검사가 ‘80% 정확하다’는 말을 들으면 양성자의 80%가 실제 해당자라고 느끼기 쉽습니다. 그러나 기저율·민감도·거짓양성률은 서로 다른 집단을 분모로 삼습니다. 백분율을 같은 사람 수로 펼치면 어떤 갈래가 결론을 만드는지 눈에 보입니다.
연구를 읽는 두 가지 질문
추론의 어려움은 사람의 능력만의 문제일까?
Gigerenzer와 Hoffrage는 베이즈 문제의 정보 형식이 계산 과정 자체를 바꿀 수 있다고 보았습니다. 표준 확률 형식에서는 여러 조건부확률을 곱하고 나누어야 하지만, 자연 빈도 형식에서는 관련 사례 수를 직접 셀 수 있습니다. [1]
연구는 무엇을 비교했나?
저자들은 15개 문제에서 확률 형식, 자연 빈도 형식과 답안 메뉴를 바꾸고 2,800건이 넘는 개별 풀이 과정을 분석했습니다. 자연 빈도 형식에서 베이즈 규칙에 맞는 풀이가 더 자주 나타났지만, 형식과 메뉴가 섞이면 효과가 줄어드는 조건도 보고했습니다. [1]
이 페이지는 연구를 어떻게 옮겼나?
논문의 참여자 정답률을 재현하거나 개인 능력을 평가하지 않습니다. 같은 가상 검사 조건을 백분율과 사람 수로 계산해 분모가 달라지는 지점만 투명하게 확인합니다. [1]
검사 정확도가 높아도 양성의 뜻은 기저율에 따라 달라진다
LTCT가 만든 가상 검사에서 1,000명 중 1%인 10명이 해당자라고 합시다. 민감도 80%이면 8명이 양성이고, 비해당자 990명에서 거짓양성률 10%를 적용하면 99명이 양성입니다. 따라서 양성 107명 가운데 실제 해당자는 8명입니다.
관계로 추론: ‘민감도 80%’만 보고 양성자의 80%가 실제 해당자라고 말할 수 없는 이유를 두 갈래의 분모로 설명해 보세요. 해설: 민감도의 분모는 해당자 10명이고, 우리가 묻는 값의 분모는 양성자 107명이라 서로 다릅니다.
조건을 바꾸어 적용: 기저율을 10%로 올리고 다른 값은 그대로 두면 양성자 구성은 어떻게 달라질까요? 해설: 해당자 100명 중 80명과 비해당자 900명 중 90명이 양성이므로 170명 중 80명, 약 47.1%입니다.
기저율과 검사 조건을 바꾸어 양성 집단의 구성을 다시 계산해 보세요
검사받는 사람 수와 기저율·민감도·거짓양성률을 바꾸세요. 같은 정보를 백분율과 자연 빈도로 나란히 보며 양성자 가운데 실제 해당자가 몇 명인지 계산합니다.
| 집단 | 인원 | 양성 |
|---|---|---|
| 해당자 | 10 | 8 |
| 비해당자 | 990 | 99 |
| 합계 | 1000 | 107 |
양성 107명 가운데 실제 해당자는 8명 · 7.5%
반올림한 교육용 인원표입니다. 실제 진단·의료 판단에 쓰지 않으며, 검사 독립성과 단일 집단을 가정합니다.
어디까지 말할 수 있을까요?
- Gigerenzer와 Hoffrage의 연구는 정보 형식이 베이즈 추론 과정에 미치는 영향을 여러 과제로 조사했습니다. 아래 가상 검사의 값은 논문의 참가자 자료나 효과크기가 아닙니다.
- 자연 빈도가 모든 사람과 모든 과제에서 언제나 더 낫다는 뜻은 아닙니다. 표본 기준, 시간 범위, 검사 의존성, 반올림 방식이 달라지면 빈도 나무도 다시 세워야 합니다.
- 이 활동은 진단 도구가 아닙니다. 실제 건강 판단에서는 유병률의 대상 집단, 추가 검사, 임상 맥락을 전문가와 확인해야 합니다.
원문에 근거한 한계와 LTCT의 적용 범위 검토입니다. [1]
교육 현장과 연결해 보면
건강·환경 위험을 설명할 때 백분율만 나열하지 않고 같은 기준 인원으로 바꾼 나무를 함께 제시합니다. 해당자와 비해당자를 먼저 나눈 뒤 각 갈래의 양성을 세면 분모가 어디에서 바뀌는지 드러납니다.
수업에서는 계산값만 맞히게 하지 않고 ‘양성 전체’와 ‘실제 해당자’가 왜 다른 집합인지 문장으로 설명하게 합니다. 의료 상담은 전문가 판단과 실제 검사 지침을 따라야 합니다.
기록 질문 · 자연 빈도는 왜 계산을 쉽게 보이게 할까요?
생각을 비교할 해설 펼치기
해당자와 비해당자의 수를 먼저 정한 뒤 각 갈래에서 양성 수를 세면 분모가 일관되게 유지됩니다. 다만 기준 인원과 반올림을 명시하지 않으면 새 오해가 생길 수 있으므로, 숫자와 함께 집단 정의를 적어야 합니다.
원문과 출처 정보
한국어 제목은 이해를 돕기 위한 LTCT 번역입니다. 한글 제목 뒤 괄호에 원제를 함께 표기했습니다. 저자·학술지·원문 버전은 원문 서지정보를 기준으로 확인할 수 있습니다.
가르치지 않고 베이즈 추론을 개선하는 방법: 빈도 형식 (How to Improve Bayesian Reasoning Without Instruction: Frequency Formats)
Gerd Gigerenzer & Ulrich Hoffrage (1995). Psychological Review, 102(4), 684–704.
- 자료 성격
- 동료심사 학술지 논문 · Max Planck 연구 저장소 공개 전문
- 읽은 버전
- 1995년 출판본
- 확인 범위
- Max Planck 연구 저장소 공개 전문에서 이론식, 15개 문제의 형식 비교, 2,800건 이상 풀이 분석, 결과와 논의 전체를 확인
- 원문 확인일
이 글은 한국어 해설이며 원문 전문 번역이 아닙니다. 도식과 활동의 제작·재구성 범위는 각 그림과 본문에 표시했습니다. 자료 선정과 출처 기준
같은 연구 흐름에서 이어 읽기
같은 원문, 저자·연구 흐름, 공통 개념 태그를 기준으로 연결한 관련 해설입니다.