핵심 이해
같은 모집단에서도 표본평균은 매번 달라집니다
한 지역에서 거래 30건을 뽑아 평균을 구했다고 생각해 보세요. 같은 방식으로 다시 30건을 뽑으면 다른 거래가 포함되어 평균도 달라질 수 있습니다. 표본분포는 이렇게 표집을 반복할 때 통계량이 가질 수 있는 값과 확률의 분포입니다.
09장에서 개별 확률변수의 분포를 배웠다면, 이 장에서는 여러 관측으로 계산한 평균을 새로운 확률변수로 봅니다. 실제로 표본을 여러 번 수집해야만 표본분포가 정의되는 것은 아닙니다. 반복 표집은 그 의미를 이해하는 사고실험이고, 분포는 수학적으로도 구할 수 있습니다.
세 분포의 구분
모집단·한 표본·통계량의 분포는 서로 다릅니다
모집단 분포는 관측 대상의 값들이 어떻게 분포하는지 나타냅니다. 표본의 경험분포는 실제로 뽑은 n개 값의 분포이고, 표본평균의 표본분포는 같은 n과 같은 표집 방법을 반복했을 때 얻는 평균들의 분포입니다.
표본 한 개에 값이 n개 있다는 것과 표본 추출을 B번 반복했다는 것을 구분하세요. 반복 횟수 B를 늘리면 시뮬레이션으로 그린 분포가 안정되지만, 한 표본의 정보량 n이 늘어난 것은 아닙니다. 같은 n의 이론적 표준오차도 B 때문에 작아지지 않습니다.
표본분포는 평균뿐 아니라 비율·중앙값·회귀계수에도 있습니다. 다만 이 장의 평균 공식과 중심극한정리를 모든 통계량에 그대로 적용할 수는 없습니다.
정확한 계산 예제
0과 1의 평균으로 표본분포를 직접 구합니다
설명용 가상 모집단에서 X=1일 확률을 0.2, X=0일 확률을 0.8로 정합니다. 각 관측은 독립이고 같은 분포를 따릅니다. 실제 부동산 비율이 아닙니다. 개별 X의 평균 μ=0.2, 분산 σ²=0.16, 표준편차 σ=0.4입니다.
n개 중 1의 개수 K는 Bin(n,0.2)이므로 표본평균 X̄=K/n입니다. 따라서 P(X̄=k/n)=C(n,k)0.2ᵏ0.8ⁿ⁻ᵏ입니다. n=5이면 가능한 평균은 0·0.2·0.4·0.6·0.8·1이고 확률은 각각 0.32768·0.4096·0.2048·0.0512·0.0064·0.00032입니다.
네 줄은 같은 원자료 모형을 사용합니다. n이 커질수록 평균은 0.2 근처에 모이지만 개별 X가 0 또는 1이라는 사실은 바뀌지 않습니다. 그림은 난수 시뮬레이션이 아니라 이항공식으로 계산한 정확한 확률표입니다.
평균의 중심과 표준오차
평균의 분산은 독립 표본수로 나뉩니다
독립이고 동일한 분포에서 얻은 X₁,…,Xₙ이 유한한 평균 μ와 분산 σ²를 가질 때 E[X̄]=μ, Var(X̄)=σ²/n, SE(X̄)=σ/√n입니다. 이 평균·분산 공식은 정규근사를 하지 않아도 성립합니다.
X̄=(X₁+…+Xₙ)/n이므로 기대값은 nμ/n=μ입니다. 독립인 관측의 분산을 더한 nσ²를 n²으로 나누면 σ²/n이 됩니다. 표준오차(SE)는 통계량의 표본분포의 표준편차입니다.
가상 모형에서 n=25이면 SE=0.08, n=100이면 SE=0.04입니다. 표본수를 네 배로 늘려야 표준오차가 절반이 됩니다. 모집단 σ를 모를 때 흔히 s/√n으로 추정하지만 표집 설계와 의존성을 확인해야 합니다. 자세한 계산은 11장에서 이어집니다.
중심극한정리
표준화한 평균의 분포가 정규분포에 가까워집니다
독립·동일분포, 유한한 평균과 양의 유한 분산이라는 기본 조건 아래, n이 커지면 Zₙ=(X̄−μ)/(σ/√n)의 분포가 표준정규분포에 수렴합니다. 이를 표본평균에 대한 중심극한정리라고 합니다. 유한 n에서는 X̄를 대략 N(μ,σ²/n)으로 근사합니다. 여기서 두 번째 매개변수는 분산입니다.
원자료가 비대칭이어도 평균의 분포는 정규모양에 가까워질 수 있습니다. 표준화하지 않은 평균은 μ 주변으로 좁아지므로, 정리의 정확한 진술은 표준화한 Zₙ의 분포에 관한 것입니다. 원자료가 정규분포이고 독립이라면 표본평균은 모든 n에서 정확히 정규분포입니다.
n=30은 보편적인 보장 기준이 아닙니다. 원자료의 치우침·꼬리·희귀 사건 비율과 어떤 구간의 확률을 근사하는지에 따라 필요한 표본수가 달라집니다. 이항모형에서는 np와 n(1−p)가 모두 충분한지 살펴야 하며, 경계와 꼬리 확률에는 특히 주의합니다.
