Overdispersed and Markovian Children

이 논문은 성별 비율이 단순한 동전 던지기처럼 독립적이고 균등하지 않으며, 가족 간 편차와 순서 의존성, 그리고 이분산성이 존재함을 데이터로 분석하고, 표본 크기가 p-값과 통계적 검정력에 미치는 영향에 대해 논의합니다.

핵심

1. "공정한 동전"은 없다? (동전 던지기의 진실)

우리는 보통 아이의 성별이 "동전 던지기"와 같다고 생각합니다. 앞면 (아들) 이 나올 확률과 뒷면 (딸) 이 나올 확률이 정확히 50% 라면, 1000 번 던지면 500 번씩 나와야 하죠.

하지만 작센 지역의 3 만 8 천여 가구의 데이터를 분석한 결과, 실제 동전은 아주 살짝 기울어져 있었습니다.

• 현실: 딸이 태어날 확률은 약 48.5%, 아들은 **51.5%**였습니다.
• 비유: 마치 동전 던지기가 아니라, 살짝 무거운 아들이 더 자주 떨어지는 동전을 던지는 것과 같습니다.
• 교훈: 아주 작은 차이 (48.5% vs 50%) 를 찾아내려면 수천 번, 수만 번의 '동전 던지기' (데이터) 가 필요하다는 것입니다. 작은 표본으로는 이 미세한 기울기를 알아채기 어렵지만, 데이터가 많으면 통계라는 '현미경'으로 그 차이를 확실히 증명할 수 있습니다.

2. "가족마다 다른 동전" (과분산의 비밀)

그렇다면 모든 가족이 똑같이 48.5% 확률의 동전을 가지고 있을까요? 아닙니다. 여기가 이 논문의 가장 재미있는 부분입니다.

• 문제: 순수한 동전 던지기 (이항분포) 로 계산하면, '딸만 8 명 낳은 가족'이나 '아들만 8 명 낳은 가족'은 매우 드물어야 합니다. 하지만 실제 데이터에서는 이 '극단적인 가족'들이 예상보다 훨씬 더 많이 나타났습니다.
• 해석: 이는 모든 가족이 같은 동전을 쓰는 게 아니라, 가족마다 조금씩 다른 동전을 가지고 있기 때문입니다.
  • 어떤 가족은 딸이 태어날 확률이 40% 인 동전을 가지고 있고,
  • 어떤 가족은 55% 인 동전을 가지고 있습니다.
• 비유: 마치 한 학교의 학생들 키가 평균 170cm 라 해도, 개인마다 160cm~180cm 로 다양하듯, '성별 확률'이라는 것도 가족마다 조금씩 다른 스펙트럼을 가진다는 뜻입니다. 이렇게 가족마다 편차가 있어서 전체 데이터가 예상보다 더 '퍼져 있는 (Overdispersed)' 현상을 발견한 것입니다.

3. "형제자매 간의 유대감" (마르코프적 아이들)

저자는 더 나아가 "첫째가 아들이면 둘째도 아들이 나올 확률이 살짝 더 높을까?"라는 질문을 던집니다.

• 가설: 아이들의 성별이 완전히 독립적이지 않고, 이전 아이의 성별에 살짝 영향을 받는 마르코프 체인 (Markov Chain) 일 수도 있습니다.
• 결과: 데이터를 분석해 보니, "아들 다음에 아들", "딸 다음에 딸"이 나올 확률이 아주 미세하게 (약 5% 수준) 더 높았습니다.
• 비유: 마치 동전 던지기가 아니라, "아까 앞면이 나왔으니 다음에도 앞면이 나올 확률이 살짝 더 높은" 그런 마법 같은 동전 같은 느낌입니다. 물론 그 영향은 아주 미미하지만, 3 만여 개의 데이터 앞에서는 그 미세한 신호도 잡아낼 수 있었습니다.

---

📊 결론: 통계학이 들려주는 이야기

이 논문은 단순히 "아들이 더 많이 태어난다"는 사실을 넘어, 통계학의 힘을 보여줍니다.

1. 데이터의 양이 중요함: 아주 미세한 차이 (0.5% 차이) 를 발견하려면 수천, 수만 개의 데이터가 필요합니다. 작은 표본으로는 "아무것도 없다"고 착각할 수 있지만, 큰 데이터 앞에서는 자연의 숨겨진 규칙이 드러납니다.
2. 자연은 완벽하지 않다: 우리는 세상이 완벽한 50 대 50 의 균형을 이룰 것이라고 생각하지만, 실제로는 가족마다, 그리고 아이들 간의 순서마다 아주 작은 불규칙성과 편향이 존재합니다.
3. 모델의 중요성: 단순한 '동전 던지기' 모델로는 설명할 수 없는 현상들을, '가족마다 다른 동전 (베타 - 이항분포)'이나 '이전 결과에 영향을 받는 동전 (마르코프 모델)' 같은 더 정교한 모델로 설명할 때 비로소 자연의 진짜 모습을 볼 수 있습니다.

