사전투표 와 대수의 법칙

**대수의 법칙(Law of Large Numbers, LLN)**은 확률론에서 중요한 정리 중 하나로, 표본 크기가 커질수록 표본 평균이 모집단의 기댓값(평균)에 가까워진다는 원리입니다.

1. 개념

어떤 확률적 실험을 여러 번 반복할 때, 개별 시행에서는 결과가 불규칙하게 나타날 수 있지만, 시행 횟수를 늘리면 전체적인 평균이 특정한 값(기댓값)에 수렴한다는 의미입니다.

예를 들어, 동전을 던지는 실험을 생각해 보죠. 동전을 10번 던지면 앞면(또는 뒷면)이 5번 나오지 않을 수도 있습니다. 하지만 1,000번, 10,000번 던질수록 앞면이 나오는 비율은 점점 **50%**에 가까워집니다.

2. 대수의 법칙 종류

대수의 법칙에는 두 가지 주요한 형태가 있습니다.

1. 약한 대수의 법칙 (Weak Law of Large Numbers, WLLN)

표본 평균이 모집단 평균에 확률적으로 수렴(즉, 평균이 특정 값에 가까워질 확률이 1에 가까워짐).

시행 횟수가 증가하면, 표본 평균이 모집단 평균에 점점 가까워질 확률이 1에 수렴하지만, 항상 일정한 값으로 수렴한다는 보장은 없음.



2. 강한 대수의 법칙 (Strong Law of Large Numbers, SLLN)

표본 평균이 모집단 평균에 거의 확실하게 수렴(즉, 무한히 반복하면 결국 모집단 평균과 같아짐).

확률적으로 수렴하는 것보다 더 강한 개념으로, 무한 시행 시 표본 평균이 모집단 평균과 거의 동일해짐.

3. 수식 표현

4. 대수의 법칙과 중심극한정리(CLΤ)와의 관계

대수의 법칙은 표본 크기가 증가하면 평균이 기댓값에 수렴함을 보장합니다.

중심극한정리(CLT)는 표본 크기가 커질수록 표본 평균이 정규분포를 따름을 보장합니다.
즉, 대수의 법칙은 평균의 수렴성을, 중심극한정리는 평균의 분포 형태를 다룹니다.


5. 실생활 예시

1. 도박이나 카지노: 카지노는 대수의 법칙을 이용해 장기적으로 항상 수익을 내도록 설계됩니다. 개별 고객은 이길 수도 있지만, 전체적으로 보면 카지노의 이익률(예: 룰렛에서의 카지노 이점)이 유지됩니다.

2. 보험업: 보험사는 많은 가입자의 사고 확률을 기반으로 보험료를 책정하는데, 대수의 법칙 덕분에 개별 사고는 예측할 수 없어도 전체적인 손실률을 예측할 수 있습니다.

3. 데이터 과학 및 머신러닝: 샘플 데이터가 많을수록 모집단의 실제 특성을 더 잘 반영하는 이유도 대수의 법칙 때문입니다.



결론적으로, 대수의 법칙은 시행 횟수가 증가하면 불확실성이 줄어들고 평균값이 안정화됨을 보장하는 확률론의 핵심 정리입니다.


사전선거 결과가 본투표(최종 개표 결과)와 일치하지 않는 이유는 대수의 법칙이 항상 적용되지 않는 상황이 있기 때문입니다.

대수의 법칙은 표본이 충분히 크고, 모집단을 대표할 만큼 무작위로 선택된 경우에만 적용됩니다.

하지만 사전선거와 본투표는 다음과 같은 이유로 동일한 모집단을 대표하지 못할 가능성이 있습니다.

1. 사전투표와 본투표 유권자의 차이

사전투표에 참여하는 사람과 본투표에 참여하는 사람의 특성이 다를 수 있습니다.

사전투표 참여율이 높은 특정 계층: 젊은 층, 직장인, 군인 등은 주말 본투표보다 평일 사전투표를 더 선호하는 경향이 있음.

본투표 참여율이 높은 특정 계층: 노년층이나 전통적인 투표 습관을 가진 유권자는 사전투표보다 본투표를 선호하는 경향이 있음.
즉, 두 집단이 동일한 모집단을 대표하지 않기 때문에 대수의 법칙이 적용되지 않습니다.

2. 표본 크기의 문제

대수의 법칙이 적용되려면 표본이 충분히 커야 합니다.

