표본추출 방법 4가지, 단순무작위추출부터 군집추출까지
'단순무작위추출이랑 계통추출이랑 뭐가 다른 거예요? 둘 다 그냥 무작위 아닌가요...' '층화추출이랑 군집추출은 이름만 비슷한 게 아니라 시험에서 자꾸 헷갈리게 내던데요.' 빅데이터분석기사 필기 준비하시는 분들 단톡방에 가면 꼭 한 번씩 나오는 하소연입니다. 표본추출 파트는 개념 자체는 어렵지 않은데, 이름이 비슷하고 정의가 짧다 보니 '그래서 뭐가 뭔지' 헷갈리는 대표적인 구간이에요.
저도 이 파트를 처음 볼 때 4개 방법을 그냥 순서대로 외우려다가, 시험장에서 보기 4개 중 2개까지는 좁혔는데 나머지 2개에서 매번 틀렸던 기억이 있습니다. 그런데 알고 보면 이 4가지는 딱 '무작위성이 어느 단계에 들어가는가'와 '그룹을 나눈다면 그 그룹은 서로 비슷한가, 다른가' 이 두 가지 기준만 잡으면 절대 안 헷갈립니다. 오늘은 이 기준을 축으로 단순무작위추출, 계통추출, 층화추출, 군집추출 4가지를 끝까지 정리해 드릴게요.
표본추출은 왜 시험에 자꾸 나올까요? 빅데이터분석기사 실무에서는 모집단 전체(전수)를 다 조사하기 어려운 경우가 훨씬 많습니다. 데이터 양이 방대하거나, 조사 비용·시간이 한정되어 있거나, 모집단 자체가 계속 바뀌는 상황이라면 일부만 뽑아서 전체를 추정해야 하죠. 이때 '어떻게 뽑았는가'가 나중에 통계적 추정과 가설검정의 신뢰도를 결정짓기 때문에, 표본추출 방법을 정확히 구분하는 것은 단순 암기 문제가 아니라 뒤에 나오는 추정·검정 파트를 이해하기 위한 기초 체력이기도 합니다. 그러니 이번 기회에 확실히 잡고 넘어가시길 추천드려요.
1. 단순무작위추출과 계통추출 — '그룹을 안 나누는' 두 방법
제비뽑기 vs 등수 매기고 K번째마다 뽑기
먼저 그룹을 아예 나누지 않는 두 방법부터 보겠습니다. 단순무작위추출(Simple Random Sampling)은 말 그대로 제비뽑기입니다. 모집단에 있는 모든 개체가 똑같은 확률로 뽑히도록, 난수표나 난수 생성 함수를 이용해서 표본을 뽑는 방식이에요. 로또 번호 추첨을 떠올리면 됩니다. 1번부터 500번까지 번호가 매겨진 사람이 있다고 할 때, 어떤 규칙도 없이 컴퓨터가 무작위로 50명을 뽑아내는 것이 단순무작위추출입니다.
계통추출(Systematic Sampling)은 여기에 '줄을 세운다'는 단계가 하나 더 붙습니다. 먼저 모집단 전체를 순서대로 나열(정렬)한 다음, 첫 번째 표본만 무작위로 뽑고 그 이후로는 일정한 간격(K)마다 기계적으로 뽑아나가는 방식이에요. 예를 들어 500명을 줄 세워놓고 표본을 50명 뽑아야 한다면 간격 K는 500÷50=10이 됩니다. 1번부터 10번 사이에서 무작위로 하나(예: 3번)를 뽑으면, 이후로는 13번, 23번, 33번… 이런 식으로 10명 간격으로 계속 뽑아나가는 것이죠. 즉 '처음 한 번만 무작위, 그다음은 규칙'이 계통추출의 핵심입니다.
두 방법 모두 그룹을 나누지 않고 모집단 전체를 대상으로 한다는 공통점이 있습니다. 차이는 딱 하나, 무작위성이 표본 전체에 적용되는지(단순무작위) 아니면 시작점 한 번에만 적용되는지(계통)입니다.
