[제2편: 그래프의 마술 - 눈을 속이는 차트의 비결을 찾아라]

 안녕하세요! 브로올리 연구소장입니다. 지난번 '평균의 함정' 이야기, 생각보다 우리 주변에 그런 일이 많죠? 오늘은 우리가 매일 보는 뉴스나 보고서 속 '그래프' 이야기를 해보려고 합니다.

"숫자는 거짓말을 하지 않는다"는 말이 있지만, 통계학자들 사이에서는 "숫자는 거짓말을 안 해도, 그래프는 거짓말을 한다"는 농담이 있습니다. 똑같은 데이터인데도 어떤 그래프는 엄청난 성장을 한 것처럼 보이고, 어떤 그래프는 제자리걸음처럼 보이게 만들 수 있거든요. 그 비밀은 바로 **'축(Axis)의 장난'**에 있습니다.

1. 시작점 0을 지워버리는 마술

그래프에서 가장 흔하게 일어나는 눈속임은 세로축(Y축)의 시작점을 '0'이 아닌 다른 숫자로 잡는 것입니다.

예를 들어, A라는 제품의 만족도가 80점에서 82점으로 딱 2점 올랐다고 해봅시다. 만약 Y축을 0부터 100까지 잡으면 그래프의 선은 거의 수평에 가깝게 보일 겁니다. 하지만 Y축의 범위를 79부터 83까지로 좁게 잡으면 어떻게 될까요? 선이 아래에서 위로 급격하게 치솟는 모양이 됩니다. 사람들은 숫자를 보기 전에 '각도'에 먼저 반응하기 때문에, "와! 만족도가 폭발적으로 상승했네?"라고 착각하게 되는 것이죠.

2. 막대그래프의 길이를 조작하는 법

막대그래프에서도 비슷한 일이 벌어집니다. 어떤 후보의 지지율이 20%이고 다른 후보가 25%일 때, 정직한 그래프라면 막대 길이 차이는 1.25배여야 합니다.

하지만 그래프 하단을 쑥 잘라내고 15%부터 보여주기 시작하면, 5%p 차이가 마치 2~3배 차이 나는 것처럼 보일 수 있습니다. 제가 예전에 어떤 광고에서 매출이 2배 뛰었다는 막대그래프를 봤는데, 자세히 보니 아래쪽 수치를 교묘하게 가려놓았더라고요. 알고 보니 실제 증가폭은 10% 남짓이었습니다. 브로올리 연구소 독자님들이라면 이제 이런 그래프에 속지 않으시겠죠?

3. 3D 그래프의 화려한 함정

가끔 보고서나 뉴스에 입체적인 3D 원형(파이) 그래프가 나올 때가 있습니다. 보기에는 예쁘지만, 이건 통계적으로 아주 위험한 그래프입니다.

원형 그래프를 3D로 눕히면, 우리 눈과 가까운 쪽의 조각은 실제 값보다 훨씬 커 보이고, 뒤쪽에 있는 조각은 작아 보입니다. 특정 항목을 강조하고 싶을 때 일부러 3D 기법을 써서 시각적 왜곡을 일으키는 것이죠. 데이터를 객관적으로 보고 싶다면 가장 투박한 2D 평면 그래프가 사실은 가장 정직한 그래프입니다.

4. 브로올리 연구소의 차트 해부 팁

앞으로 그래프를 볼 때는 딱 세 가지만 먼저 확인해 보세요.

  1. 세로축의 시작점이 **'0'**인가?

  2. 축의 간격이 일정하게 나뉘어 있는가?

  3. 그래프의 제목이 데이터의 내용과 일치하는가? (자극적인 제목에 속지 마세요!)

데이터는 읽는 사람의 눈을 속이려 들 때가 많습니다. 하지만 그 원리를 알고 나면 숫자가 숨기고 있는 진짜 얼굴이 보이기 시작할 거예요.

✅ 2편 핵심 요약

  • 그래프의 세로축 시작점을 조작하면 작은 변화도 엄청난 차이처럼 보이게 할 수 있다.

