빙하기의 박자, 밀란코비치 주기(Milankovitch Cycles)
같은 원소 다른 얼굴, 동소체(Allotrope)
성공한 사람들의 인터뷰를 읽다 보면 ‘대학을 그만두고 창업했다’, ‘모든 것을 걸고 도전했다’ 같은 이야기가 자주 나옵니다. 그렇다면 같은 선택을 했다가 조용히 사라진 사람들은 어디에 있을까요? 우리 눈앞에 남은 결과만 보고 결론을 내릴 때 생기는 이 착시는 통계에서 오래전부터 경계해 온 함정입니다. 그것이 바로 ‘생존자 편향(Survivorship Bias)’입니다.
생존자 편향이란 쉽게 말해 ‘어떤 걸러내기 과정을 통과해 살아남은 대상만 관찰하고, 탈락한 대상은 보지 못한 채 전체를 판단하는 오류’를 의미합니다. 표본이 처음부터 한쪽으로 기울어 있으니, 아무리 정교하게 계산해도 결론이 실제보다 낙관적이거나 엉뚱한 방향으로 흐르기 쉽습니다.
본 자료에서는 생존자 편향의 정의와 발생 구조부터 제2차 세계대전의 폭격기 이야기, 일상과 투자 속 사례, 그리고 보이지 않는 데이터를 찾는 습관까지 쉽게 이해할 수 있도록 정리합니다.
생존자 편향의 구조와 해석 원칙
생존자 편향이란 무엇인가?
생존자 편향은 표본을 고르는 단계에서 이미 생기는 오류입니다. 관찰하려는 집단이 시험, 경쟁, 시간 같은 필터를 한 번 거친 뒤라면, 우리가 손에 쥔 데이터는 전체가 아니라 ‘필터를 통과한 일부’일 뿐입니다. 그런데 탈락한 쪽은 기록이 남지 않거나 눈에 띄지 않기 때문에, 우리는 남은 것만으로 전체를 설명하려는 유혹에 빠집니다.
- 필터(Filter): 대상을 살아남은 쪽과 탈락한 쪽으로 가르는 과정입니다.
- 생존 표본(Survivors): 필터를 통과해 관찰 가능한 대상입니다.
- 보이지 않는 표본(Silent Evidence): 탈락해 기록에서 사라진 대상입니다.
통계학에서는 이를 넓은 의미의 ‘선택 편향(Selection Bias)’ 가운데 하나로 봅니다. 문제는 계산이 아니라, 무엇이 표본에 들어오지 못했는지를 묻지 않는 데 있습니다.
‘예전 노래가 요즘 노래보다 낫다’는 느낌도 같은 구조로 설명할 수 있습니다. 수십 년이 지나도 여전히 불리는 곡은 그 시대에 나온 수많은 곡 가운데 오래 사랑받은 일부입니다. 금방 잊힌 곡들은 비교 목록에 오르지도 못하니, 과거가 실제보다 더 빛나 보이는 것입니다.
돌아온 폭격기의 총알 자국
생존자 편향을 설명할 때 가장 자주 인용되는 이야기는 제2차 세계대전의 폭격기 사례입니다. 미국 컬럼비아대학교의 통계연구그룹(Statistical Research Group)에서 일하던 수학자 에이브러햄 왈드(Abraham Wald)는 전투기가 적의 공격을 얼마나 견디는지 추정하는 연구를 맡았습니다.
흔히 전해지는 내용은 이렇습니다. 귀환한 비행기를 살펴보니 날개와 동체에는 총알 자국이 많았고, 엔진 쪽에는 상대적으로 적었습니다. 많은 사람이 구멍이 많은 곳을 보강하자고 했지만, 왈드는 반대로 생각했습니다. 엔진에 맞은 비행기는 애초에 돌아오지 못했기 때문에 자국이 적게 보였다는 것입니다.
(1) 보이는 구멍
돌아온 비행기의 구멍은 ‘맞아도 버틸 수 있는 자리’를 알려 줍니다.
