01. 오늘 해결할 문제

실험실 벤치에서 세포 배양체(culture) 4개를 준비하여 세포 생존율(viability)을 측정한 결과, 평균 생존율이 99.25%로 계산되었다고 가정해 보겠습니다. 이때 연구자가 "우리 공정에서 앞으로 생산될 모든 세포 배양체의 평균 생존율은 정확히 99.25%이다"라고 결론 내릴 수 있을까요?

우리가 실제로 실험하여 관측한 데이터는 언제나 질문하고자 하는 대상의 극히 일부분일 뿐입니다. 오늘 측정한 4개의 배양체와, 이 연구를 통해 알고 싶어 하는 전체 배양체 집단은 엄연히 다른 범위에 속합니다.

이 글의 핵심 목적은 **실제로 관측한 표본(Sample)**과 **질문의 대상이 되는 모집단(Population)**의 경계를 분명히 구분하는 것입니다. 측정된 표본 하나를 전체의 확정된 진실(모수, Parameter)로 과장하지 않고, 통계적 추론의 출발점이 되는 모집단과 표본의 구조를 연구실 언어로 정확히 정립합니다.

02. 초보자의 첫 생각

통계학을 처음 접하는 연구자들은 종종 다음과 같은 오해에 빠지곤 합니다.

1. "실험 결과로 나온 숫자는 해당 실험 조건의 확정된 진실이다." 오늘 얻은 평균 99.25%라는 숫자를 해당 배양 조건이 가지는 불변의 고유값으로 받아들입니다.
2. "샘플 수가 4개든 100개든, 내가 갖고 있는 데이터가 전체 연구 대상을 대표한다." 어떻게 샘플을 추출했는지(sampling frame)와 상관없이, 눈앞에 있는 데이터가 당연히 전체를 대변한다고 믿습니다.
3. "데이터 개수($n$)만 충분히 늘리면 어디서 어떻게 모았든 모집단의 진짜 평균을 알 수 있다." 표본 추출 과정의 편향(bias)을 고려하지 않은 채, 오직 데이터의 개수만 늘리면 편향이 저절로 해결된다고 생각합니다.

이러한 생각은 '내가 본 것(표본)'과 '알고 싶은 것(모집단)'을 동일시하는 데서 비롯됩니다. 관측된 통계량을 모집단의 모수와 혼동하면, 실험의 한계를 뛰어넘는 부적절한 일반화를 내리게 됩니다.

03. 직관 만들기

모집단과 표본의 관계는 **'미래에 생산될 모든 배치(Batch)의 세포 배양체'**와 **'오늘 연구자가 벤치 위에서 만든 4개의 세포 배양체'**의 비유로 이해할 수 있습니다.

• 모집단 (Population): 연구자가 진짜 던지고 있는 질문의 대상 전체입니다. 예를 들어 "표균 배양 공정 A를 적용했을 때 생성될 수 있는 모든 세포 배양체의 생존율"이 여기에 해당합니다. 모집단은 수천 개, 혹은 아직 만들어지지 않은 미래의 배양체까지 포함하므로 완전한 전수조사가 불가능한 경우가 대부분입니다.
• 표본 (Sample): 모집단의 성격을 알아내기 위해 실제로 연구자가 관측하여 데이터를 수집한 일부 개체들의 모음입니다. 오늘 벤치에서 관측한 4개의 세포 배양체가 표본에 해당합니다.

오늘 준비한 8개 배양체 중 대조군 4개의 평균 생존율이 99.25%라는 것은 **"내가 관측한 4개 배양체 표본의 요약치"**일 뿐, **"모집단 전체의 확정값"**이 아닙니다. 내일 다른 배양체 4개를 새로 준비해 측정한다면, 그 4개의 평균은 98.50%나 100.10%처럼 조금씩 달라질 것입니다. 표본은 모집단에 대한 '힌트'를 제공할 뿐, 모집단 그 자체가 될 수 없습니다.

04. 필요한 용어

모집단과 표본의 관계를 명확히 논의하기 위해 아래 7가지 핵심 용어를 정확히 구분해야 합니다.

05. 수학·통계 bridge

독립적인 4개 세포 배양체(C01, C02, C03, C04)의 세포 생존율 측정값이 다음과 같이 주어졌다고 가정합니다.

