현대 사회에서 통계학은 단순한 숫자 계산을 넘어 우리 삶의 다양한 영역에서 합리적 의사결정을 돕는 필수 학문입니다. 19세기 중반 벨기에의 케틀레가 국상학과 정치 산술을 확률 이론과 결합하여 수립한 이후, 통계학은 과학, 산업, 사회 문제 해결에 폭넓게 응용되고 있습니다. 숫자 너머에 담긴 사람들의 선택과 행동 패턴을 읽어내는 통계학의 세계를 살펴보겠습니다.
통계학의 기본용어와 측정의 본질
통계학을 이해하기 위해서는 기본용어에 대한 정확한 이해가 선행되어야 합니다. 모집단(population)은 관측 대상이 되는 전체 집단을 의미하며, 표본(sample)은 모집단에서 일부만 조사한 것입니다. 모집단과 관련해서는 그리스문자를 사용하는 것이 관례이고, 표본과 관련해서는 영어 알파벳을 사용합니다. 이러한 구분은 통계적 분석에서 매우 중요한 의미를 지닙니다. 대푯값(representative value)은 데이터를 대표하는 값으로 평균, 중앙값, 최빈값이 있습니다. 평균(mean)은 데이터를 모두 더한 후 데이터의 개수로 나눈 값이며, 중앙값(median)은 전체 데이터 중 가운데에 있는 수입니다. 특히 중앙값은 극단적인 값이 있는 경우 평균값보다 유용합니다. 예를 들어 직원이 100명인 회사에서 직원들 연봉 평균은 5천만 원인데 사장의 연봉이 100억인 경우, 회사 전체의 연봉 평균은 1억 4,851만 원이 되어 실제 직원들의 상황을 왜곡하게 됩니다. 최빈값(mode)은 가장 자주 나오는 값을 의미합니다. 산포도(degree of scattering) 또는 변산성(variability)은 자료가 흩어져 있는 정도를 나타냅니다. 편차(deviation)는 관측값에서 평균 또는 중앙값을 뺀 것이며, 분산(variance)은 편차를 제곱하고 모두 더한 후 전체 개수로 나눈 값입니다. 표준 편차(standard deviation)는 분산을 제곱근 한 것으로, 제곱해서 얻은 값인 분산을 다시 원래 크기의 단위로 표준화되도록 만들어줍니다. 모평균(population mean) μ는 모집단의 평균이며, 표본 평균(sample mean)은 표본의 평균입니다. 모분산(population variance) σ²과 표본분산(sample variance) s²의 차이는 표본분산이 n-1로 나눈다는 점입니다. 통계학에서 사용되는 이러한 용어들은 단순한 숫자 계산이 아니라 현실을 정리해서 보여주는 방식입니다. 많은 사람들의 결과를 모아서 보면 보이지 않던 패턴이 드러나며, 이는 개인의 경험만으로는 알 수 없던 큰 흐름을 이해하게 도와줍니다. 또한 상관관계(correlation)는 두 개의 변량이 어느 정도 규칙적으로 동시에 변화되어 가는 성질을 나타내며, 모집단의 상관관계는 ρ, 표본의 상관관계는 r을 기호로 사용합니다. 신뢰도(reliability)는 어떠한 값이 알맞은 모평균이라고 믿을 수 있는 정도를 의미하며, 신뢰 구간(confidence interval)은 1-α나 100(1-α)%의 신뢰 구간으로 표현됩니다.
