놀라운 합리성 확률 이론과 잡음이 판단 편향을 설명한다

초록

본 논문은 사람들의 확률 판단이 확률 이론을 따르지만 추론 과정에 무작위 잡음이 섞여 있다고 가정한다. 잡음은 특정 확률식에서는 상쇄되어 거의 정확한 판단을 만들지만, 다른 식에서는 체계적인 편향을 초래한다. 두 실험 데이터를 통해 보수성, 부분합성, 결합 및 분리 오류 네 가지 대표적 편향이 모두 이 모델로 설명됨을 보인다. 따라서 인간의 확률 판단은 규칙을 내재하고 있으며, 오류는 잡음의 결과라는 새로운 시각을 제시한다.

상세 분석

이 연구는 전통적인 휴리스틱‑편향 모형을 대체할 수 있는 ‘확률 이론 + 잡음’ 모델을 제안한다. 기본 가정은 인간이 확률을 계산할 때 베이즈 정리와 같은 확률 규칙을 그대로 적용하지만, 기억·주의·연산 과정에서 발생하는 무작위 변동(노이즈)으로 인해 실제 보고된 확률값이 왜곡된다는 것이다. 모델은 각 사건의 실제 확률 p에 대해 인간이 추정하는 값 (\hat p = p + \epsilon) 로 표현하고, (\epsilon)는 평균 0, 분산 σ²인 독립적인 잡음으로 설정한다. 중요한 점은 복합 확률식(예: (P(A\cup B)=P(A)+P(B)-P(A\cap B)))을 계산할 때 잡음 항이 서로 상쇄되는 경우가 존재한다는 것이다. 이런 경우 인간의 판단은 이론적 값과 거의 일치하게 되며, 실험 결과에서도 ‘정확한’ 응답 비율이 높게 나타난다. 반면, 보수성(확률을 과소·과대 추정), 부분합성(전체보다 부분합이 더 크게 평가), 결합·분리 오류와 같이 잡음이 상쇄되지 않는 구조에서는 체계적인 편향이 발생한다. 저자는 두 실험(첫 번째는 기본 확률 추정, 두 번째는 복합 사건 판단)에서 이러한 예측을 검증하였다. 실험 1에서는 단일 사건에 대한 추정이 평균적으로 실제 확률에 가깝게 나타났으며, 실험 2에서는 복합 식 중 잡음이 상쇄되는 경우와 그렇지 않은 경우를 구분해 편향 정도를 비교했다. 결과는 모델이 예측한 대로, 상쇄되는 경우는 오차가 최소이고, 상쇄되지 않는 경우는 보수성·부분합성·결합·분리 오류가 현저히 나타났다. 통계적 분석에서는 잡음 분산 σ²를 추정하고, 모델 적합도를 기존 휴리스틱 모형과 비교했을 때 유의미하게 우수함을 보였다. 이로써 인간이 확률 규칙을 내재하고 있지만, 인지적 잡음이 판단을 왜곡한다는 주장이 실증적으로 뒷받침된다. 또한, 이 모델은 기존의 ‘휴리스틱은 비합리적이다’라는 논쟁을 넘어, 인간 판단의 구조적 특성을 설명하는 통합 프레임워크를 제공한다는 점에서 이론적·실용적 의의를 가진다.