• $C01 = 96.0\%$
• $C02 = 100.0\%$
• $C03 = 98.0\%$
• $C04 = 103.0\%$

이때 우리가 관측한 표본으로부터 계산한 **표본평균(Sample Mean, 통계량 $\bar{x}$)**은 다음과 같습니다.

$\bar{x} = \frac{96.0\% + 100.0\% + 98.0\% + 103.0\%}{4} = \frac{397.0\%}{4} = 99.25\%$

여기서 각 수치와 기호의 의미를 명확히 해야 합니다.

• 표본 통계량 ($\bar{x}$): 관측된 $n=4$개 독립 배양체의 평균값인 **99.25%**입니다.
• 모집단 모수 ($\mu$): 전체 모집단의 알 수 없는 진짜 평균입니다. 우리는 $\bar{x} = 99.25\%$라는 통계량을 통해 $\mu$의 위치를 추론(Inference)할 뿐, $\mu = 99.25\%$라고 확정 지을 수 없습니다.
• 단위(Unit) 구분: 생존율 자체의 수치 단위는 **퍼센트(%)**입니다. 그룹 간 차이나 통계량의 요약 변동을 설명할 때는 **퍼센트포인트(%p)**를 사용합니다.

주의: 기술적 반복(Technical Wells) 오용에 따른 수치 오류 배양체 C01 내부에는 3개의 기술적 반복 웰(W01=96.0%, W02=97.0%, W03=95.0%)이 존재합니다. 만약 한 배양체 내부의 웰 3개와 다른 배양체의 웰 1개(W01=101.0%)를 추출하여 $(96.0 + 97.0 + 95.0 + 101.0)/4 = 97.25\%$로 계산한다면, 이는 독립된 표본 단위와 기술적 관측 단위를 혼동한 잘못된 통계량 계산이 됩니다.

06. 원자료 기반 바이오 사례

합성 데이터셋 BJS-P00-A004-analysis-unit-demo-v1.csv의 대조군(Control) 데이터를 바탕으로 연구실 시나리오를 구성해 봅니다.

연구진은 세포 배양 공정의 대조군 상태에서 세포 생존율의 특성을 파악하고자 합니다. 연구진이 설정한 조건은 다음과 같습니다.

1. 연구 질문: "표준 배양 공정 조건에서 배양되는 대조군 세포 배양체 전체의 평균 세포 생존율은 얼마인가?"
2. 관측된 표본 데이터: 독립적으로 준비된 대조군 배양체 4개(C01, C02, C03, C04). 각 배양체 값은 3개의 기술적 반복 웰 측정값의 평균으로 산출됨.
   • C01: $96.0\%$ (웰 평균)
   • C02: $100.0\%$ (웰 평균)
   • C03: $98.0\%$ (웰 평균)
   • C04: $103.0\%$ (웰 평균)
3. 계산된 표본 통계량: 표본평균 $\bar{x} = 99.25\%$.

이 시나리오에서 연구자가 얻은 99.25%는 어디까지나 오늘 수집된 대조군 4개 배양체 표본의 통계량입니다. 이 수치가 전체 표준 배양 공정의 모수 $\mu$와 완벽하게 일치한다는 보장은 없으며, 추후 수집되는 표본에 따라 표본 통계량은 변동하게 됩니다.

07. 데이터 생성 구조

모집단으로부터 데이터가 생성되고, 그 데이터로부터 다시 모집단을 추론하는 흐름을 체계적으로 이해하는 것이 중요합니다.

데이터 생성 및 추론 흐름 4단계:

1. Target Population (대상 모집단): 연구 질문이 가리키는 전체 영역 (알 수 없는 모수 $\mu$ 존재).
2. Sampling Frame (표본추출 틀): 연구자가 물리적으로 접근 가능한 표본 추출 범위 설정.
3. Sample Selection (표본 추출): 독립적인 분석단위 ($n=4$개 세포 배양체) 추출.
4. Statistic Calculation (통계량 계산): 관측값으로부터 표본평균 $\bar{x} = 99.25\%$ 산출 및 모집단 모수 추론.

08. 분석 전 Gate

데이터를 분석하기 전, 내 표본이 모집단을 잘 대변할 수 있는 구조인지 점검하는 4단계 편향 체크리스트를 수행해야 합니다.