한 줄 요약:

"아이들의 성별은 완벽한 동전 던지기가 아니라, 가족마다 조금씩 다른 무게를 가진 동전을 던지는 것이며, 때로는 이전 아이의 성별이 다음 아이에게 아주 작은 영향을 미치는 복잡한 자연의 놀이입니다. 그리고 이 미세한 비밀을 찾아내는 열쇠는 바로 엄청난 양의 데이터입니다."

기술 요약

제시된 논문 "Overdispersed and Markovian Children" (과분산 및 마르코프적 자녀) 은 노르웨이 오슬로 대학교의 Nils Lid Hjort 교수가 2026 년 4 월에 발표한 통계학 논문입니다. 이 논문은 19 세기 말 작센 (Sachsen) 지역의 출생 기록 데이터를 활용하여 자녀의 성별 분포가 단순한 이항 분포 (Binomial distribution) 를 벗어날 수 있음을 통계적으로 증명하고, 과분산 (overdispersion) 과 마르코프적 의존성 (Markovian dependence) 을 모델링하는 방법을 제시합니다.

다음은 이 논문의 문제 제기, 방법론, 주요 기여, 결과, 그리고 의의에 대한 상세한 기술적 요약입니다.

---

1. 문제 제기 (Problem Statement)

• 기존 가정의 한계: 일반적으로 자녀의 성별은 동전 던지기처럼 독립적이고 균형 잡힌 (여아 확률 $p=0.50$) 이항 분포를 따른다고 가정합니다. 그러나 실제 데이터는 이 단순한 모델로 설명되지 않는 편차를 보입니다.
• 관찰된 현상:
  1. 성비 편향: 여아 확률이 정확히 0.50 이 아니라 약 0.485 로 약간 낮습니다.
  2. 과분산 (Overdispersion): 가족 간에 성별 확률 $p$가 일정하지 않고 변이 (variation) 가 존재하여, 동성 (모두 아들 또는 모두 딸) 으로만 구성된 가족의 수가 이항 분포가 예측하는 것보다 더 많이 관찰됩니다.
  3. 순서 의존성: 다음 자녀의 성별이 이전 자녀의 성별에 의해 약하게 영향을 받을 가능성 (마르코프적 성질) 이 존재할 수 있습니다.
• 목표: 아서 가이슬러 (Arthur Geißler) 가 수집한 19 세기 작센 지역의 대규모 출생 데이터를 분석하여 위 현상들을 통계적으로 검증하고, 표본 크기가 p-value 와 검정력 (power) 에 미치는 영향을 규명하는 것입니다.

2. 방법론 (Methodology)

저자는 다양한 통계 모델을 비교 분석하고 시뮬레이션을 활용했습니다.

• 데이터: 1889 년 아서 가이슬러의 데이터로, 자녀 수가 8 명 이상인 38,495 개의 가족 (총 307,928 명의 자녀) 에 대한 성별 분포를 포함합니다. 또한 자녀 수 $m=2$부터 $12$까지의 다양한 가족 크기 데이터도 분석에 포함되었습니다.
• 모델 비교:
  1. 이항 분포 (Binomial Model): 모든 가족이 동일한 확률 $p$를 가진다는 기본 가정 모델.
  2. 베타 - 이항 분포 (Beta-Binomial Model): 각 가족마다 성별 확률 $p$가 베타 분포 (Beta distribution) 를 따른다고 가정하여 가족 간 변이 (과분산) 를 설명하는 모델.
  3. 마르코프 모델 (Markovian Model): 자녀의 성별 순서가 독립적이지 않고, 이전 자녀의 성별에 따라 다음 자녀의 성별 확률이 변하는 마르코프 체인 모델을 가정. (가시적 데이터가 순서 정보가 부족하므로 시뮬레이션 로그-가능도 기법 사용).
• 통계적 검정 및 추정:
  • 성비 편향 검정: $p=0.50$이라는 귀무가설을 검정하기 위해 표본 크기와 검정력 (Power) 분석 수행.
  • 과분산 측정: 관측된 분산과 이항 분포 하의 이론적 분산의 비율 ($W_n$) 을 계산하여 과분산의 존재를 통계적으로 검증.
  • 모델 적합도 평가: 피어슨 잔차 (Pearson residuals) 와 카이제곱 ($\chi^2$) 통계량을 사용하여 모델의 적합도 평가.
  • 시뮬레이션: 마르코프 모델의 로그-가능도 함수를 추정하기 위해 대규모 시뮬레이션 (Simulated Log-Likelihood) 을 수행.

3. 주요 결과 (Key Results)

A. 성비 (Sex Ratio) 의 편향

• 실제 확률: 여아 확률 $p$는 0.50 이 아니라 약 0.484~0.485로 추정됩니다.
• 검정력 분석: $p=0.485$와 $p=0.50$을 구별하기 위해서는 매우 큰 표본이 필요합니다.
  • 95% 신뢰구간으로 0.50 을 제외하려면 약 4,265 명의 자녀가 필요합니다.
  • 95% 검정력 (Power) 을 확보하려면 약 14,433 명 이상의 자녀가 필요합니다.
  • 더 엄격한 기준 (신호수준 0.01, 검정력 0.99) 을 적용하면 약 26,691 명이 필요합니다.