  • 3D 그래프는 원근감 때문에 데이터의 실제 비율을 왜곡할 가능성이 높다.

  • 시각적인 '각도'나 '길이'에 현혹되기 전, 반드시 축의 숫자를 직접 확인하는 습관이 중요하다.

다음 편 예고: "아이스크림이 많이 팔릴수록 익사 사고가 늘어난다?" 듣기엔 황당하지만 통계 수치상으로는 완벽하게 일치하는 현상입니다. 상관관계와 인과관계를 착각해서 생기는 황당한 오류들을 알아봅니다.

댓글

댓글 쓰기

이 블로그의 인기 게시물

[제6편: %와 %p의 한 끗 차이 - 뉴스가 숫자를 부풀리는 방식]

 안녕하세요! 브로올리 연구소장입니다. 오늘은 뉴스 기사나 경제 뉴스를 볼 때 가장 많이 헷갈리지만, 모르면 무조건 손해를 보는 숫자 이야기를 가져왔습니다. 바로 **퍼센트(%)**와 **퍼센트포인트(%p)**의 차이입니다. "그게 그거 아니야?"라고 생각하실 수 있지만, 이 글자를 어떻게 쓰느냐에 따라 체감 수치가 수십 배나 차이 날 수 있거든요. 숫자의 마법을 부리는 교묘한 편집의 기술, 함께 알아볼까요? 우리는 매일 "취업률 3% 상승", "금리 0.5%p 인상" 같은 말을 듣습니다. 그런데 왜 어떤 때는 %를 쓰고, 어떤 때는 %p라고 할까요? 이 둘을 혼동하면 누군가 의도적으로 정보를 왜곡할 때 아주 쉽게 속아 넘어가게 됩니다. 1. 퍼센트(%)는 '변화의 비율'입니다 퍼센트는 원래 있던 값에서 얼마나 변했는지를 나타내는 비율 입니다. 예를 들어, 작년 실업률이 10%였는데 올해 11%가 되었다고 가정해 봅시다. 여기서 "실업률이 1% 올랐다"고 말하면 통계적으로는 틀린 표현입니다. 원래 10이었던 값에서 1만큼 증가한 것이니, 실제로는 **10%가 증가(10의 10%는 1)**한 것입니다. 즉, "실업률이 작년 대비 10% 상승했다"라고 말하는 것이 퍼센트의 올바른 사용법입니다. 2. 퍼센트포인트(%p)는 '단순한 차이'입니다 반면 퍼센트포인트는 퍼센트로 표시된 수치끼리 단순히 뺄셈을 한 차이 를 말합니다. 앞선 예시에서 11%와 10%의 차이는 단순하게 1이죠? 이때 단위를 %p라고 씁니다. 즉, "실업률이 작년보다 1%p 상승 했다"라고 말해야 정확합니다. 3. 왜 뉴스는 이 둘을 교묘하게 섞어 쓸까? 이제부터가 중요합니다. 정보를 전달하는 쪽에서 상황을 부풀리거나 축소하고 싶을 때 이 단위를 이용합니다. 상황 A (성과를 자랑하고 싶을 때) : 우리 회사 점유율이 1%에서 2%로 올랐습니다. "점유율이...
자세한 내용 보기

[제1편: 평균의 함정 - 왜 나의 월급은 평균보다 낮을까?]