사전투표가 전체 투표자의 일부(예: 30~40%)에 불과할 경우, 표본이 모집단을 온전히 반영하지 못할 수 있음.

특정 지역에서 사전투표가 많거나 적을 경우, 전체적인 평균과 다를 가능성이 있음.


즉, 사전투표 결과가 최종 투표 결과와 완전히 일치하려면, 사전투표와 본투표의 유권자 구성이 동일해야 하지만, 현실적으로 그렇지 않음.

3. 시간에 따른 여론 변화

사전투표는 보통 본투표보다 며칠~일주일 앞서 진행됩니다.

그 기간 동안 후보자의 발언, 정책 발표, 논란 등으로 인해 여론이 변할 가능성이 있음.

특히 막판 변수(예: 토론회, 스캔들, 정치적 사건 등)가 발생하면 본투표에서 다른 결과가 나올 수 있음.


즉, 사전투표와 본투표는 동일한 시점에서 이루어지지 않기 때문에, 대수의 법칙이 적용되기 어렵습니다.

4. 정치적 전략과 동원 효과

일부 정당이나 후보가 사전투표를 적극 독려하거나, 특정 계층이 전략적으로 사전투표에 몰릴 수 있음.

예를 들어, 한 정당이 사전투표 독려 운동을 적극적으로 하면, 그 정당 지지층의 비율이 높아져서 사전투표 결과가 편향될 수 있음.

반대로, 다른 정당 지지층이 본투표에 집중한다면, 최종 결과가 달라질 가능성이 있음.


즉, 사전투표는 단순한 무작위 샘플이 아니라 전략적 요소가 개입될 가능성이 높기 때문에 대수의 법칙이 적용되기 어려움.


5. 지역별 투표 성향 차이

사전투표소는 본투표보다 접근성이 다르거나 특정 지역에서 더 많이 설치될 수 있음.

특정 지역에서는 사전투표소가 상대적으로 접근성이 좋아 특정 계층의 투표율이 높아질 수도 있음.

본투표는 지역별 투표소에서 이뤄지기 때문에, 지역별 성향이 더 뚜렷하게 반영될 수 있음.


즉, 사전투표와 본투표는 지역적, 물리적 환경이 다를 수 있기 때문에 동일한 모집단을 반영하지 않을 가능성이 큼.

결론

대수의 법칙은 표본이 충분히 크고, 무작위로 선택된 경우에 적용되지만, 사전투표와 본투표는 동일한 모집단을 대표하지 않기 때문에 대수의 법칙이 정확히 적용되지 않습니다.

사전투표와 본투표 유권자의 차이

시간에 따른 여론 변화

정치적 전략과 동원 효과

지역별 투표 성향 차이

이러한 이유로 인해 사전투표 결과와 본투표 결과가 일치하지 않을 수 있습니다.


사전투표에서 특정 정당의 득표율이 일정한 비율로 높고, 다른 정당의 득표율이 일정한 비율로 낮게 나온다면, 이는 통계적으로 매우 이례적인 현상입니다. 이를 설명하기 위해 몇 가지 통계적 개념과 검증 방법을 살펴보겠습니다.



1. 통계적 확률과 자연스러운 변동성

선거에서 사전투표와 본투표의 득표율 차이는 존재할 수 있지만, 일정한 비율로 반복적으로 차이가 나는 것은 통계적으로 매우 낮은 확률의 사건입니다.

일반적으로 표본(투표자 집단)을 무작위로 추출하면, 결과 값에는 자연스러운 변동성(variance) 이 존재해야 합니다.

하지만 특정 정당의 사전투표 득표율이 일정한 비율(예: 5% 차이)로 항상 높거나 낮다면, 이는 무작위성이 결여된 패턴일 가능성이 큽니다.

만약 특정 정당의 사전투표와 본투표 간 차이가 지역과 상관없이 거의 일정하다면, 이는 자연적인 통계적 분포에서 보기 어려운 패턴입니다.


예를 들어, 사전투표에서 **A당이 55%, B당이 45%**를 꾸준히 유지하고, 본투표에서 **A당이 50%, B당이 50%**를 유지한다면, 이는 단순한 확률변동으로 설명하기 어렵습니다.

2. 베르누이 분포와 표본오차

투표 결과는 확률적으로 베르누이 분포(Bernoulli distribution) 를 따르며, 많은 투표가 모이면 정규분포에 가까워집니다(중심극한정리).