| 구분 | 모집단 | 표본 |
|---|---|---|
| 평균 | 모평균 μ | 표본평균 X̄ |
| 분산 | 모분산 σ² | 표본분산 s² (n-1로 나눔) |
| 표준편차 | 모표준편차 σ | 표본표준편차 s |
| 상관관계 | ρ | r |
추론통계와 과학적 의사결정
추론 통계(statistical inference)는 기술통계로 어떤 모집단에서 구한 표본정보를 가지고 그 모집단의 특성 및 가능성 등을 추론해내는 통계적 방법입니다. 모든 사람을 대상으로 검사하는 것은 비합리적이고, 대규모 집단을 가지고 연구하는 것보다 소수의 집단을 가지고 연구하는 것이 훨씬 경제적이고 효율적이기 때문에 추론통계가 필수적입니다. 통계학이 흥미로운 점은 모든 것이 확실하게만 정해지는 것이 아니라 가능성으로 정해질 수 있다는 것입니다. 정확한 미래를 알 수는 없지만 어떤 방향으로 움직일 가능성이 높은지는 알 수 있습니다. p-값(p-value) 또는 유의 확률(significance probability)은 귀무가설 H₀를 기각할 수 있는 최소한의 유의 수준이며, 임계 값(critical value)은 검정 통계량의 분포에서 유의 수준 α값에 해당하는 선 위의 값입니다. 이러한 개념들은 실험 결과가 기존의 방식이나 다른 품종 간 비교 등에서 차이점이 유의한 지를 검증하는 데 사용됩니다. 기술통계(descriptive statistics)는 측정이나 실험에서 수집한 자료의 정리, 표현, 요약, 해석 등을 통해 자료의 특성을 규명하는 통계적 방법입니다. 인자분석은 모집단에서 어떤 인자들이 있는지 뽑아내보는 분석이며, 판별분석은 특정표본이 어떤 모집단에 속하는지 판단하는 분석입니다. 정준상관분석은 두 인자 간의 상호관계를 분석하고, 주성분분석은 인자들의 숫자를 줄여 단순화하는 분석입니다. 실험 계획(experimental design)은 자료수집 전에 미리 어떻게 실험할 것인지 계획하여, 원하는 자료를 정확하게 수집하고 기록할 수 있도록 하는 과정입니다. 설문지 작성은 실험계획의 일부로, 표준화되도록 작성해야 하며 응답자에 대한 협조요청, 식별자료, 지시사항, 설문문항, 응답자의 분류를 위한 자료로 구성됩니다. 조사대상을 기준으로 하면 전수조사(全數調査)와 표본조사(標本調査)가 대표적입니다. 전수조사는 모집단 전체를 빠짐없이 조사하는 것이며, 표본조사는 자료의 일부만을 택하여 조사함으로써 전체를 추측하는 조사입니다. 측정 수준에 따라 자료는 명목척도(nominal scale), 순서척도(ordinal scale), 구간척도(interval scale), 비율척도(ratio scale)로 분류됩니다. 명목척도는 단순한 번호로 차례의 의미가 없으며 전화번호, 등번호, 성별, 혈액형 등이 해당됩니다. 순서척도는 순서가 의미를 가지는 번호로 계급, 순위, 등급 등이 포함됩니다. 구간척도는 순서뿐만 아니라 간격에도 의미가 있으나 0에 절대적인 의미는 없으며 온도, 지능지수 등이 해당됩니다. 비율척도는 0을 기준으로 하는 절대적 척도로 간격뿐만이 아니라 비율에도 의미가 있으며 절대온도, 금액, 몸무게, 키 등이 포함됩니다.
빅데이터 시대와 통계학의 진화
현대에 들어와 데이터 과학자들로 구성된 통계 조직은 기관과 단체 그리고 기업의 수익에 영향을 미치는 다양한 데이터를 입체적으로 분석하고 결론을 얻어냅니다. 수많은 데이터 가운데 의미 있는 데이터를 찾아냄으로써 더 나은 의사결정을 돕는 작업으로 데이터 클리닝, 데이터 마이닝 등이 있습니다. 업계에서는 주요 데이터에 대한 분석과 통계가 이뤄지는 비즈니스인텔리전스(BI) 조직이라 부릅니다. 전사자원관리(ERP), 고객관계관리(CRM), 생산관리시스템(MES), 경영 정보 시스템(MIS), 전략적 기업 경영(SEM) 등 각종 시스템에서 쏟아지는 수많은 데이터에 대한 분석능력이 미래를 예측하는 핵심 경쟁력인 시대입니다. 포브스는 미래의 유망직업 중 하나로 '데이터 마이너(정보수집 분석가)'를 선정했습니다. 빅 데이터(Big Data) 데이터 마이닝이란 기존 데이터베이스 관리도구의 데이터 수집·저장·관리·분석의 역량을 넘어서는 대량의 정형 또는 비정형 데이터 세트 및 이러한 데이터로부터 가치를 추출하고 결과를 분석하는 기술입니다. 통계학을 활용하면 물건을 사고, 계획을 세우고, 상황을 판단하는 순간에도 가능성을 생각하게 됩니다. 이 학문은 세상을 단순하게 만들기보다 오히려 더 현실적으로 보게 만듭니다. 동시에 숫자가 항상 모든 것을 말해주지 않는다는 점도 함께 느끼게 됩니다. 통계분석 소프트웨어로는 SAS(Statistical Analysis System), R, SPSS(Statistical Package for the Social Sciences), PSPP, JASP, jamovi, MINITAB, RevMan 등이 있습니다. SAS는 기업체에서 주로 쓰는 대표적 프로그램이며, R은 무료 공개 통계 프로그래밍 및 개발환경입니다. 대한민국에서는 2000년부터 정보통신부의 산하단체로 사단법인 한국BI데이터마이닝학회가 설립되어 데이터 마이닝에 관한 학술과 기술을 발전, 보급, 응용하고 있습니다. 통계청은 빅 데이터를 연구하고 활용방안을 모색하기 위한 '빅 데이터 연구회'를 발족했습니다. 미국과 영국, 일본 등 선진국들은 이미 빅 데이터를 다각적으로 분석해 조직의 전략방향을 제시하는 데이터과학자 양성에 사활을 걸고 있습니다. 통계학은 과학, 산업, 또는 사회 문제에 적용하며 모집단을 연구하는 과정을 우선시합니다. 현대 사회에서 경제지표연구, 마케팅, 여론조사, 농업, 생명과학, 의료의 임상연구 등 다양한 분야에서 응용하는 통계는 우리 사회에서 가장 필요하고 실용적인 학문입니다. 사회조사분석학은 정보화사회와 빅데이터 시대를 맞아 다양한 사회정보의 수집·분석·활용을 담당하는 새로운 직종으로 등장했습니다. 사회조사분석사는 기업이나 정당, 지자체, 중앙정부 등 각종 단체가 필요로 하는 조사를 수행해 분석, 보고하는 전문 인력군으로 조사방법론, 사회통계, SPSS 통계분석 실무 등의 지식을 필요로 합니다.