이미지
 안녕하세요, 브로올리 연구소입니다. 우리는 일상에서 '평균'이라는 단어를 정말 많이 사용합니다. "평균 수입", "평균 수명", "평균 성적" 등 평균은 복잡한 데이터를 단 하나의 숫자로 요약해주는 아주 편리한 도구처럼 보이죠. 하지만 통계학에서 평균은 때때로 진실을 가장 교묘하게 가리는 '가면'이 되기도 합니다. 1. 빌 게이츠가 동네 술집에 들어오면 생기는 일 상상해 봅시다. 어느 동네 술집에 평범한 직장인 10명이 모여 있습니다. 이들의 연봉 평균이 5,000만 원이라고 가정하죠. 그런데 갑자기 연봉이 수천억 원인 빌 게이츠가 이 술집으로 걸어 들어옵니다. 그 순간, 이 술집 안에 있는 사람들의 '1인당 평균 연봉'은 수십억 원으로 껑충 뛰어오릅니다. 하지만 술집에 있던 기존 직장인들의 지갑 사정은 변한 게 없습니다. 이것이 바로 평균의 함정 입니다. 극단적인 값(아웃라이어) 하나가 전체의 모습을 심각하게 왜곡하는 것이죠. 2. 우리가 진짜 봐야 할 숫자는 '중앙값'입니다 통계 데이터를 볼 때 평균(Mean)보다 더 믿음직한 경우가 많은 숫자가 바로 **중앙값(Median)**입니다. 중앙값은 데이터를 크기순으로 쭉 나열했을 때 딱 중간에 위치하는 값을 말합니다. 앞서 말한 술집 사례에서 평균은 빌 게이츠 때문에 왜곡되었지만, 중앙값은 여전히 5,000만 원 근처에 머뭅니다. 뉴스에서 "우리나라 근로자 평균 소득이 000만 원이다"라는 기사를 보고 "나는 왜 저거밖에 안 되지?"라고 자괴감이 든다면, 대개 그 통계는 소수의 고소득자가 평균을 끌어올렸기 때문일 확률이 높습니다. 이럴 때는 평균 대신 '중앙값'이나 가장 많은 사람이 해당하는 값인 '최빈값'을 찾아보는 지혜가 필요합니다. Shutterstock 탐색 3. 평균적인 사람은 존재하지 않는다 1940년대 미국 공군에서는 조종...
자세한 내용 보기

[제5편: 기저율의 오류 - 양성 판정을 받아도 무서워할 필요 없는 이유]

 만약 여러분이 아주 드문 희귀병 검사를 받았는데, 의사 선생님이 "양성(병이 있음)입니다"라고 말했다면 어떨까요? 하늘이 무너지는 기분이겠죠. 하지만 통계적으로 따져보면, 여러분이 실제로 그 병에 걸렸을 확률은 의외로 10%도 안 될 수 있습니다. 어떻게 이런 일이 가능할까요? 1. '기저율'이 도대체 뭐길래? 기저율(Base Rate)은 쉽게 말해 **'원래 그 일이 일어날 확률'**을 뜻합니다. 예를 들어 그 희귀병이 인구 1,000명당 1명만 걸리는 병이라고 칩시다. 여기서 기저율은 0.1%입니다. 아주 낮죠. 2. 정확도 99% 검사기의 함정 자, 이제 정확도가 99%인 아주 훌륭한 검사기가 있다고 해봅시다. 1,000명을 검사하면 어떤 일이 벌어질까요? 진짜 환자(1명) : 정확도가 99%이니 당연히 '양성'이라고 나옵니다. 건강한 사람(999명) : 정확도가 99%니까, 반대로 1%의 실수 를 합니다. 즉, 건강한 999명 중 약 10명(1%)에게는 "당신 병에 걸렸어요!"라고 오답(위양성)을 내놓습니다. 결과적으로 검사기가 '양성'이라고 외친 사람은 총 11명(진짜 1명 + 가짜 10명)입니다. 그런데 이 중에서 진짜 환자는 단 1명 뿐이죠. 즉, 양성 판정을 받아도 내가 진짜 환자일 확률은 1/11, 약 9% 밖에 안 되는 겁니다. 3. 왜 우리는 숫자에 속을까? 사람의 뇌는 구체적인 정보(99%의 정확도)에는 예민하게 반응하지만, 전체적인 배경 정보(0.1%라는 낮은 발병률)는 무시하는 경향이 있습니다. 이를 '기저율 무시'라고 부릅니다. 이건 일상에서도 자주 일어납니다. 예를 들어 "내 친구는 아주 조용하고 책 읽기를 좋아해. 이 친구는 도서관 사서일까, 아니면 회사원일까?"라고 물으면 많은 사람이 '사서'라고 답합니다. 하지만 현실적으로 회사원의 수가 사서보다 수천 배 많기 때문에(높은 기저율), ...
자세한 내용 보기