시험에 자주 나오는 함정
계통추출을 '그냥 규칙적으로 뽑는 방법'이라고만 외우면, '계통추출은 무작위성이 전혀 없다'는 틀린 보기에 낚이기 쉽습니다. 계통추출도 최초 시작점은 반드시 무작위로 뽑아야 하며, 그래야 확률표본으로 인정됩니다. 또 하나, 모집단이 어떤 주기성(예: 특정 요일마다 특성이 반복되는 데이터)을 가지고 있는데 그 주기와 추출 간격 K가 우연히 맞아떨어지면, 표본이 특정 성격의 개체로만 쏠려서 대표성을 잃을 수 있다는 점도 단골 오답 포인트입니다.
두 방법을 언제 실제로 쓰는지도 함께 기억해두면 문제 응용력이 훨씬 좋아집니다. 단순무작위추출은 모집단 규모가 크지 않고 명부(전체 목록)를 확보하기 쉬울 때, 가장 이론적으로 깔끔한 표본을 얻고 싶을 때 씁니다. 반면 계통추출은 실무에서 훨씬 자주 쓰이는 방식이에요. 예를 들어 공장에서 생산라인을 따라 흘러나오는 제품 중 10개마다 1개씩 품질 검사를 하는 경우, 고객 명단에서 매 K번째 고객에게만 설문을 보내는 경우처럼, 이미 순서가 정해져 있는 데이터에 적용하기 편하기 때문입니다.
2. 층화추출 — '비슷한 것끼리 나눈 뒤 골고루' 뽑기
학년별로 나눠서 각각 뽑는다면
층화추출(Stratified Sampling)은 모집단을 어떤 특성을 기준으로 몇 개의 층(Strata)으로 나눈 다음, 각 층에서 표본을 추출하는 방법입니다. 여기서 핵심은 나누는 기준이에요. 층 내부는 최대한 비슷한(동질적인) 사람들끼리, 층과 층 사이는 서로 다르게(이질적으로) 나눠야 층화추출의 의미가 있습니다.
회사에서 부서별로 만족도 조사를 한다고 생각해보면 이해가 쉽습니다. 영업팀, 개발팀, 관리팀은 업무 특성이 서로 다르니까 만족도 응답 패턴도 부서마다 다를 가능성이 큽니다. 이럴 때 회사 전체에서 아무나 무작위로 50명을 뽑으면, 운 나쁘게 특정 부서 사람이 몰려 뽑히거나 아예 안 뽑힐 수도 있어요. 그래서 부서(층)별로 인원 비율에 맞춰 표본을 배분해서 뽑는 것이 층화추출입니다. 이렇게 하면 부서 규모가 작은 팀도 반드시 표본에 포함되고, 전체 모집단의 구조를 표본에도 그대로 반영할 수 있습니다.
가장 널리 쓰이는 배분 방식이 비례배분(Proportional Allocation)입니다. 각 층의 표본 수를 '그 층이 전체 모집단에서 차지하는 비율'만큼 배분하는 방식이에요. 아래 예시로 직접 계산 과정을 보겠습니다.
이렇게 각 층에서 뽑을 때는 층 내부에서 다시 단순무작위추출이나 계통추출을 쓰는 것이 일반적입니다. 즉 층화추출은 '어떻게 나눌지'에 대한 방법이고, 나눈 다음 각 층 안에서 뽑는 방식은 별도로 정해야 한다는 점도 함께 기억해두면 좋습니다.
참고로 배분 방식이 비례배분만 있는 것은 아닙니다. 층마다 인원수와 관계없이 표본 수를 동일하게 나누는 동일배분(균등배분), 층별 특성(분산)까지 고려해서 배분 비율을 조정하는 최적배분 같은 방식도 있습니다. 다만 시험에는 계산이 명확하고 개념도 직관적인 비례배분이 압도적으로 자주 나오니, 오늘은 비례배분 계산 공식을 확실히 잡는 데 집중하시면 됩니다. 동일배분과 헷갈리지 않으려면 '비례배분은 인원이 많은 층일수록 표본도 많이 가져간다'는 문장 하나만 기억해두세요.