표본 대표성 점검 4단계 Gate

1. 선정 기준 (Inclusion Criteria):
   • 질문하고자 하는 대상 모집단의 정의와 표본추출 틀의 범위가 일치하는가?
2. 추출 편향 (Selection Bias):
   • 연구자가 다루기 쉬운 시료만 편의 추출(convenience sampling)하지 않았는가?
3. 결측 영향 (Missingness):
   • 생존율이 너무 낮아 측정에서 탈락된 배양체가 표본에서 누락되지 않았는가?
4. 공급자/환경 치우침 (Donor/Day/Batch Bias):
   • 특정 날짜, 특정 Donor, 특정 incubator의 시료만 표본에 집중되어 있지 않은가?

09. JMP 19.1 실행

JMP 실행 불필요 사유

모집단의 범위를 정의하고, 표본추출 틀을 설계하며, 표본 통계량과 모집단 모수의 차이를 인식하는 과제는 소프트웨어의 메뉴 클릭이나 알고리즘 계산으로 해결되는 문제가 아니기 때문입니다.

JMP를 포함한 모든 통계 소프트웨어는 연구자가 입력한 표본 데이터의 통계량을 계산해 줄 뿐, 그 데이터가 어떤 모집단에서 어떤 표본추출 틀을 거쳐 수집되었는지 알지 못합니다. 이는 분석 전 단계에서 연구자가 명확한 연구 설계 논리로 설정하고 기재해야 하는 영역입니다.

10. 출력 읽기

출력 해석 시 유의사항

통계 프로그램의 Summary Statistics 화면에서 Mean = 99.25라는 출력을 보았을 때, 연구자는 이를 다음과 같이 읽어야 합니다.

• 올바른 해석: "입력된 $n=4$개 표본 데이터의 표본평균(statistic)이 $99.25\%$이다."
• 잘못된 해석: "소프트웨어가 계산해 주었으므로 대상 모집단의 모수(parameter)가 $99.25\%$로 확정되었다."

소프트웨어의 출력값은 표본의 통계량일 뿐이며, 모집단 모수는 적절한 추론 절차와 신뢰구간 평가를 통해서만 논의할 수 있습니다.

11. 틀린 지름길

모집단과 표본을 다룰 때 연구실에서 자주 발생하는 3가지 대표적인 오류입니다.

[오류 1] 편의 표본(Convenience Sample)의 대량 수집 = 대표성 확보?
   잘못된 생각: "1번 incubator에서만 세포 배양체 100개를 모았으니, 표본 수가 충분해서 전체 공정을 대표한다."
   올바른 교정: 추출 틀(Sampling Frame) 자체가 1번 incubator로 한정되어 있다면, n을 아무리 늘려도 2번·3번 incubator나 미래 공정으로 일반화할 수 있는 편향(bias)이 해결되지 않습니다.

[오류 2] 표본평균 = 모집단 모수의 확정?
   잘못된 생각: "이번 실험에서 표본평균이 99.25%로 나왔으니, 모집단의 참값도 99.25%라고 보고서에 작성한다."
   올바른 교정: 표본평균은 표본에 따라 달라지는 가변적 통계량일 뿐이며, 모집단 모수(parameter)는 알 수 없는 참값으로 남아 있습니다.

[오류 3] 기술적 반복(Technical Wells)을 독립 표본(Sample)으로 합산?
   잘못된 생각: "C01 용기 안의 3개 웰을 독립된 3개의 배양체로 간주하여 표본 수 n=12로 분석한다."
   올바른 교정: 한 용기 내부의 웰은 독립적인 표본이 아니라 기술적 관측 단위입니다. 이를 독립 표본으로 다루는 것은 위조된 반복(pseudo-replication) 오류입니다.

12. 보고·한계

실험 결과 보고서나 논문을 작성할 때는 표본의 한계와 모집단의 범위를 명확히 규정하는 **표준 보고 체계(Standard Reporting Frame)**를 준수해야 합니다.

Standard Reporting Frame

"본 연구에서 관측된 표본은 [4]개의 독립적인 [세포 배양체(culture)]로 구성되며, 표본 통계량인 [표본평균 99.25%]를 계산했다. 본 연구가 지향하는 대상 모집단은 [표준 배양 공정 A에서 생산되는 모든 대조군 세포 배양체]이며, 결과의 대표성과 일반화 가능성은 본 연구에 사용된 표본추출 틀과 실험 설계 범위로 한정된다."

