용어 목록 > 변호인측 오류 (Defense Attorney's Fallacy)

변호인측 오류 (Defense Attorney's Fallacy)

쉽게 풀면

"이 지역에 비슷한 특징을 가진 사람이 이론적으로 열 명은 더 있을 수 있다. 그러니 이 증거는 별 의미가 없다"는 식의 주장이 변호인측 오류입니다. 실제로는 열 명 중 한 명으로 범위가 좁혀졌다는 것 자체가 매우 의미 있는 정보인데도, 마치 '가능성이 여러 명이니 증거 가치가 없다'는 식으로 과소평가하는 것입니다. 이는 검사측 오류와 정반대 방향의 착시로, 증거를 실제보다 지나치게 약한 것으로 왜곡하는 결과를 낳습니다. 이러한 주장이 변호인 측 논고에서 자주 등장한다고 해서 이런 이름이 붙었습니다.

왜 중요한가

이 오류는 실제로 상당한 증명력을 가진 증거를 재판부가 부당하게 경시하게 만들 수 있어, 검사측 오류와 함께 확률 증거 해석에서 균형을 무너뜨리는 대표적 사례로 다뤄집니다. 법과학 통계 교육에서는 두 오류를 함께 설명함으로써 올바른 확률적 사고를 강조합니다.

핵심 정리

'검사측 오류'와 '변호인측 오류'라는 이름은 Thompson과 Schumann(1987)이 법정에서 통계 증거를 해석할 때 나타나는 두 가지 오류를 가리키려고 도입한 것으로 알려져 있습니다. 변호인측 오류는 일치(match)가 나온 특징을 가진 사람이 인구 안에 다른 사람도 있을 수 있다는 점을 들어, 그 증거가 사실상 아무 의미가 없다고 깎아내리는 논법입니다. 증거의 가치는 "일치할 사람이 나 말고도 있느냐"가 아니라, 증거가 용의자가 범인인 가설과 아닌 가설을 얼마나 다르게 지지하느냐, 곧 우도비로 따져야 합니다(무작위 일치확률은 그 계산의 재료가 됩니다).

이 오류는 연구 대상이기도 합니다. Thompson과 Newman(2015)의 실험(541명)에서는 전문가의 증언을 근원확률 오류와 변호인측 오류에 해당하는 방식으로 잘못 해석하는 일이 흔했고, 그런 해석은 증거에 부여한 비중과 평결에 연결되었습니다. 확률적 증거 해석의 논리적 틀로는 베이즈 추론이 널리 받아들여집니다(Evett, 2015).

예시로 보기

작은 계산(가상의 예, 코드로 계산). DNA 일치확률이 100,000분의 1이고 후보 인구가 2,000,000명이라고 합시다. 용의자 외에 우연히 일치할 사람의 기대 수는 (2,000,000 − 1) × 1/100,000 ≈ 20명입니다. 다른 정황이 전혀 없이 이 DNA 하나로만 용의자가 지목되었다면, 용의자가 출처일 확률은 약 1/21, 곧 4.8%입니다. 변호인은 "그러니 이 증거는 별 의미가 없다"고 말할 수 있습니다.

그러나 사전확률 1/2,000,000이 4.8%로 올라갔다면 증거는 우도비 100,000에 해당하는 영향을 준 것입니다. 만약 다른 증거로 용의자가 1,000명 중 한 명으로 좁혀져 있었다면 같은 DNA 일치는 사전 확률 1/1,000을 약 99.0%로 올립니다(사전 오즈 1:999 × 100,000 ≈ 100:1). 일치확률이 정확하고 실험실 오류와 친족 일치가 없다는 가정에서의 계산이며, 같은 증거라도 사전 정황에 따라 결론이 크게 달라진다는 점을 보여 줍니다.

자주 하는 오해

• 검사측 오류의 반대 방향일 뿐이라는 오해. 검사측 오류는 조건부확률의 방향을 뒤바꿔 읽는 데서 생기고, 변호인측 오류는 다른 일치 후보의 존재를 이유로 증거의 값을 지나치게 낮추는 데서 생깁니다. 두 오류를 함께 배우면 확률 증거 해석의 균형을 잡는 데 도움이 됩니다.
• "다른 사람도 일치할 수 있다"는 말 자체가 틀렸다는 오해. 그 지적은 사실일 수 있습니다. 문제는 그것을 "증거가 무가치하다"로 비약하는 것입니다.
• 일치확률을 곧바로 범인일 확률로 읽어도 된다는 오해. 일치확률은 용의자가 출처가 아닐 때 그런 일치가 우연히 나올 확률이고, 범인일 확률은 사전 정황과 함께 우도비로 따로 계산해야 합니다.

논문에서는 이렇게 쓰입니다

실제 논문에서

이 용어를 직접 쓴 국내 논문 문장을 아직 수집하지 못했습니다. 수집되는 대로 출처와 함께 싣겠습니다.

예시 문장

아래는 용어의 쓰임을 보여 주려고 만든 예시로, 실제 논문에서 가져온 문장이 아닙니다.

실제 법정 공방에서 나타난 사례를 다룬 예입니다.

통계적 틀로 오류의 문제점을 규명한 예입니다.

조금 더 깊게 보면

이 오류는 조건부확률 전치오류와는 다른 종류의 왜곡으로, 우도비 자체를 잘못 계산하는 것이 아니라 '가능한 다른 후보가 있다'는 사실을 과도하게 확대 해석해 증거의 상대적 증명력을 무시하는 데서 비롯됩니다. 올바른 해석을 위해서는 후보군의 크기와 우도비를 함께 고려한 사후오즈 계산이 필요합니다. 예를 들어 특정 유전자형의 인구 출현 빈도가 1000명 중 1명이라면 한 도시에 용의자와 같은 유전자형을 가진 사람이 여럿 존재할 수 있다는 점을 근거로 증거의 가치를 낮게 평가하려는 논증이지만, 이는 다른 정황 증거로 이미 좁혀진 용의자 집단을 무시한 채 전체 인구를 기준으로 확률을 다시 계산하는 오류를 범합니다.

주의할 점

다른 가능성이 존재한다는 사실 자체는 정당한 반론일 수 있지만, 그것이 증거의 증명력을 전면 부정하는 근거로 비약되지 않도록 구분해서 판단해야 합니다. 검사측 오류(prosecutor's fallacy)가 조건부 확률을 뒤바꿔 해석하는 오류라면, 변호인측 오류는 기저율을 부적절하게 전체 인구로 확대 적용하는 오류로 서로 다른 논리 구조를 가지므로 혼동하지 않아야 합니다.

헷갈리기 쉬운 용어

참고 문헌

1. Thompson, W. C., & Schumann, E. L. (1987). Interpretation of statistical evidence in criminal trials: The prosecutor's fallacy and the defense attorney's fallacy. Law and Human Behavior, 11(3), 167–187.
2. Thompson, W. C., & Newman, E. J. (2015). Lay understanding of forensic statistics: Evaluation of random match probabilities, likelihood ratios, and verbal equivalents. Law and Human Behavior, 39(4), 332–349.
3. Evett, I. (2015). The logical foundations of forensic science: Towards reliable knowledge. Philosophical Transactions of the Royal Society B: Biological Sciences, 370, 20140263.
4. Aitken, C. G. G., & Taroni, F. (2004). Statistics and the evaluation of evidence for forensic scientists. Wiley.

표의 기준값은 위 문헌에 근거한 관례이며, 분야·학술지마다 다른 기준을 쓸 수 있습니다.

관련 용어