표본 크기와 평균 회귀 — 연승·연패 숫자를 해석하는 법
평균 회귀는 유난히 좋거나 나쁜 기록이 다음 구간에서 평균 쪽으로 돌아오는 경향을 말합니다. 관측된 기록은 실제 실력과 우연이 섞인 결과이고, 표본이 작을수록 우연이 차지하는 몫이 커지기 때문에 생기는 현상입니다. 그래서 짧은 연승이나 연패는 실력이 바뀌었다는 증거라기보다 평범한 변동으로 설명되는 경우가 많습니다. 숫자를 해석하기 전에 '몇 경기·몇 번 시도에서 나온 값인가'와 '그 지표가 얼마나 빨리 안정되는가'를 먼저 확인해야 합니다.
평균 회귀는 왜 일어나나요?
가상의 리그에 실력이 똑같은 팀 10개가 있다고 상상해 봅시다. 모든 경기의 승리 확률이 50%라도 10경기가 지나면 7승 3패 팀과 3승 7패 팀이 나옵니다. 실력 차이가 아니라 동전 던지기 같은 우연 때문입니다. 그다음 10경기에서는 이 팀들이 다시 5할 근처로 모일 가능성이 큽니다. 처음의 극단적인 기록 중 우연으로 생긴 부분은 다음 구간으로 이어지지 않기 때문입니다.
실제 리그에는 실력 차이가 있으니 상황이 조금 다릅니다. 상위권 팀 가운데 일부는 실력이 좋아서, 일부는 운이 좋아서 그 자리에 있습니다. 다음 구간에서 실력 부분은 남고 운 부분은 빠지므로, 상위권 팀 전체로 보면 성적이 조금 내려오는 경향이 생깁니다. 평균 회귀는 '좋은 팀이 나빠진다'는 뜻이 아니라 '관측값이 실력보다 극단적으로 보였던 만큼 되돌아온다'는 뜻입니다.
표본이 작으면 숫자가 얼마나 흔들리나요?
승률의 흔들림은 표준오차로 가늠할 수 있습니다. 실제 승리 확률이 p인 팀이 n경기를 치를 때 승률의 표준오차는 √(p × (1 − p) ÷ n)입니다. 실력이 딱 평균(p = 0.5)인 팀을 넣어 계산하면 다음과 같습니다.
| 경기 수 | 표준오차 | 대략적인 95% 범위 |
|---|---|---|
| 10 | 15.8%p | 약 18% ~ 82% |
| 20 | 11.2%p | 약 28% ~ 72% |
| 40 | 7.9%p | 약 34% ~ 66% |
| 80 | 5.6%p | 약 39% ~ 61% |
| 160 | 4.0%p | 약 42% ~ 58% |
95% 범위는 표준오차의 약 2배를 위아래로 잡은 근사치입니다. 표를 보면 20경기에서 13승 7패(65%)를 한 팀도 실제 실력은 평범할 수 있다는 사실이 드러납니다. 경기 수를 4배로 늘려야 오차가 절반으로 줄어든다는 점도 기억할 만합니다.
공식 계산값 · 경기 결과가 서로 독립이라고 가정
실력이 평범한 팀도 5연승을 할 수 있나요?
충분히 할 수 있습니다. 각 경기 결과가 서로 독립이라고 가정하고, 정해진 경기 수 안에서 5연승 이상이 한 번이라도 나올 확률을 계산하면 다음과 같습니다.
| 경기 수 | 승리 확률 40% 팀 | 50% 팀 | 60% 팀 |
|---|---|---|---|
| 20경기 | 10.0% | 25.0% | 47.8% |
| 40경기 | 20.8% | 46.8% | 75.8% |
| 80경기 | 38.6% | 73.2% | 94.8% |
딱 평균인 팀도 40경기 안에 5연승 이상을 할 확률이 절반에 가깝습니다. 리그에 팀이 10개 있다면 시즌 중 어느 팀인가는 5연승을 하는 것이 오히려 자연스러운 일입니다. 연패도 마찬가지입니다. 승리 확률 50% 팀의 5연패 확률은 5연승 확률과 같습니다.
물론 실제 경기는 완전히 독립이 아닙니다. 부상, 일정, 상대 전력이 연속 구간에 몰리기도 합니다. 다만 위 표는 '연승 자체만으로는 실력 변화를 증명하기 어렵다'는 기준선 역할을 합니다. 연속 성공이 다음 성공 확률을 높이는지, 이른바 '흐름'이 실제로 있는지는 연구자들 사이에서도 결론이 갈려 온 주제입니다. 이 논쟁은 연승의 착시 칼럼에서 따로 다뤘습니다.
회귀를 반영한 추정치는 어떻게 계산하나요?
널리 쓰이는 방법은 관측값을 평균 쪽으로 일정 비율만큼 끌어당기는 것입니다.
- 추정 실력 = 평균 + (관측값 − 평균) × n ÷ (n + k)
n은 표본 크기(경기 수, 시도 수), k는 '관측값과 평균을 반반씩 믿게 되는 표본 크기'입니다. k는 지표마다, 리그마다 다르며 과거 데이터로 추정합니다. 아래 두 예시의 k는 계산 연습을 위한 예시 값입니다.