시험에 자주 나오는 함정
첫째, 층화추출의 목적을 묻는 문제에서 '층 내부를 이질적으로 만들기 위해서'라는 보기가 함정으로 자주 나옵니다. 정반대입니다. 층 내부는 동질적으로, 층 사이는 이질적으로 나누는 것이 층화추출의 원리입니다. 둘째, 비례배분 계산 문제에서 소수점 처리를 틀리는 경우가 많은데, 시험에서는 위 예시처럼 나누어떨어지는 깔끔한 숫자로 출제되는 경우가 많으니 비율 계산 공식(해당 층 인원 ÷ 전체 인원 × 전체 표본 수)만 정확히 기억해두면 됩니다. 셋째, '층화추출은 모든 층에서 반드시 표본을 뽑아야 한다'는 특징과 뒤에 나올 군집추출('일부 군집만 뽑는다')을 바꿔서 묻는 문제가 자주 출제됩니다.
3. 군집추출 — '덩어리째 통째로' 뽑기
학년 전체가 아니라 반 몇 개만 통째로
군집추출(Cluster Sampling)은 층화추출과 이름도 비슷하고 '그룹으로 나눈다'는 첫 단계도 비슷해서 가장 많이 헷갈리는 방법입니다. 하지만 나누는 기준부터 정반대입니다. 군집추출은 모집단을 여러 개의 군집(Cluster)으로 나누는데, 이때 각 군집 내부는 오히려 모집단 전체의 축소판처럼 다양하게(이질적으로), 군집과 군집 사이는 서로 비슷하게(동질적으로) 구성되도록 나눕니다. 그리고 그렇게 나눈 군집 중에서 일부 군집을 무작위로 뽑아, 그 군집에 속한 개체는 전수(전체)를 조사합니다.
전국 20개 학교에서 학생 만족도를 조사한다고 해봅시다. 각 학교(군집) 안에는 성적 상위권부터 하위권까지, 남학생과 여학생까지 다양한 학생이 고르게 섞여 있을 겁니다. 즉 학교 하나하나가 이미 '축소된 전체 모집단'과 비슷한 구성을 가지고 있는 셈이에요. 이럴 때는 20개 학교 중 4개 학교만 무작위로 뽑아서, 뽑힌 학교의 학생은 전원 조사하는 것이 효율적입니다. 이것이 군집추출입니다. 지리적으로 흩어진 모집단을 조사할 때 조사 비용과 시간을 크게 줄일 수 있다는 것이 가장 큰 장점입니다.
시험에 자주 나오는 함정
'층화추출과 군집추출 중 표본오차가 더 작은 것은?'류의 문제가 자주 나옵니다. 일반적으로 층화추출이 표본오차 관리 측면에서 더 유리하다고 봅니다. 층을 동질적으로 나눈 만큼 각 층 내부의 변동성이 작아서 추정이 더 안정적이기 때문입니다. 반대로 군집추출은 비용은 적게 들지만, 군집 내부가 다양하다 해도 군집 자체를 몇 개만 뽑기 때문에 어쩌다 특이한 군집이 뽑히면 오차가 커질 위험이 있습니다. 또 하나 자주 나오는 함정은 '군집추출도 뽑힌 군집 안에서는 다시 무작위로 일부만 뽑는다'는 보기입니다. 원칙적으로 군집추출은 뽑힌 군집을 전수조사하는 것이 기본 정의이니, 이 부분을 정확히 구분해서 기억해두세요.
참고로 실무에서는 군집을 한 번만 뽑지 않고, 큰 군집(예: 시·도)을 먼저 뽑은 뒤 그 안에서 다시 작은 군집(예: 구·동)을 뽑는 식으로 단계를 여러 번 거치는 경우도 많은데, 이를 다단계추출(다단추출)이라고 부릅니다. 필기시험에서 깊게 다루지는 않지만 '군집추출을 여러 단계로 확장한 방식'이라는 정도만 알아두면, 관련 보기가 나와도 당황하지 않을 수 있습니다.