과도한 주장(Overclaim) 금지

• 표본 통계량을 바탕으로 규제 승인 수준의 공정 진실성을 확정적으로 주장하지 않습니다.
• 편의 표본에서 얻은 결과를 전체 생물학적 메커니즘이나 모든 세포주에 대한 일반적 진실로 확정하여 보고하지 않습니다.

연습문제

안내

본 실습 문제지에는 정답 및 풀이가 포함되어 있지 않습니다. 문제를 먼저 스스로 풀어본 후, BJS-P00-A003-population-and-sample-ANSWER-v02.md 파일을 통해 정답과 단계별 해설을 확인하시기 바랍니다.

문제 1. 모수(Parameter)와 통계량(Statistic) 구분하기

다음 연구실 상황에서 언급된 두 가지 값 (A)와 (B) 중, 어느 것이 **모수(Parameter)**이고 어느 것이 **통계량(Statistic)**인지 구분하여 기재하시오.

문제 2. 독립 배양체 표본평균 계산 및 분석단위 오해 분석

어느 연구자가 표준 대조군 조건에서 준비된 4개의 독립적인 세포 배양체(culture) C01, C02, C03, C04를 대상으로 세포 생존율(viability)을 측정하였습니다. 각 배양체는 3개의 기술적 반복 웰(technical well)의 평균으로 계산되었습니다.

• $C01 = 96.0\%$
• $C02 = 100.0\%$
• $C03 = 98.0\%$
• $C04 = 103.0\%$

(1) 올바른 표본평균 계산

위 4개의 독립 배양체 관측값으로부터 이 표본의 표본평균(통계량 $\bar{x}$)을 산출하는 공식을 작성하고 최종 수치를 구하시오. (단위 포함)

(2) 오답 분석 및 단위 오해 원인 설명

만약 다른 동료 연구자가 C01 용기 내부의 기술적 웰 3개(W01=96.0%, W02=97.0%, W03=95.0%)와 C02의 첫 번째 웰(W01=101.0%) 수치를 가져와 다음과 같이 평균을 구했다고 가정합니다.

$\frac{96.0 + 97.0 + 95.0 + 101.0}{4} = 97.25\%$

이 수치 97.25%가 왜 이 표본의 올바른 표본평균 통계량이 될 수 없는지, **독립적인 분석단위(culture)**와 **기술적 관측단위(technical well)**의 관점에서 그 이유를 설명하시오.

문제 3. 편의 표본 추출(Convenience Sampling)의 한계 평가

어느 연구실에서 1번 incubator에서만 배양된 100개의 세포 배양체를 수집하여 평균 생존율 98.5%를 얻었습니다. 연구자가 "샘플 크기 $n=100$으로 충분히 크므로, 이 98.5%는 우리 연구소의 모든 incubator 및 앞으로 생산될 모든 배양체의 생존율 모수와 같다"라고 주장하였습니다.

이 주장에 대한 다음 평가 항목 중 옳은 것을 고르고, 틀린 항목의 이유를 설명하시오.

• (A) 샘플 수가 $n=100$으로 크기 때문에 표본추출 편향(selection bias)은 저절로 해결되며, 이 수치는 전체 공정의 모수로 확정할 수 있다.
• (B) 1번 incubator라는 특정 환경의 배양체만 추출(sampling frame의 한계)했으므로, 이 수치는 접근 가능 모집단(accessible population) 범위를 넘어선 전체 모집단으로 일반화하기 어렵다.
• (C) 표본평균 $98.5\%$는 통계량(statistic)이 아닌 모집단 모수(parameter) 그 자체이다.

정답 및 해설

문제 1. 모수(Parameter)와 통계량(Statistic) 구분하기

정답

1. 모수 (Parameter): (B) 특정 항암제 적합 기준을 만족하는 모든 바이오의약품 생산 배치 전체의 평균 세포 생존율 ($\mu$)
2. 통계량 (Statistic): (A) 오늘 무작위로 수집한 4개 배양체(culture)의 평균 세포 생존율 ($\bar{x} = 99.25\%$)

풀이 과정

• 1단계 (질문 범위 확인): 연구자가 진정 알고 싶어 하는 전체 대상(target population)의 속성인지를 파악합니다. 배치 전체의 평균 생존율은 실제 전체를 전수조사하기 전에는 알 수 없는 모집단의 고유 특성이므로 **모수(Parameter)**입니다.
• 2단계 (관측 수치 확인): 실제 연구자가 실험실 벤치에서 측정하여 관측값으로부터 직접 계산해 낸 수치인지를 파악합니다. 오늘 준비한 4개 배양체에서 계산된 평균 $99.25\%$는 **통계량(Statistic)**입니다.