예시 1: 가상의 A팀이 10경기에서 8승 2패를 했습니다. 리그 평균 승률은 50%, k는 40경기라고 가정합니다.
- 관측값과 평균의 차이: 80% − 50% = 30%p
- 반영 비율: 10 ÷ (10 + 40) = 0.2
- 추정 실력: 50% + 30%p × 0.2 = 56%
예시 2: 가상의 슈터 X가 3점슛 250개를 던져 42%를 넣었습니다. 리그 평균은 35%, k는 750개라고 가정합니다.
- 차이: 42% − 35% = 7%p
- 반영 비율: 250 ÷ (250 + 750) = 0.25
- 추정 실력: 35% + 7%p × 0.25 = 약 36.8%
두 예시 모두 관측값보다 훨씬 평균에 가까운 숫자가 나옵니다. 표본이 쌓일수록 반영 비율이 1에 가까워져 관측값을 더 믿게 됩니다. 이 원리는 Elo 레이팅이 경기마다 점수를 조금씩만 움직이는 이유와도 통합니다.
어떤 지표가 빨리 안정되고 어떤 지표가 느린가요?
일반적으로 선수나 팀이 스스로 통제하는 몫이 큰 '과정 지표'는 빨리 안정되고, 상대·운·수비 위치 같은 요인이 많이 섞인 '결과 지표'는 느리게 안정됩니다.
- 비교적 빨리 안정되는 쪽: 슈팅 시도 수, 경기 속도, 야구의 삼진·볼넷 비율처럼 매 경기 많이 쌓이고 본인 선택이 크게 작용하는 지표
- 느리게 안정되는 쪽: 3점 성공률, 인플레이 타구 안타 비율, 골리 세이브율, 접전 경기 승률처럼 결과가 몇 번의 우연으로 갈리는 지표
정확한 안정화 표본은 리그와 시대에 따라 달라서 하나의 숫자로 외우기 어렵습니다. 그래서 '이 지표는 결과 쪽인가 과정 쪽인가'를 먼저 묻는 습관이 실용적입니다. 아이스하키에서 PDO를 운의 신호로 읽는 이유도 같은 원리입니다. 자세한 예시는 NHL 코르시·PDO 가이드에 있습니다.
연승·연패 소식을 볼 때 무엇을 확인해야 하나요?
연승·연패 기사를 읽거나 분석 글을 쓸 때 아래 체크리스트를 거치면 과잉 해석을 줄일 수 있습니다.
- 표본: 몇 경기, 몇 번 시도에서 나온 숫자인가?
- 과정: 슈팅 시도·득실 마진 같은 과정 지표도 같은 방향으로 움직였나?
- 상대: 연승 기간 상대 팀들의 전력은 평균보다 강했나, 약했나?
- 접전: 1점 차·한 골 차 경기 승리가 몇 번이나 섞여 있나?
- 변화 요인: 부상 복귀, 감독 교체, 전술 변화처럼 설명 가능한 원인이 있나?
- 기준선: 위 연승 확률 표에 비춰 우연으로도 흔히 나올 만한 길이인가?
원인이 분명하면 최근 기록에 무게를 더 두고, 원인이 보이지 않으면 시즌 전체 기록 쪽으로 무게를 옮깁니다. 결과가 좋았다는 이유만으로 분석이 옳았다고 보지 않는 태도는 결과 편향 칼럼과 스포츠 분석 입문에서도 강조한 원칙입니다.
자주 묻는 질문
평균 회귀는 좋은 팀이 결국 나빠진다는 뜻인가요?
아닙니다. 기록 가운데 운으로 부풀려진 부분이 빠진다는 뜻입니다. 실력이 실제로 좋은 팀은 회귀한 뒤에도 평균보다 위에 남습니다.
몇 경기부터 팀 기록을 믿을 수 있나요?
지표마다 다릅니다. 득실 마진처럼 과정이 많이 담긴 지표는 비교적 일찍 참고할 만하지만, 승률이나 성공률 같은 결과 지표는 더 많은 경기가 쌓여야 합니다.
연패 중인 팀은 다음 경기에서 이길 차례인가요?
그렇지 않습니다. 앞선 결과가 다음 경기 확률을 바꾸지 않는다면 연패와 상관없이 그 팀의 실력과 상대에 따라 확률이 정해집니다. '이번엔 이길 차례'라는 생각은 흔한 착각입니다.
회귀 보정에 쓰는 k 값은 어디서 구하나요?
같은 리그의 과거 데이터를 앞뒤 구간으로 나눠, 두 구간 기록이 얼마나 비슷한지 비교해 추정합니다. 세이버메트릭스 자료에서 지표별 안정화 표본을 소개하기도 하지만 리그·시대마다 값이 다릅니다.
표본이 작을 때는 숫자를 아예 보지 않는 편이 낫나요?
버릴 필요는 없습니다. 작은 표본의 숫자는 지난 시즌 기록이나 리그 평균 같은 기준값과 섞어서 쓰면 됩니다. 위의 회귀 보정 공식이 바로 그 섞는 비율을 정하는 방법입니다.
출처·공식 확인처
- FanGraphs Library — 표본 크기·지표 안정화 등 세이버메트릭스 용어 설명