일정 기간 기록하다 보면 그 안에서 결론을 끌어내고 싶어지기 마련입니다. 하지만 결론이 성립하려면 표본 크기가 뒷받침되어야 합니다. 이 페이지에서는 표본이 왜 중요한지, 그리고 지금 가진 기록이 충분한지 판단하는 방법을 설명합니다.
1. 표본 크기가 중요한 이유
무작위 결과는 작은 표본에서 변동이 특히 큽니다. 10게임을 기록하면 뱅커가 나온 비율이 이론값과 크게 차이 날 수 있지만, 1,000게임을 기록하면 그 차이가 눈에 띄게 줄어듭니다. 이것이 표본 크기의 역할입니다.
따라서 작은 표본에서 나온 비율로 장기적인 상황을 설명하는 것은 변동을 결론으로 착각하는 것과 같습니다. 관련 설명은 다음을 참고하세요:기록 후 통계 내는 방법.
2. 표본이 줄어들수록 변동성은 어떻게 커지나
| 표본 크기 | 변동 정도 | 결론 신뢰도 |
|---|---|---|
| 수십 게임 | 매우 큼 | 결론 내리기 어려움 |
| 수백 게임 | 중간 | 참고용으로만 |
| 수천 게임 | 작음 | 이론값에 근접 |
위 표는 예시일 뿐 정확한 기준치는 아닙니다. 핵심은 표본이 클수록 관찰된 비율이 이론 분포에 가까워질 가능성이 높다는 것입니다. 관련 이론은 다음을 참고하세요:뱅커·플레이어 확률.
3. 충분한지 판단하는 방법
두 가지 질문을 해볼 수 있습니다. 첫째, 현재의 차이가 합리적인 변동 범위를 벗어났는가. 둘째, 표본을 절반으로 줄였을 때 결론이 뒤집히는가. 결론이 표본 크기에 민감하게 흔들린다면 표본이 아직 부족하다는 뜻입니다.
기록 일수와 게임 수는 따로 봐야 합니다. 같은 일수라도 기록된 게임 수는 크게 다를 수 있으므로, 판단할 때는 게임 수를 기준으로 삼아야 합니다.
4. 흔한 오해
오해 1: 기록한 날이 많을수록 더 정확하다
날짜 수가 핵심이 아니라 게임 수가 핵심이다. 기록한 날은 많아도 게임 수가 적다면 표본은 여전히 부족하다.
오해 2: 뚜렷한 편차가 보이면 규칙이 있다는 뜻이다
소표본에서 편차가 나타나는 것은 정상이다. 편차가 유의미한지 판단하려면 먼저 표본 크기를 봐야 한다.
오해 3: 표본이 충분히 크면 예측할 수 있다
대표본은 이론적 분포에 가까워지지만, 이는 장기 빈도를 설명하는 것이지 단일 게임을 예측하는 데 쓸 수 없다.
직관적인 비유를 들자면: 동전을 열 번 던져 앞면이 일곱 번 나왔다고 동전에 문제가 있는 건 아니다. 천 번 던져 앞면이 칠백 번 나와야 의심하게 된다. 표본 크기가 바로 이 판단의 기초다.
실무에서는 먼저 관찰 구간을 정하는 것이 좋다. 예를 들어 일정 게임 수가 쌓인 뒤에 돌아보며 정리하는 것이지, 몇 게임 기록할 때마다 성급하게 결론을 내리는 게 아니다.
기록할 때 게임 수를 따로 집계하면, 다시 볼 때 표본이 얼마나 큰지 먼저 알 수 있고 그다음에 보이는 비율을 믿을지 결정할 수 있다.
실무 팁 하나 더: 기록 초기에는 성급하게 분석하지 말고 먼저 매 게임을 빠짐없이 기록하는 데 집중하자. 표본이 어느 정도 쌓인 뒤에 돌아보며 정리하면 된다.
중간에 기록 방식이나 판단 기준을 바꿨다면 기록에 명시하는 것이 좋다. 그렇지 않으면 앞뒤가 일치하지 않는 데이터가 섞여 표본 크기의 의미가 퇴색된다.
마지막으로: 표본 크기의 의미는 결론을 신뢰할 수 있게 만드는 데 있다. 적은 기록에서 성급하게 결론을 내리기보다 기록을 길고 완전하게 만든 뒤 숫자를 다시 검토하는 편이 낫다.
연속 개수 분포를 알고 싶다면 다음을 참고:연속 개수 분포란 무엇인가; 복기를 알고 싶다면 다음을 참고:역사 데이터 복기.