[직딩잇템] 어서와 데이터는 처음이지 - 기초 of 기초 데이터 개념: Chapter 4. 샘플링을 잘못하면 일어나는 대참사 - 편향(bias)

Chapter 4. 샘플링을 잘못하면 일어나는 대참사 - 편향(bias)

대통령 선거 결과 예측하기

리터러리 다이제스트's 예측
  - 모집단 = 1000만
  - N = 260만
=> 57%로 "랜던"이 우세

조지 갤럽's 예측
  - 5만 개의 데잍터를 별도로 샘플링
  - N = 5만
=> 56%로 "루즈벨트"가 우세

최종 결과 61% 득표로 "루즈벨트"가 WIN

편파된 데이터!
  - 리터러리 다이제스트는 전화를 통해 260만 명의 사람들에게 설문조사
  - 그 당시 전화를 가지고 있던 사람들은 대부분 부유층
  - 조지 갤럽은 다양한 사람들 5만 명에게 설문조사

Bias = 편향
  - 데이터의 양이 중요한 게 아니라 질이 중요하다!
  - 불편향 데이터가 중요
  - 질 좋은 데이터 5만 개가 26억 개 데이터보다 낫다

 

편향을 줄이는 가장 쉬운 방법

아예 기준을 두지 않고 랜덤으로 100명 뽑는다

기준 포기! 랜덤으로 뽑는 게 낫다

 

정리

1. 편향(bias) : 데이터 수집 시 특정 기준을 적용해서 데이터가 한 쪽으로 치우치는 현상
2. 불편향(unbiased) : 편향의 반대. 우리가 목표하는 데이터의 상태
3. 랜덤샘플링 : 샘플링 시 어떠한 기준을 두지 않고 무작위로 추출하는 과정. 편향을 막을 수 있는 가장 대표적인 방법 중 하나