정확한 확률과 근사
연속성 보정은 정수 경계를 반영합니다
같은 모형에서 n=100이면 K의 평균은 20, 표준편차는 4입니다. ‘표본비율이 0.15 이상 0.25 이하’는 정수 개수로 15≤K≤25입니다. 정확한 확률은 이항확률을 k=15부터 25까지 합한 값입니다.
정확한 값은 0.8321입니다. 정규근사에서 정수 칸의 폭을 고려해 14.5~25.5를 쓰면 z 경계는 ±1.375이고 근사 확률은 0.8309입니다. 이것이 연속성 보정입니다. 두 값이 가깝더라도 모든 표본수·꼬리 구간에서 근사가 정확하다는 뜻은 아닙니다.
가정과 해석의 한계
큰 표본도 편향과 의존성을 자동으로 없애지 않습니다
특정 유형만 목록에 잡히는 수집 편향이 있으면 큰 표본이 그 목록의 평균을 정밀하게 추정할 뿐 목표 모집단의 평균과 같아지지는 않을 수 있습니다. 02장의 표집틀과 편향 문제는 중심극한정리로 해결되지 않습니다.
같은 단지·지역·시점의 관측은 서로 연관될 수 있습니다. 일반적으로 Var(X̄)=[ΣVar(Xᵢ)+2Σᵢ<ⱼCov(Xᵢ,Xⱼ)]/n²입니다. 양의 상관이 크면 독립을 가정한 σ/√n이 불확실성을 과소평가할 수 있습니다.
유한 모집단 N개에서 단순무작위 비복원으로 n개를 뽑는 경우에도 독립 공식과 다릅니다. 모집단 분산을 N으로 나눈 σ²로 정의하면 SE=σ/√n×√((N−n)/(N−1))입니다. 전수 n=N이면 고정된 그 모집단 평균에 대한 표집오차는 0이지만 측정 오류나 미래에 대한 불확실성까지 없어지지는 않습니다.
분산이 무한한 매우 두꺼운 꼬리 모형은 이 기본 정리의 조건을 벗어납니다. 심한 꼬리·군집·시간 의존성이 있으면 다른 이론이나 표집 설계에 맞는 방법을 검토해야 합니다. 반복 관측을 독립 표본으로 단순히 세지 않습니다.
대수의 법칙과의 구분
평균이 안정되는 것과 오차의 모양을 설명하는 것은 다릅니다
대수의 법칙은 적절한 조건 아래 표본평균이 모집단 평균에 가까워진다는 결과입니다. 중심극한정리는 표준화한 평균의 오차 분포를 정규분포로 설명합니다. 두 결과는 관련 있지만 같은 문장은 아닙니다.
‘많이 모으면 원자료가 정규분포가 된다’, ‘오차가 항상 0이 된다’, ‘다음 관측이 평균 근처여야 한다’는 해석은 모두 피해야 합니다. 평균 추정의 불확실성과 개별 거래의 다양성을 구분하세요.
확인 문제
n과 반복 횟수, SD와 SE를 구별하세요
- n=25 표본을 1,000회에서 10,000회로 더 많이 모의 추출하면 이론적 SE가 줄어드나요?
답과 해설
아니요. 분포를 더 정확하게 그릴 수 있지만 한 표본의 n과 표집 모형이 같으므로 SE는 같습니다.
- σ=0.4일 때 n=25와 n=100의 SE는?
답과 해설
각각 0.08과 0.04입니다. 표본수 네 배가 SE 절반에 대응합니다.
- 평균의 분포가 정규모양에 가까워지면 원자료의 치우침도 사라지나요?
답과 해설
아니요. 원자료와 표본평균의 분포는 다른 대상입니다.
- 표본수가 크면 수집 편향이 사라지나요?
답과 해설
아니요. 잘못된 표집틀에서 많이 수집하면 목표와 다른 평균을 정밀하게 추정할 수 있습니다.
CH2 Macro에서 읽기
거래 건수만으로 정밀도를 판단하지 않습니다
CH2 Macro에서 지역·기간별 평균을 비교할 때는 건수뿐 아니라 거래 구성, 퍼짐, 수집 범위와 관측 간 의존성을 함께 보세요. 큰 건수는 정보량을 늘릴 수 있지만 모든 거래가 동일하고 독립적인 정보 한 단위라는 보장은 없습니다.
이 장의 가상 베르누이 모형과 표준오차를 서비스 가격 통계에 그대로 적용하지 않습니다. 미래 가격이나 개별 물건의 불확실성은 과거 표본평균의 표집오차와 다릅니다.
정리와 참고자료
분포의 대상을 먼저 확인합니다
표본분포는 반복 표집에서 통계량이 달라지는 모습입니다. 독립·동일분포와 유한 분산 조건에서 평균의 SE는 σ/√n이며, 표준화한 평균의 분포는 n이 커지면 정규분포에 가까워집니다. 정밀도와 대표성을 함께 확인해야 합니다.
다음 11장 「표준오차와 표본수」에서 관측 자료로 불확실성을 읽는 방법을 이어갑니다.
- OpenStax §7.1: Central Limit Theorem for Sample Means — 표본평균의 분포와 표준오차.
그림은 직접 계산한 가상 확률모형과 개념도입니다. 실제 거래 결과가 아닙니다. 참고자료 확인: 2026-10-07.