(2) 보이지 않는 구멍
돌아오지 못한 비행기가 맞은 자리야말로 치명적인 약점일 가능성이 큽니다.
왈드의 실제 보고서는 이렇게 간단한 일화보다 훨씬 수학적이었습니다. 그는 돌아오지 못한 비행기의 정보가 빠져 있다는 점을 전제로, 남은 자료만으로 부위별 취약성을 추정하는 방법을 여러 편의 메모로 정리했습니다. 이야기는 단순해졌어도 핵심 발상은 그대로 전해진 셈입니다.
쉽게 말해, 데이터에 없는 것이 오히려 가장 중요한 정보일 수 있다는 교훈입니다.
일상과 투자 속 생존자 편향
이 함정은 전쟁터만의 이야기가 아닙니다. 투자 분야에서는 펀드 수익률 통계가 대표적인 예로 꼽힙니다. 성과가 나빠 문을 닫거나 다른 펀드에 합쳐진 상품이 자료에서 빠지면, 남아 있는 펀드만의 평균 수익률은 실제보다 높게 계산됩니다.
‘옛날 건물은 튼튼하게 지었다’는 말도 비슷합니다. 오래 버틴 건물만 지금까지 남아 있고, 부실하게 지어진 건물은 이미 허물어져 비교 대상에서 빠졌을 수 있습니다. 성공한 기업의 공통점을 모은 경영서 역시 같은 전략을 쓰다 실패한 기업을 함께 살피지 않았다면 조심해서 읽어야 합니다.
의학 연구에서도 비슷한 문제가 생깁니다. 치료 도중 부작용이나 효과 부족으로 연구를 그만둔 환자를 빼고 끝까지 남은 환자만 분석하면, 치료 효과가 실제보다 좋아 보일 수 있습니다. 그래서 임상시험에서는 처음 배정된 모든 환자를 끝까지 분석에 넣는 방식을 중요하게 여깁니다.
[사례 포인트]
- 남아 있는 대상이 어떤 필터를 거쳤는지 먼저 묻습니다.
- 사라진 대상의 수와 특징을 함께 적습니다.
- 성공 사례의 공통점은 실패 사례와 비교한 뒤에 판단합니다.
보이지 않는 데이터를 찾는 4가지 습관
생존자 편향을 완전히 피하기는 어렵지만, 해석 습관을 바꾸면 그 영향을 크게 줄일 수 있습니다. 핵심은 눈앞의 데이터가 ‘어떻게 여기까지 왔는가’를 먼저 따져 보는 것입니다. 표본이 만들어진 과정을 알면, 그 안에 빠진 조각이 무엇인지도 짐작할 수 있습니다.
(1) 출발점의 전체를 셉니다
처음에 몇 개가 출발했고 몇 개가 남았는지를 확인합니다. 분모를 모르면 성공률도 알 수 없습니다.
(2) 탈락한 쪽의 기록을 찾습니다
폐업한 가게, 중도 포기한 참가자, 상장 폐지된 기업처럼 사라진 대상의 자료를 일부러 모읍니다.
(3) 같은 선택을 한 비교군을 둡니다
‘이 방법으로 성공했다’는 말은 같은 방법으로 실패한 사람이 얼마나 되는지 알아야 의미가 생깁니다.
(4) 결론의 범위를 밝힙니다
‘살아남은 기업 기준’인지 ‘처음 시작한 기업 전체 기준’인지 문장에 분명히 적습니다.
성공담이 화려할수록 그 뒤에 가려진 실패의 숫자는 더 작아 보입니다. 눈앞의 결과가 그럴듯할수록 한 걸음 물러서서 표본이 어떻게 만들어졌는지 되묻는 태도가 필요합니다.
눈에 보이는 생존자 뒤에서 ‘돌아오지 못한 것들은 무엇을 말해 주는가’를 묻는 것, 그것이 데이터를 바르게 읽는 첫걸음입니다.