B. 과분산 (Overdispersion) 의 존재

• 가족 간 변이: 단순 이항 분포 모델은 데이터의 양쪽 끝 (모두 아들, 모두 딸) 에서 관측치를 과소평가하고, 중앙 부분에서 과대평가합니다.
• 베타 - 이항 모델의 우월성: 가족별 확률 $p$가 평균 0.484, 표준편차 $\sigma_0 \approx 0.054$인 베타 분포를 따른다고 가정하면 데이터에 매우 잘 적합합니다.
  • 이 모델에 따르면 전 세계 (당시 작센) 가족의 약 95% 는 $p$가 $[0.396, 0.573]$ 구간에 속합니다.
  • 피어슨 잔차 합계 (Goodness-of-fit statistic) 가 이항 모델 (159.41) 에 비해 베타 - 이항 모델 (13.55) 에서 현저히 감소하여 모델 적합도가 개선됨을 보여줍니다.

C. 마르코프적 의존성 (Markovian Dependence)

• 순서 효과: 다음 자녀의 성별이 이전 자녀의 성별에 약하게 의존한다는 가정을 검증했습니다.
• 상관관계: 추정된 마르코프 매개변수 $k \approx 0.956$은 동성 (딸 - 딸 또는 아들 - 아들) 이 연속될 확률의 상관관계를 약 0.044로 나타냅니다. 이는 통계적으로 유의미하지만 매우 작은 효과입니다.
• 모델 비교: 마르코프 모델의 적합도도 베타 - 이항 모델과 비슷하게 좋았으며, AIC/BIC 기준으로도 두 모델은 경쟁력이 있었습니다.

D. 가족 크기에 따른 변화

• 성비: 가족 크기 ($m$) 가 커짐에 따라 여아 확률이 약간 감소하는 경향이 보이지만, 통계적으로 유의미한 차이는 아닙니다.
• 과분산 증가: 가족 크기가 커질수록 과분산 수준 ($\sigma_0$) 이 증가하는 것이 확인되었습니다. 이는 큰 가족일수록 가족 간 성별 확률의 편차가 더 크거나, 성별 순서 의존성이 누적되어 나타나는 현상으로 해석됩니다.

E. 동성 가족의 과대표 (Over-representation)

• 베타 - 이항 모델을 사용하면 동성 가족 (모두 아들/모두 딸) 이 이항 모델이 예측한 것보다 더 많이 나타나는 이유를 설명할 수 있습니다.
• 예: 자녀 8 명인 가족의 경우, 모두 아들일 확률은 이항 모델 예측 대비 약 1.32 배, 모두 딸일 확률은 1.38 배 더 높게 나타납니다.

4. 주요 기여 및 의의 (Contributions and Significance)

1. 대규모 데이터의 통계적 함의: 소규모 데이터에서는 발견되지 않는 미세한 편향 ($p=0.485$ vs $0.50$) 이나 과분산 ($\sigma_0 \approx 0.05$) 이라도 표본 크기가 충분히 크면 (수만 명) 통계적으로 강력하게 검출될 수 있음을 시연했습니다. 이는 p-value 와 검정력이 표본 크기에 어떻게 의존하는지 교육적으로 잘 보여줍니다.
2. 모델링의 정교화: 단순한 이항 분포를 넘어, 가족 간 이질성 (Beta-Binomial) 과 시간적/순서적 의존성 (Markov) 을 모두 고려한 모델링 접근법을 제시했습니다. 특히 순서 정보가 없는 집계 데이터 (Aggregated data) 에서 마르코프 모델을 적용하기 위해 시뮬레이션 로그-가능도 기법을 활용한 점이 혁신적입니다.
3. 역사적 데이터의 재해석: 19 세기 말의 고전적인 통계 데이터 (Geißler data) 를 현대 통계 이론 (과분산, 베이지안 추론, 모델 선택 기준 등) 으로 재분석하여, 과거의 통계적 발견 (Arbuthnot, Laplace 등) 을 정량적으로 뒷받침하고 확장했습니다.
4. 실용적 통찰: "동성으로만 이루어진 가족"이 우연히 발생한 것이 아니라, 생물학적/환경적 요인에 의한 가족 간 변이와 순서 의존성의 결과임을 통계적으로 입증했습니다.

5. 결론

이 논문은 "자녀의 성별은 단순한 동전 던지기"라는 직관을 넘어, 실제 인구 데이터에는 가족 간 변이와 미세한 순서 의존성이 존재함을 엄밀한 통계적 분석으로 증명했습니다. 특히 과분산 (Overdispersion) 이 통계적 모델링에서 얼마나 중요한지, 그리고 대규모 표본이 미세한 효과를 포착하는 데 어떻게 결정적인 역할을 하는지를 명확히 보여주었습니다. 저자는 베타 - 이항 모델과 마르코프 모델이 모두 데이터를 잘 설명하며, 가족 크기가 커질수록 이러한 복잡성이 더 두드러진다는 결론을 내립니다.