문제 2. 독립 배양체 표본평균 계산 및 분석단위 오해 분석

정답 및 풀이 단계

(1) 표본평균 ($\bar{x}$) 올바른 산출 과정

• 단계 1: 독립적인 분석단위인 4개 세포 배양체(C01, C02, C03, C04)의 측정값을 확인합니다.
  • C01 = $96.0\%$
  • C02 = $100.0\%$
  • C03 = $98.0\%$
  • C04 = $103.0\%$
• 단계 2: 산술평균 공식을 적용하여 계산합니다. $\bar{x} = \frac{96.0 + 100.0 + 98.0 + 103.0}{4} = \frac{397.0}{4} = 99.25\%$
• 결과: 표본평균 통계량은 **$99.25\%$**입니다. (단위: $\%$)

(2) 대표 오답 분석 및 왜 틀렸는지 설명

• 대표 오답: $97.25\%$
• 오답이 발생한 계산 과정: 한 배양체(C01) 내부에서 측정된 기술적 반복 웰(technical well) 3개(W01=96.0%, W02=97.0%, W03=95.0%)와 다른 배양체(C02)의 첫 번째 웰(W01=101.0%) 등 총 4개의 기술적 웰 측정값을 추출한 뒤, 이 4개 수치를 독립된 4개의 배양체로 착각하여 아래와 같이 계산함. $\frac{96.0 + 97.0 + 95.0 + 101.0}{4} = \frac{389.0}{4} = 97.25\%$
• 왜 틀렸는가 (오류 원인):
  • 분석단위 혼동 (Pseudo-replication): C01 용기 내부의 W01, W02, W03은 동일한 배양 환경과 동일한 시료에서 분할된 **기술적 반복(Technical replicate)**입니다. 이들은 서로 독립적이지 않으며 하나의 배양체(C01) 생존율인 $96.0\%$를 정밀하게 측정하기 위한 부수적 관측일 뿐입니다.
  • 표본 크기 오인: 기술적 웰 4개를 독립 표본 $n=4$로 다루는 것은 표본의 독립성 가정을 위반하며, 특정 배양체의 환경 변동에 편향된 잘못된 통계량을 산출하게 만듭니다.

문제 3. 편의 표본 추출(Convenience Sampling)의 한계 평가

정답

• 옳은 항목: (B)
• 잘못된 항목: (A), (C)

풀이 및 해설

(A) 항목이 잘못된 이유

• 원인: 샘플 크기($n$)의 증가는 표본추출 편향(Selection bias)을 제거하지 못함.
• 설명: 1번 incubator에서만 100개의 시료를 채취하더라도, 해당 시료들은 1번 incubator가 가진 온도/습도 미세 편차라는 계통적 편향(systematic bias)을 공유합니다. 표본추출 틀(sampling frame) 자체가 전체 공정(모집단)을 커버하지 못하므로, $n$을 아무리 늘려도 접근 불가능한 2번, 3번 incubator나 향후 생산될 배양체로 결과를 일반화할 수 없습니다.

(B) 항목이 옳은 이유

• 설명: 연구진이 접근하여 표본을 추출한 범위는 '1번 incubator에서 이번 주에 배양된 배양체'로 한정(accessible population)되어 있습니다. 따라서 계산된 표본 통계량은 이 접근 가능 모집단의 범위 내에서만 의미가 있으며, 연구 대상 전체 모집단(target population)으로 확장 시 편향 가능성을 논문에 명시해야 합니다.

(C) 항목이 잘못된 이유

• 원인: 표본 통계량을 모집단 모수로 확정하는 오류.
• 설명: 100개 표본에서 구한 평균 $98.5\%$는 해당 표본의 통계량($\bar{x}$)일 뿐, 모집단의 모수($\mu$) 그 자체가 아닙니다. 모수는 알 수 없는 참값이며, 표본평균은 모집단 모수를 추정하기 위한 하나의 관측치에 불과합니다.

핵심 정리와 다음 강의

이 강의의 계산은 합성 자료를 이해하기 위한 것이다. 계산값이 어느 대상과 단위에서 나왔는지 밝히고, 한 개의 요약값이 말할 수 없는 범위를 함께 기록해야 한다. 다음 강의에서는 이 구분을 한 단계 더 확장한다.