큰 수의 법칙 (Law of Large Numbers)

한 줄 정의: 시행 횟수를 계속 늘려갈수록 관찰된 결과의 비율(표본평균)이 이론적인 확률(모평균)에 점점 가까워진다는 법칙입니다.

쉽게 풀면

동전을 10번만 던지면 앞면이 7번 나오는 등 앞면 비율이 70%처럼 이론값(50%)에서 크게 벗어날 수 있습니다. 그런데 동전을 1,000번, 10,000번 던지면 던질수록 앞면이 나온 비율은 점점 50%에 가까워집니다. 이것이 큰 수의 법칙입니다. "운이 좋아서 잠깐 치우칠 수는 있어도, 시행을 충분히 반복하면 결국 진짜 확률에 수렴한다"는 뜻입니다. 이 원리 때문에 설문조사나 실험에서 표본 크기를 늘릴수록 관찰된 평균이 모집단의 실제 평균에 더 안정적으로 가까워진다고 기대할 수 있습니다.

왜 중요한가

큰 수의 법칙은 왜 통계적 추정에 충분히 많은 표본이 필요한지를 뒷받침하는 근본 원리이기 때문에, 표본 크기를 정당화하거나 시뮬레이션 반복 횟수를 결정하는 거의 모든 실증 연구에서 암묵적으로 전제됩니다. 또한 몬테카를로 시뮬레이션처럼 반복 시행을 통해 값을 근사적으로 추정하는 방법론의 이론적 기반이기도 하며, 보험료나 위험 산정처럼 다수의 사건을 관리하는 응용 분야에서도 핵심적인 근거로 쓰입니다.

논문에서는 이렇게 쓰입니다

"큰 수의 법칙에 따라 표본크기를 1,000명까지 확대함으로써 관찰된 평균 반응률이 모집단 반응률에 근접하도록 설계하였다."

논문에서 표본 수를 크게 잡는 근거를 설명할 때, 표본이 커질수록 추정값이 안정적으로 참값에 가까워진다는 원리로 큰 수의 법칙을 인용합니다.

"몬테카를로 시뮬레이션의 반복 횟수를 10만 회로 설정한 것은 큰 수의 법칙에 근거해 추정치의 변동성을 충분히 줄이기 위함이다."

계산과학·금융공학 분야에서는 난수를 이용한 시뮬레이션 반복 횟수를 정당화할 때 큰 수의 법칙을 근거로 제시하는 경우가 많습니다.

"보험 가입자 수가 충분히 많을 경우, 큰 수의 법칙에 의해 실제 손해율은 예상 손해율에 안정적으로 수렴하는 경향을 보인다."

보험·리스크 관리 연구에서는 다수의 계약자를 모을수록 예측이 안정된다는 원리를 설명할 때 이 법칙을 인용합니다.

조금 더 깊게 보면

큰 수의 법칙에는 표본평균이 확률적으로 모평균에 가까워진다는 약한 법칙과, 거의 확실하게(1의 확률로) 수렴한다는 강한 법칙 두 가지 형태가 있으며, 둘은 수렴의 강도에서 차이가 있습니다. 실제 논문에서 "충분히 큰 표본"이라는 표현을 쓸 때는, 표본평균이 얼마나 빠르게 수렴하는지에 영향을 주는 모집단의 분산이나 표본의 독립성 여부도 함께 고려하는 것이 일반적입니다.

주의할 점

큰 수의 법칙은 표본 크기를 늘리면 평균값이 안정된다는 것이지, 개별 시행 하나하나가 "균형을 맞추기 위해" 조정된다는 뜻이 아닙니다. 동전을 던져 앞면이 5번 연속 나왔다고 해서 다음번엔 뒷면이 나올 확률이 더 높아지는 것은 아닙니다(이런 잘못된 믿음을 도박사의 오류라고 부릅니다). 큰 수의 법칙은 표본이 커질수록 표본평균의 흩어진 정도가 줄어든다는 중심극한정리와 함께 이해하면 좋습니다.