검사의 오류

조건부 확률의 뒤바꿈

검사의 오류의 핵심은 P(증거|무고)와 P(무고|증거)를 같은 것으로 보는 데 있어요. 두 값은 베이즈 정리로 연결되며, 그 사이에는 사전확률, 즉 증거를 보기 전에 피고인이 범인일 가능성이 끼어들어요. 인구 1000만 명의 도시에서 무작위 일치 확률이 100만 분의 1인 혈흔이 발견되면, 우연히 일치하는 사람이 약 10명 있을 것으로 예상돼요. 다른 증거 없이 일치만으로 체포된 사람이라면 그가 범인일 확률은 100만 분의 999,999가 아니라 대략 11분의 1에 가까워요. 톰프슨과 슈만(1987)은 모의 배심원 실험에서 많은 사람이 이 오류를 범한다는 것을 보였어요. 이는 사전확률을 무시한다는 점에서 기저율 오류의 한 형태이기도 해요.

법정 사례와 DNA 증거

1968년 캘리포니아주 대법원의 콜린스 사건에서 검찰은 범인의 특징들의 확률을 곱해 무고한 커플이 그 특징을 모두 가질 확률이 1200만 분의 1이라고 주장했지만, 법원은 특징들의 독립성 가정과 확률 해석 모두를 문제 삼아 유죄 판결을 뒤집었어요. 핀켈스타인과 페어리(1970)는 베이즈적 증거 평가를 제안했고, 트라이브(1971)는 법정에서의 수학적 추론이 지닌 위험을 경고했어요. 쾰러(1993), 볼딩과 도널리(1994)는 DNA 증거의 무작위 일치 확률이 검사의 오류로 잘못 제시되는 사례를 분석했어요. 영국의 샐리 클라크 사건(1999)에서는 한 가정에서 영아 돌연사가 두 번 일어날 확률이 7300만 분의 1이라는 증언이 유죄 근거가 됐는데, 이는 두 사건의 독립성을 잘못 가정했을 뿐 아니라 그 확률을 무고할 확률처럼 제시한 것이었어요. 힐(2004)과 노블스와 시프(2005)가 이 통계 오용을 분석했고, 유죄 판결은 2003년 항소심에서 파기됐어요.

변호인의 오류와 베이즈적 평가

톰프슨과 슈만(1987)은 반대 방향의 '변호인의 오류'도 지적했어요. 일치하는 사람이 수십 명이니 피고인이 범인일 확률은 그중 한 명꼴로 작아 증거가 무의미하다고 주장하는 것으로, 이는 증거가 용의자 범위를 크게 좁혔다는 사실을 무시해요. 로버트슨과 비뇨(1995), 에이트킨과 타로니(2004)는 증거의 힘을 증거가 유죄 가설과 무죄 가설 아래에서 나타날 확률의 비율, 즉 우도비로 표현하는 접근을 법과학의 표준으로 정리했어요. 다위드(2002)는 배심원의 증거 평가를 베이즈 정리로 분석했고, 펜턴과 닐(2011), 펜턴, 닐, 라그나도(2013)는 베이즈 네트워크로 복잡한 증거 사이의 의존 관계를 모형화하는 방법을 제시했어요. 기거렌처(2002)는 이런 확률 정보를 자연 빈도로 표현하면 법률가와 배심원의 이해가 크게 좋아진다고 보였어요.

자주 묻는 질문

검사의 오류를 쉽게 설명하면?

'무고한 사람이 우연히 증거와 일치할 확률이 아주 낮다'는 사실을 '이 사람이 무고할 확률이 아주 낮다'로 바꿔 읽는 실수예요. 두 확률은 전혀 다른 값일 수 있어요.

왜 '검사의' 오류라고 부르나요?

이런 추론이 주로 피고인에게 불리하게, 즉 증거가 유죄를 강하게 뒷받침하는 것처럼 보이게 만들기 때문이에요. 실제로는 검사뿐 아니라 전문가 증인, 판사, 배심원, 언론도 같은 오류를 범할 수 있어요.

출처 검토일: 2026-10-26

참고문헌

1. Finkelstein, M. O., & Fairley, W. B. (1970). A Bayesian approach to identification evidence. Harvard Law Review, 83(3), 489–517.
2. Tribe, L. H. (1971). Trial by mathematics: Precision and ritual in the legal process. Harvard Law Review, 84(6), 1329–1393.
3. Thompson, W. C., & Schumann, E. L. (1987). Interpretation of statistical evidence in criminal trials: The prosecutor's fallacy and the defense attorney's fallacy. Law and Human Behavior, 11(3), 167–187.
4. Koehler, J. J. (1993). Error and exaggeration in the presentation of DNA evidence at trial. Jurimetrics, 34(1), 21–39.
5. Balding, D. J., & Donnelly, P. (1994). The prosecutor's fallacy and DNA evidence. Criminal Law Review, 711–721.
6. Robertson, B., & Vignaux, G. A. (1995). Interpreting Evidence: Evaluating Forensic Science in the Courtroom. Chichester: Wiley.
7. Gigerenzer, G. (2002). Calculated Risks: How to Know When Numbers Deceive You. New York: Simon & Schuster.
8. Dawid, A. P. (2002). Bayes's theorem and weighing evidence by juries. In R. Swinburne (Ed.), Bayes's Theorem (Proceedings of the British Academy, 113, pp. 71–90). Oxford: Oxford University Press.
9. Aitken, C. G. G., & Taroni, F. (2004). Statistics and the Evaluation of Evidence for Forensic Scientists (2nd ed.). Chichester: Wiley.
10. Hill, R. (2004). Multiple sudden infant deaths—coincidence or beyond coincidence? Paediatric and Perinatal Epidemiology, 18(5), 320–326.
11. Nobles, R., & Schiff, D. (2005). Misleading statistics within criminal trials: The Sally Clark case. Significance, 2(1), 17–19.
12. Fenton, N., & Neil, M. (2011). Avoiding probabilistic reasoning fallacies in legal practice using Bayesian networks. Australian Journal of Legal Philosophy, 36, 114–151.
13. Fenton, N., Neil, M., & Lagnado, D. A. (2013). A general structure for legal arguments about evidence using Bayesian networks. Cognitive Science, 37(1), 61–102.