언제 어떤 방법을 써야 할까?
지금까지 배운 4가지 방법을 실전 문제 스타일로 다시 정리해보겠습니다. 시험에서는 '다음 상황에 가장 적합한 표본추출 방법은?'처럼 상황을 주고 방법을 고르게 하는 문제가 자주 나오는데, 아래 기준으로 접근하면 빠르게 답을 좁힐 수 있습니다.
- 모집단을 나눌 필요가 없고, 명부도 확보하기 쉽다 → 단순무작위추출을 우선 고려합니다. 가장 기본이 되는 방법이라 '특별한 조건이 없다면' 정답으로 처리되는 경우도 많습니다.
- 모집단이 이미 순서대로 정리되어 있고(생산라인, 명단 등), 빠르게 뽑아야 한다 → 계통추출이 적합합니다. 다만 문제에서 '특정 주기성이 있다'는 단서를 준다면 계통추출은 오히려 부적절한 방법이 됩니다.
- 모집단 안에 뚜렷이 구분되는 하위 집단(성별, 연령대, 지역, 소득 구간 등)이 있고, 그 하위 집단별 결과를 비교하거나 반드시 골고루 반영하고 싶다 → 층화추출이 정답입니다.
- 모집단이 지리적으로 넓게 흩어져 있어서 전체를 대상으로 조사하면 비용과 시간이 너무 많이 든다 → 군집추출이 정답입니다. '비용 절감'이라는 단어가 문제에 나오면 군집추출을 먼저 떠올리세요.
시험 직전에 이것만
핵심 문장 3개, 이것만 외우고 시험장 들어가세요.
단순무작위추출과 계통추출은 그룹을 나누지 않고, 층화추출과 군집추출은 그룹(층/군집)으로 나눈 뒤 표본을 뽑습니다.
층화추출은 '층 내부는 비슷하게, 층끼리는 다르게' 나누고 모든 층에서 뽑지만, 군집추출은 '군집 내부는 다양하게, 군집끼리는 비슷하게' 나누고 일부 군집만 통째로 뽑습니다.
층화추출의 비례배분 계산은 항상 '해당 층 인원 ÷ 전체 인원 × 전체 표본 수' 공식 하나로 풀립니다.
책에서는 이렇게 정리돼 있어요
『빠르게 따는 빅데이터분석기사(필기)』도 '오답 노트' 방식의 해설을 지향합니다. 정답이 왜 정답인지만 설명하는 게 아니라 나머지 오답 선지가 '왜 함정인지'까지 짚어주는 방식이에요. 표본추출처럼 이름이 비슷해서 헷갈리는 개념일수록, 정답 하나만 외우는 것보다 오답이 왜 틀렸는지를 함께 봐야 실제 시험에서 변형 문제가 나와도 흔들리지 않습니다. 책에서도 이 방식으로 층화추출·군집추출 같은 헷갈리는 짝꿍 개념들을 짝지어 정리해두었으니, 오늘 이 글로 감을 잡으셨다면 책의 해당 파트에서 문제를 더 풀어보시길 추천드립니다.
더 알아보기
CBT로 실전처럼 풀어보기: 골든래빗 CBT 바로가기에서 오늘 배운 표본추출 개념을 실제 기출 유형으로 바로 테스트해보세요.
다음 시험 일정 확인하기: 정확한 시험 일정과 접수 기간은 계속 바뀌니 골든래빗 시험 일정 페이지에서 최신 정보로 확인해주세요.
『빠르게 따는 빅데이터분석기사』 책으로 제대로 정리하기: 골든래빗 도서 페이지에서 1권·2권 구성과 목차를 확인해보세요.
궁금한 게 생기면 언제든 카카오톡 질문방에 편하게 물어보세요. 같이 준비하는 동료 수험생들과 답을 찾다 보면 훨씬 빨리 이해됩니다.