용어 목록 > 모수 (Parameter)

모수 (Parameter)

쉽게 풀면

전 국민의 평균 키가 정확히 몇 cm인지는 아무도 모릅니다. 전 국민을 다 재볼 수 없기 때문입니다. 하지만 이 "전 국민의 진짜 평균 키"는 분명히 존재하는 하나의 고정된 값이며, 이런 값을 모수라고 부릅니다.

연구자는 이 모수를 직접 알 수 없기 때문에 표본을 뽑아서 표본평균 같은 통계량을 계산하고, 이 통계량으로 모수를 추정합니다. 즉 모수는 "우리가 맞히고 싶은 정답"이고, 통계량은 "표본으로 계산한, 정답을 추측하는 도구"입니다. 회귀분석에서 회귀계수, 정규분포에서 평균(μ)과 표준편차(σ) 등도 모두 모수에 해당합니다.

왜 중요한가

모수라는 개념이 없다면 "표본에서 얻은 값이 얼마나 믿을 만한가"라는 질문 자체가 성립하지 않습니다.

통계적 추론은 결국 알 수 없는 모수를 표본으로 추정하고, 그 추정이 얼마나 정확한지 평가하는 과정이기 때문에, 사회과학, 의학, 경제학 등 표본 자료를 다루는 거의 모든 정량 연구 논문에서 모수라는 틀이 전제로 깔려 있습니다.

회귀분석의 계수 추정, 가설검정의 유의성 판단 등 논문에서 흔히 보는 통계 결과 대부분이 결국 모수를 추정하고 검정하는 절차에 해당합니다.

핵심 정리

• 모수는 모집단 전체가 가진 값을 요약하는 수입니다(모평균 μ, 모표준편차 σ, 모비율 π, 회귀모형의 참 계수 β 등). 빈도주의 통계에서는 “고정되어 있지만 모르는 수”로 봅니다.
• 통계량은 표본에서 계산한 값(표본평균 x̄, 표본비율 p̂)입니다. 표본을 다시 뽑으면 값이 달라지는 확률변수입니다.
• 추정량은 모수를 추정하는 “공식”(x̄ = Σx/n)이고, 추정값은 그 공식에 실제 자료를 넣어 얻은 숫자입니다.
• 관례적으로 모수는 그리스 문자(μ, σ, β), 통계량은 로마자(x̄, s, b)로 표기합니다.
• 통계적 추론은 표본(통계량)으로부터 모수를 구간추정·점추정하고 가설을 검정하는 과정입니다. 모수가 무엇을 가리키는지는 “어떤 모집단인가”를 정의해야 정해집니다.
• 베이지안 관점에서는 모수도 불확실한 대상이므로 확률분포로 나타냅니다.

예시로 보기

모집단이 다섯 개의 값 2, 4, 6, 8, 10뿐이라고 합시다(가상의 예). 모평균 μ = 6, 모분산 σ² = 8(N으로 나눈 값)입니다.

이 모집단에서 두 개를 복원추출하는 모든 경우(25가지)를 나열하면 표본평균 x̄의 평균은 정확히 6.0으로 μ와 같습니다. 즉 x̄는 μ의 불편추정량입니다. 표본분산은 두 가지로 계산해 볼 수 있습니다.

표본 하나로는 어떤 쪽이 맞는지 알 수 없고, 가능한 모든 표본에 걸친 평균적인 성질로 추정량의 좋고 나쁨을 평가합니다. 이것이 표본분산을 n − 1로 나누는 이유입니다.

