반응형
여러분은 "2년차 징크스"라는 단어를 들어본 적이 있나요? 이 용어는 스포츠에서 흔히 볼 수 있는 현상을 말합니다. 데뷔한 해 좋은 성적을 거둔 선수가 이듬해 슬럼프에 빠지는 현상입니다.
특히 미국에서는 '스포츠 일러스트레이티드 징크스'가 있는데, 성적이 좋은 유명 스포츠 주간지 '스포츠 일러스트레이티드' 표지를 장식한 선수들이 나중에 성적이 떨어지는 현상입니다.
다양한 분야에서 볼 수 있는 2년차 증후군
이런 종류의 2년차 징크스는 스포츠 외에도 흔히 볼 수 있습니다. 음악 앨범, 드라마, 영화와 같은 다양한 분야에서 발견될 수 있습니다. 첫 번째가 성공한 후 두 번째가 첫 번째보다 좋지 않다는 것은 2년차 징크스의 일종으로 볼 수 있습니다.
이 징크스가 2년차에 발생한 원인에 대해서는 다양한 의견이 있습니다. 첫해 좋은 성적을 받으면 내년 성적에 대한 기대가 부담스럽고, 선수 분석에 약점이 노출되는 문제가 생길 수 있다는 심리적 요인도 있습니다. 2005년 "2년차 징크스의 실체"이라는 제목의 논문은 좋은 성적을 거둔 선수들에 대한 팀의 세밀한 분석, 자만과 부상 등을 원인으로 보고 있습니다.
데이터 과학으로 보는 2년차 징크스, '평균으로의 회귀'
통계 분석에는 상관 분석, 분산 분석 등 다양한 방법이 있습니다. 그 중에서도 회귀분석은 '통계분석의 꽃'으로 불립니다. 가장 중요한 방법론으로 다양한 분야에서 널리 사용되고 있습니다.
회귀 분석은 둘 이상의 변수 사이의 관계를 확인하는 데 사용되는 분석 방법입니다. 평균으로의 회귀는 많은 데이터를 기반으로 결과를 예측할 때 값이 평균에 근접하는 경향입니다. 아버지의 키와 아들의 키 사이의 유전적 관계를 연구하는 중, 골턴은 흥미로운 사실을 발견합니다. 아버지가 평균보다 크면 아들이 아버지보다 키가 작을 확률이 높고, 아버지가 평균보다 작으면 아들이 아버지보다 키가 클 확률이 높습니다.
이 값은 평균으로의 회귀입니다. 이렇게 하면 세대에 걸쳐 키의 분포가 거의 일정하게 유지될 수 있습니다.
이 골턴의 연구를 2년차 징크스로 대체해 보겠습니다. 아버지의 키는 1년차 성적, 아들의 키는 2년차 성적이라고 하겠습니다. 2년차 징크스는 1년차 성적이 좋으면 내년 성적이 2년차 징크스만큼 좋지 않다는 것입니다.
일상생활에 적용되는 "평균으로의 회귀"
2년차 징크스가 꼭 스포츠계에만 국한된 것은 아닙니다. 간단한 예로 중간고사를 평소보다 잘 보면 기말고사를 잘 보기가 쉽지 않습니다. 반면 중간고사를 평소보다 많이 망치면 보통 기말고사에서 중간고사보다 높은 점수를 받습니다. 이러한 평균으로의 회귀를 통해 2년차 징크스가 우리 주변에서 일어나는 자연스러운 현상임을 알 수 있습니다.
평균 현상 평균으로의 회귀를 통해 알 수 있는 의사 결정 사례가 있습니다.
첫 번째는 교육학에서 중요한 이슈인 격려와 체벌의 문제입니다. 그것은 학습의 효과를 향상시키는 데 격려와 체벌 중 어느 것이 더 효과적인지에 대한 토론입니다. 이 주제에 대해 생물심리학자들은 격려가 훨씬 더 효과적이라고 말합니다.
반면에, 실제로 현장에서 수업을 해본 일부 교사들은 체벌이 더 효과적이라는 의견을 가끔 표명했습니다. 즉, 첫 번째 일에 성공하고 칭찬을 받으면 그 다음에 어려움을 겪지만, 먼저 실패해서 체벌을 받으면 두 번째 일에 성공하는 경우가 많다는 것입니다. 그러나 이 현상은 평균으로의 회귀로도 설명할 수 있습니다. 처음 성적이 우수하면 그 다음 성적은 그에 비해 못할 것이라는 식입니다. 데이터 과학은 경험에서 얻은 깨달음이 항상 올바른 해석은 아닐 수도 있다고 설명할 수 있습니다.
이러한 합리적인 의사 결정을 위해서는 평균으로의 회귀에 대한 이해가 중요합니다. 예를 들어, 교통 사고를 줄이기 위해 교차로에 속도 조절 카메라를 설치하는 것을 고려해보세요. 카메라를 어디에 설치해야 하나요? 가장 많이 떠오르는 것은 작년에 사고가 가장 많이 발생한 지점(또는 일정 기간)에 설치하는 것입니다. 이런 식으로 카메라를 설치했을 때 앞으로 1년 동안 카메라를 설치한 시점에서 교통사고 건수가 크게 줄었다고 가정해 보겠습니다.
이것은 카메라 감소 효과인가요, 아니면 평균으로 복귀한 결과 자연스럽게 감소하나요? 이러한 데이터 과학에 대한 이해를 통해, 여러분은 어떻게 결정을 내리고 합리적인 선택을 할 수 있는지 결정할 수 있습니다. 이것이 데이터 과학이 필요한 이유입니다.
평균으로의 회귀를 포함한 데이터 과학에 대한 우리의 관심을 통해, 우리는 우리 주변의 세상을 조금이라도 이해할 수 있습니다.
반응형
댓글