| 척도 유형 | 특징 | 예시 |
|---|---|---|
| 명목척도 | 단순 번호, 순서 의미 없음 | 전화번호, 성별, 혈액형 |
| 순서척도 | 순서가 의미를 가짐 | 계급, 순위, 등급 |
| 구간척도 | 간격 의미, 절대 0 없음 | 온도, 지능지수 |
| 비율척도 | 간격·비율 의미, 절대 0 존재 | 절대온도, 금액, 몸무게 |
통계학은 숫자를 통해 세상의 흐름을 이해하고 복잡한 현실을 조금 더 편안한 마음으로 바라보게 도와주는 학문입니다. 확실성보다는 가능성으로 세상을 바라보게 하며, 개인의 경험을 넘어 큰 흐름을 읽어내는 통찰력을 제공합니다. 근대 과학으로서의 통계학은 19세기 중반 케틀레에 의해 수립되었지만, 빅데이터 시대를 맞아 데이터 경영의 핵심 도구로 진화하고 있습니다. 숫자 너머의 의미를 발견하고 합리적 의사결정을 가능하게 하는 통계학은 앞으로도 우리 사회에서 가장 실용적이고 필수적인 학문으로 자리매김할 것입니다.
자주 묻는 질문 (FAQ)
Q. 표본조사와 전수조사 중 어떤 방법을 선택해야 하나요?
A. 모집단의 규모, 조사 비용, 시간적 제약 등을 고려하여 결정해야 합니다. 전수조사는 모집단 전체를 조사하므로 정확하지만 비용과 시간이 많이 소요됩니다. 표본조사는 모집단의 일부만 조사하여 전체를 추측하므로 경제적이고 효율적이지만, 표본 추출 방법이 적절해야 신뢰할 수 있는 결과를 얻을 수 있습니다. 일반적으로 모집단이 크고 조사 비용이 제한적인 경우 표본조사를 선택합니다.
Q. 평균과 중앙값 중 어떤 대푯값을 사용해야 하나요?
A. 데이터의 분포 특성에 따라 적절한 대푯값을 선택해야 합니다. 극단적인 값이 있는 경우 중앙값이 평균값보다 유용합니다. 예를 들어 소득 분포처럼 일부 극단값이 존재하는 경우 중앙값이 실제 상황을 더 잘 반영합니다. 반면 데이터가 정규분포에 가깝고 극단값이 없는 경우에는 평균이 더 적절한 대푯값이 될 수 있습니다.
Q. 빅데이터 시대에 통계학을 공부하면 어떤 직업을 가질 수 있나요?
A. 데이터 과학자, 데이터 마이너(정보수집 분석가), 사회조사분석사, 비즈니스인텔리전스(BI) 전문가 등 다양한 직업을 선택할 수 있습니다. 기업의 경영 정보 시스템(MIS), 고객관계관리(CRM), 마케팅 분야에서 데이터 분석 업무를 수행하거나, 정부 및 공공기관에서 정책 수립을 위한 통계 분석 업무를 담당할 수 있습니다. 포브스가 미래 유망직업으로 선정한 만큼 통계학 전문가에 대한 수요는 계속 증가할 전망입니다.
[출처] 통계학 - 위키백과: https://ko.wikipedia.org/wiki/%ED%86%B5%EA%B3%84%ED%95%99