"평균 연봉 5,000만 원!" "고객 만족도 92% 달성!" "커피를 마시는 사람이 안 마시는 사람보다 20% 오래 산다!" — 이런 말들은 설득력 있게 들리지만 당신을 오도하고 있을 수 있다. 데이터 자체는 거짓말을 하지 않지만, 제시 방식·표본 추출·분석 각도는 함정으로 가득하다. 이러한 통계 오류를 알아채는 능력은 현대인의 필수 데이터 소양이다.
1. 평균의 함정：'평균'은 '전형'이 아니다
'평균'은 가장 많이 오용되는 통계 개념이다. 문제는 평균값이 극단값에 매우 민감하다는 점이다. 몇 개의 이상치만으로도 전체 평균이 크게 올라가 '모두 비슷하다'는 착각을 준다.
예시：급여의 평균 vs. 중앙값
10인 소기업의 월급(만 원)이 다음과 같다고 가정하자：
| 직원 | 월급(만 원) |
|---|---|
| 직원 1~8 | 300·300·350·350·400·400·450·450 |
| 부장 | 1,500 |
| 대표 | 5,000 |
평균 월급 = 950만 원
중앙값(5·6번째 평균) = 400만 원
"평균 월급 950만 원"은 사실이지만 직원의 80%는 450만 원 이하다. 중앙값이 '전형적인 직원' 급여를 훨씬 잘 대표한다.
평균 vs. 중앙값 사용 기준
- 평균 적합：분포가 대칭적이고 극단값이 없을 때(키, 시험 점수 등)
- 중앙값 적합：극단값이 있거나 심하게 편향될 때(급여, 집값, 자산 분포 등)
- 최빈값 적합：범주형 데이터이거나 '가장 많은 값'이 궁금할 때
2. 생존자 편향：당신이 보는 것은 '살아남은 것'뿐이다
생존자 편향(Survivorship Bias)은 가장 숨겨져 있고 해가 큰 통계 오류 중 하나다. 핵심은 데이터에 '살아남은' 사례만 포함되어 있고 침묵하는 실패자는 무시된다는 점이다.
2차대전 폭격기 이야기
군은 귀환한 폭격기의 탄흔 분포를 분석해 날개와 동체에 탄흔이 많고 엔진에는 적다는 것을 발견했다. 직관적 결론："날개 장갑을 강화하자."
수학자 아브라함 왈드는 문제를 지적했다：이 기체들은 '귀환에 성공한' 것이다. 엔진이 피격된 기체는 돌아오지 못했고 그래서 샘플에서 엔진 탄흔이 적게 나왔다 — 하지만 그곳이 가장 치명적인 부위다. 올바른 결정：엔진 방호를 강화한다.
일상 속 생존자 편향
- "성공한 창업가들은 다 '포기하지 말라'고 한다" — 똑같이 버텼지만 실패한 사람의 목소리는 들리지 않는다
- "이 건물은 80년을 버텼다" — 품질이 나쁜 건물은 이미 철거되어 보이지 않는다
- "이 펀드는 10년 동안 플러스였다" — 도중에 청산된 손실 펀드는 데이터베이스에서 사라졌다
생존자 편향 대처법
자문하자："어떤 이유로 내 샘플에 포함되지 않은 사례가 있는가?" 실패 사례, 폐업 기업, 미발표 연구를 적극적으로 찾아 데이터 시야를 완성하자.
3. 상관관계 ≠ 인과관계：우연의 일치 함정
두 가지가 동시에 일어난다고 해서 한쪽이 다른 쪽을 일으키는 것은 아니다. 상관관계(Correlation) ≠ 인과관계(Causation)는 통계학의 가장 중요한 원칙 중 하나다.
황당하지만 실제인 상관관계
- 미국 익사자 수 vs. 니콜라스 케이지 출연 영화 편수：매년 높은 상관(r ≈ 0.67)
- 아이스크림 판매량 vs. 익사 사망률：정의 상관 — '더운 날씨'라는 제3변수가 둘 다를 유발
- 발 크기 vs. 독해력(아동)：정의 상관 — 나이가 들수록 발도 커지고 독해력도 향상되는 것뿐
4. 그래프 조작：시각화의 어두운 기술
숫자는 거짓말을 하지 않지만, 그래프 설계 방식에 따라 같은 데이터가 전혀 다르게 보인다.
- Y축 절단：Y축이 0에서 시작하지 않으면 작은 차이가 크게 보인다
- 기간 선별(Cherry-picking)：유리한 시작·종료 시점을 선택하는 가장 흔한 데이터 조작 수법
- 샘플 크기 생략："만족도 92%"가 13명 조사 결과라면 통계적으로 무의미하다
5. 소표본 오류：'소수'로 '전체'를 추론한다
표본이 너무 작으면 결과는 무작위 변동에 지배되어 전체를 대표할 수 없다. A/B 테스트를 며칠 만에 중단하는 것이 대표적인 실수다 — 통계적 유의성(p < 0.05)을 얻으려면 보통 수천~수만 건의 데이터가 필요하다.
6. 확증 편향：보고 싶은 것만 본다
우리는 자연스럽게 기존 신념을 지지하는 증거를 찾고 반증을 무시한다. 확증 편향(Confirmation Bias)은 '어떤 데이터를 수집할지' 결정하는 단계에서 이미 작동하기 때문에 가장 극복하기 어려운 통계 오류다.
- 데이터 수집 전에 가설을 사전 등록해 사후 '분석 방향 조정'을 방지하자
- "어떤 데이터가 내 생각을 바꿀 수 있을까?"를 묻고 그 데이터를 찾자
- 반대 의견을 가진 사람에게 분석을 검토받자
7. 통계적 유의성 ≠ 실제 중요성
p < 0.05는 통계적으로 유의미하다는 뜻이지 현실에서 의미 있는 효과가 있다는 뜻이 아니다. p값 외에 효과 크기(Effect Size)와 신뢰구간(Confidence Interval)도 반드시 확인해야 한다.
정리：비판적 데이터 사고 체크리스트
- 사용된 것이 평균인가 중앙값인가? 분포가 편향되어 있지는 않은가?
- 샘플에 생존자 편향은 없는가? 빠진 사례는 무엇인가?
- 합리적인 인과 메커니즘이 있는가, 아니면 교란 변수의 영향인가?
- 그래프 Y축은 0에서 시작하는가? 기간 범위가 의도적으로 선택되지는 않았는가?
- 표본 크기는 충분한가? 조사 방법은 신뢰할 수 있는가?
- 통계적 유의성 외에 실용적 효과 크기는 얼마인가?
데이터 리터러시는 모든 숫자를 의심하는 것이 아니라 올바른 질문을 던지는 것이다. 데이터 뒤에 숨겨진 가정과 한계를 이해하면 방대한 정보의 홍수에서 진정으로 가치 있는 신호를 찾아낼 수 있다.