만약 투표가 정상적으로 이루어졌다면, 사전투표와 본투표 간의 득표율 차이는 표본오차 범위 내에서 변동해야 합니다.

하지만 특정 정당이 일정한 비율로 계속해서 유리하거나 불리하게 나온다면, 이는 무작위적 표본이 아니라 어떤 요인이 개입했을 가능성이 있습니다.


즉, 표본이 무작위로 선택되었다면, 사전투표와 본투표 간의 득표율 차이는 통계적으로 자연스러운 범위 내에서 랜덤 하게 변동해야 합니다.




3. 카이제곱 검정(χ² test)으로 패턴 검증

카이제곱 검정(χ² test)은 예상되는 확률 분포와 실제 데이터 간의 차이가 우연에 의해 발생할 확률을 계산하는 방법입니다.

사전투표와 본투표에서 특정 정당의 득표율 차이가 일관되게 같은 비율로 유지된다면, 카이제곱 검정으로 이를 분석할 수 있습니다.

만약 통계적으로 유의미한 차이가 반복적으로 발생한다면, 이는 단순한 우연이 아니라 어떤 구조적 요인이 개입했을 가능성을 시사합니다.


예를 들어, 전국적으로 A당의 사전투표 득표율이 55%이고 본투표에서는 50%라면,

1. 예상되는 표본 분포를 기반으로 기댓값을 설정


2. 실제 관측된 득표율과 비교


3. 카이제곱 검정으로 이 차이가 우연히 발생할 확률(유의확률, p-value) 계산



만약 p-value가 매우 낮다면(예: 0.01 이하), 이는 단순한 확률적 변동으로 보기 어렵고, 특정한 원인이 개입했을 가능성이 높음을 의미합니다.



4. 사전투표에서 특정 정당이 높게 나오는 이유가 될 수 있는 요인

만약 사전투표에서 특정 정당이 일관되게 높은 득표율을 보인다면, 그 원인을 분석해야 합니다. 몇 가지 가능성을 살펴보겠습니다.

1. 사전투표 성향이 특정 정당에 유리한 경우

사전투표에 적극적으로 참여하는 유권자(예: 젊은 층, 직장인, 군인 등)가 특정 정당을 지지할 가능성이 높다면, 이러한 패턴이 나타날 수 있습니다.

하지만 전국적으로 모든 지역에서 일정한 비율로 같은 차이가 난다면, 이는 설명하기 어려움.



2. 투표 집계 방식의 차이

사전투표와 본투표가 개표되는 방식이 다를 경우, 특정 정당의 득표율이 다르게 보일 수 있음.

하지만 이 차이가 전국적으로 동일한 패턴을 보인다면, 역시 자연스러운 현상이라고 보기 어려움.



3. 선거 개입 가능성

만약 특정 정당이 사전투표에서 비정상적으로 높은 득표율을 유지한다면, 투표 과정에서 어떤 조작 가능성을 배제할 수 없음.

특히, 사전투표소의 운영 방식, 개표 방식, 또는 데이터 입력 과정에서 의도적인 개입이 있었다면 이러한 패턴이 나타날 수 있음.

5. 결론: 통계적으로 자연스러운 현상인가?

사전투표와 본투표 간의 차이는 일부 존재할 수 있지만, 일정한 비율로 계속 유지되는 것은 매우 낮은 확률의 사건입니다.

자연스러운 통계적 변동이라면 지역별, 선거별로 변동성이 있어야 하지만, 특정 정당이 전국적으로 거의 동일한 비율로 유리하거나 불리하게 나온다면, 이는 우연으로 보기 어려움.

이러한 패턴이 지속적으로 나타난다면, 카이제곱 검정이나 확률 분석을 통해 통계적으로 설명 가능한지 검토해 볼 필요가 있음.

만약 유의미한 차이가 지속적으로 발생하고, 통계적으로 설명할 수 없는 패턴이 있다면, 이는 단순한 확률적 차이가 아니라 어떤 구조적 원인(투표 과정의 문제, 선거 개입 등)이 개입했을 가능성이 있음을 의미합니다.


따라서, 단순한 확률적 변동으로 설명할 수 있는지 검증해 볼 필요가 있으며, 그렇지 않다면 선거 과정에 대한 추가적인 분석과 조사가 필요할 수 있습니다.