자주 하는 오해

• “표본평균이 곧 모평균이다.” 표본평균은 모평균을 추정하는 값이며 표본마다 다릅니다. 그 흔들림의 크기가 표준오차입니다.
• “모집단은 늘 전 세계 모든 사람이다.” 모집단은 연구가 정의한 대상(예: 2025년 서울의 중학교 1학년)입니다. 표본 추출이 그 모집단을 대표하지 못하면 아무리 크게 뽑아도 모수에 가까워지지 않습니다.
• “모수 검정”과 “모수”를 혼동한다. 한국어에서 ‘모수(parameter)’와 ‘모수적(parametric) 방법’의 뿌리는 같지만, 모수적 방법은 분포의 모양을 몇 개의 모수로 가정하는 방법(t검정 등)이고 ‘비모수’는 그런 가정을 두지 않는 방법(비모수 검정)입니다.
• “모수는 항상 알 수 없다.” 전수조사(센서스)를 하면 모수를 직접 구할 수 있습니다. 대부분의 연구에서 전수조사가 불가능하거나 비싸서 표본을 쓸 뿐입니다.

논문에서는 이렇게 쓰입니다

실제 논문에서

국내 학술지 논문에서 이 용어가 쓰인 문장을 그대로 옮겼습니다. 제목·학술지·연도와 원문 링크를 함께 적었습니다.

• “또한 이 연구의 표본 수가 355개인 점을 고려할 때, 83개 개별 항목을 모두 관 측변수로 투입할 경우 추정해야 할 모수가 과도하게 증가하여 모형의 안정성과 추정 효율성이 저하될 가능성이 있다.”

  산후조리원 평가지표의 구조적 타당성 검증:탐색적 · 확인적 요인 분석을 중심으로, Journal of Korean Maternal and Child Health, 2026 · KoreaMed Synapse · 원문 보기 ↗

• “가설 모형의 모수 추정 가설 모형의 모수 추정치 및 통계적 유의성을 검증한 결과, 14개의 경로 중 11개가 통계적으로 유의하였다(Figure 2, Table 5).”

  여성 류마티스 관절염 환자의 건강관련 삶의 질 구조모형, Korean Journal of Women Health Nursing, 2023 · KoreaMed Synapse · 원문 보기 ↗

예시 문장

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

이 문장은 "전체 집단의 진짜 평균값은 직접 확인할 수 없으니, 표본에서 계산한 평균값으로 그 값을 짐작한다"는 뜻입니다.

회귀분석을 활용하는 계량경제학·사회과학 연구에서 관심 변수 간 관계를 나타내는 모수를 추정하고 그 불확실성을 함께 제시할 때 사용되는 표현입니다.

임상연구나 실험연구에서 비율로 표현되는 모수(모비율)를 표본 데이터를 통해 비교·검정할 때 사용되는 표현입니다.

조금 더 깊게 보면

모수 추정에는 하나의 값으로 추정치를 제시하는 점추정과, 참값이 있을 법한 범위를 함께 제시하는 구간추정(신뢰구간)이 있으며, 논문에서는 대체로 이 둘을 함께 보고하는 것이 권장됩니다.

좋은 추정량은 흔히 편향이 없는지(불편성), 표본을 반복해 뽑아도 값이 크게 흔들리지 않는지(효율성), 표본이 커질수록 참값에 가까워지는지(일치성) 같은 기준으로 평가됩니다.

실제 논문에서는 모수 자체보다 그 추정치와 표준오차, 신뢰구간, 유의확률(p값) 등 추정의 불확실성을 나타내는 값들이 함께 제시되는 경우가 대부분입니다.

주의할 점

모수와 통계량을 혼동하면 안 됩니다. 모수는 그리스 문자(μ, σ, β 등)로, 통계량은 로마자(x̄, s, b 등)로 표기하는 관례가 있습니다. 모수는 한 번 정해지면 변하지 않는 상수이지만, 표본을 새로 뽑을 때마다 통계량 값은 달라질 수 있으며, 이 통계량들이 흩어진 모양이 바로 표집분포입니다.

헷갈리기 쉬운 용어

참고 문헌

1. Casella, G., & Berger, R. L. (2002). Statistical Inference (2nd ed.). Duxbury.
2. Wasserman, L. (2004). All of Statistics: A Concise Course in Statistical Inference. Springer.
3. Lehmann, E. L., & Casella, G. (1998). Theory of Point Estimation (2nd ed.). Springer.
4. Cochran, W. G. (1977). Sampling Techniques (3rd ed.). Wiley.

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

관련 용어