 명, 전체 유권자의 0.8%만 조사하고도 몇 시간 뒤 실제 개표 결과와 큰 틀에서 맞아떨어졌다. 비결은 표본 크기가 아니라, 투표소를 어떻게 뽑고 유권자를 어떻게 골랐는가에 있다.
Author

권세혁

Published

November 20, 2026

0.8%의 유권자로 당락을 가늠하다

2024년 22대 총선에서 지상파 방송사들이 실시한 출구조사는 전국 1,980개 투표소에서 약 36만 명을 대상으로 했다. 당시 전체 유권자가 약 4,400만 명이었다는 점을 생각하면, 조사 대상은 전체의 약 0.8%에 불과했다. 그런데도 출구조사 결과는 몇 시간 뒤 발표된 실제 개표 결과와 큰 틀에서 맞아떨어졌다. 이번 주 계속 강조해 온 것처럼, 이 정확도의 비결은 “얼마나 많이 조사했는가”가 아니라 “어떻게 뽑았는가”에 있다.

두 단계로 뽑는다 — 투표소, 그리고 유권자

출구조사의 표본추출은 한 번에 끝나지 않는다. 먼저 전국의 투표소 중 일부를 층화해서 뽑는다. 지역적 특성이나 과거 선거의 득표 성향에 따라 투표소들을 비슷한 집단으로 나눈 뒤, 각 집단 안에서 체계적으로 투표소를 골라낸다. 그다음 선정된 투표소에서는 투표를 마치고 나오는 유권자 중 매 다섯 번째 사람마다 설문을 요청하는 계통추출을 쓴다. 이렇게 하면 조사원이 “이 사람은 설문에 응해줄 것 같다”는 식으로 대상을 고르는 주관이 개입할 틈이 없다.

The 2024 Korean general election exit poll’s two-stage sampling design: first, polling stations are stratified and selected across the country; then, within each selected station, every 5th voter leaving the booth is surveyed via systematic sampling. Both stages remove human judgment from who gets chosen.

같은 0.8%라도, 뽑는 방법에 따라 결과가 갈린다

이 두 단계 설계가 왜 중요한지 확인하려면, 같은 크기(0.8%)의 표본을 서로 다른 방법으로 뽑았을 때 결과가 어떻게 달라지는지 비교해보면 된다. 지역별로 지지 성향이 크게 다른 가상의 선거를 상정하고, (1) 수도권 투표소에서만 표본을 뽑는 “편한 방법”, (2) 전국을 층화한 뒤 체계적으로 뽑는 “설계된 방법”을 비교해보자.

Simulated election results across three regions with very different true support levels (a 50-50 national race overall). A convenience sample drawn only from the region most accessible to pollsters badly misreads the national result, while a stratified sample proportional to each region’s actual voter share - the same total sample size - correctly recovers the 50-50 split.

두 표본의 크기는 똑같이 3,600명이다. 그러나 특정 지역에서만 편하게 뽑은 표본은 전국 지지율을 크게 잘못 짚는 반면, 각 지역의 비중에 맞춰 층화한 표본은 참값(50%)에 훨씬 가깝다. 표본 크기를 고정한 채 추출 방법만 바꿨는데, 정확도가 완전히 달라진 것이다.

복원추출인가, 비복원추출인가도 방법의 일부다

추출 방법에는 층화나 계통추출 같은 큰 틀 외에도, 한 번 뽑은 대상을 다시 뽑을 수 있게 할지(복원추출) 아닌지(비복원추출) 같은 세부 규칙도 포함된다. 사람을 대상으로 한 조사에서는 같은 사람을 두 번 세지 않도록 보통 비복원추출을 쓴다. 이런 세부 규칙 하나하나가 “표본이 모집단을 얼마나 정직하게 대표하는가”를 결정한다.

표본추출 방법을 확인하는 법
  1. “무작위로 뽑았다”는 말을 들으면 구체적인 방법을 물어라. 단순임의추출인지, 층화추출인지, 계통추출인지에 따라 정확도가 달라진다.
  2. 모집단의 하위 집단 비중이 표본에 반영됐는지 확인하라. 층화추출의 핵심은 이 비중을 맞추는 것이다.
  3. “접근하기 쉬운 대상”만 뽑히지 않았는지 의심하라. 편의표본(convenience sample)은 이번 주 내내 다룬 편향의 전형이다.
  4. 표본 크기가 같다고 방법까지 같다고 생각하지 마라. 같은 크기라도 뽑는 방법에 따라 정확도가 몇 배씩 달라질 수 있다.

더 깊이: 복원추출과 비복원추출

강의노트 〈수리통계학 4. 표본분포 — 복원추출과 비복원추출〉은 표본을 뽑을 때 이미 뽑힌 대상을 다시 뽑을 수 있게 할지에 따라 통계적 성질이 어떻게 달라지는지를 다룬다. 이는 표본추출 방법을 구성하는 여러 세부 규칙 중 하나일 뿐이다. 층화·계통·집락추출 같은 큰 틀의 설계와, 복원 여부 같은 세부 규칙이 모두 합쳐져 “이 표본이 모집단을 얼마나 믿을 만하게 대표하는가”를 결정한다.

SDV 관점: 추출 설계를 공개하는 것이 데이터의 신뢰를 만든다

표본추출 방법을 꼼꼼히 설계하는 일은 요약과 추론(1~2단계)의 완성이며, 제가 제안하는 SDV(통계적 데이터 가치화) 관점에서는 이번 주 다룬 모든 교훈(잘 저어야 한다, 크기보다 방법이 중요하다, 양이 많다고 대표성이 생기지 않는다)이 실무로 응축되는 지점이다. 조직이 고객 조사나 품질 검사를 설계할 때, “몇 명에게 물어볼까”를 정하기 전에 “어떤 방법으로 뽑을까”를 먼저 설계해야 한다. 추출 설계를 투명하게 공개하는 조직일수록, 그 데이터로 내린 결정도 더 넓은 신뢰를 얻는다. (SDV(데이터 가치화))

결론: 이번 주를 닫으며 — 표본은 설계로 전체를 말한다

나는 학생들에게 이번 주를 마무리하며 이렇게 말한다. 국 한 숟가락이 냄비 전체의 맛을 알려주는 것도, 3만 6천 가구가 5천만 명의 고용 상태를 알려주는 것도, 36만 명의 출구조사가 몇 시간 뒤 개표 결과를 예고하는 것도 모두 같은 원리 위에 서 있다. 표본은 크기가 아니라 설계로 전체를 대표한다. 그 설계를 믿을 수 있을 때, 비로소 일부를 보고 전체를 말할 자격이 생긴다.

참고 자료
  • 2024년 22대 국회의원 선거 출구조사의 설계(전국 1,980개 투표소, 약 36만 명, 매 5번째 투표자 계통추출)는 다음을 참고했다: 대한민국 제22대 국회의원 선거 출구조사 — 위키백과
  • 과거 지방선거 출구조사의 층화·계통추출 설계 방식은 다음 연구를 참고했다: 출구조사의 체계적인 예측 편향에 대한 분석 — 조사연구 12권 3호(2011)
  • 두 번째 그림(지역별 지지율 시뮬레이션)의 구체적인 수치는 설명을 위한 가상의 예시다.
권세혁 교수의 통계책방 사이트 소개 슬라이드 (클릭하면 크게 보기)
사이트 소개 슬라이드 확대
 
 

방문자 수 since 2026.08.08