기저율 오류

개념과 고전적 실험

밀과 로즌(1955)은 심리 검사의 효율을 평가할 때 진단하려는 특성이 드물면 검사 결과만으로는 판단이 크게 빗나갈 수 있다고 이미 경고했어요. 카너먼과 트버스키(1973)는 참가자에게 공학자 70명과 변호사 30명(또는 그 반대) 가운데 무작위로 뽑은 한 사람의 성격 묘사를 주고 그가 공학자일 확률을 물었어요. 참가자들은 집단 구성 비율이 바뀌어도 거의 같은 확률을 답해, 묘사가 공학자의 전형에 얼마나 들어맞는지만 보고 판단했어요. 이는 대표성 휴리스틱에 의한 판단이 기저율을 밀어낸다는 해석으로 이어졌어요. 니스벳과 보르기다(1975)도 사람들이 통계적 합의 정보보다 개별 사례를 훨씬 중시한다는 결과를 보고했어요.

택시 문제와 베이즈적 구조

트버스키와 카너먼(1982)이 다룬 택시 문제에서는 도시 택시의 85%가 초록색, 15%가 파란색이고, 사고 목격자가 80% 정확도로 파란 택시를 봤다고 증언해요. 많은 사람이 범인 택시가 파란색일 확률을 80%로 답하지만, 베이즈 정리로 계산하면 약 41%에 불과해요. 바힐렐(1980)은 기저율이 개별 사례와 인과적으로 관련되어 보이거나 사례와 더 직접 관련된 것으로 느껴질 때 덜 무시된다는 점을 보였고, 아이젠(1977)도 인과적 기저율이 판단에 더 잘 반영된다고 보고했어요. 캐슬스, 쇤버거, 그레이보이스(1978)와 에디(1982)는 드문 질환의 검사 양성 결과를 해석할 때 전문가들도 비슷한 오류를 범한다는 사례를 제시해, 이 오류가 일반인만의 문제가 아님을 보여 줬어요.

빈도 형식 논쟁과 이론적 쟁점

기거렌처와 호프라게(1995)는 같은 문제를 확률이 아니라 '1000명 중 몇 명'처럼 자연 빈도로 제시하면 정답률이 크게 오른다고 보였고, 코스미데스와 투비(1996)는 인간의 마음이 빈도 정보를 처리하도록 진화했다는 생태적 합리성의 관점을 제시했어요. 쾰러(1996)는 실험 상황의 기저율이 현실의 판단에서 항상 규범적으로 적절한 것은 아니라며, 기저율 무시가 과장되었을 수 있다고 비판적으로 재검토했어요. 바비와 슬로먼(2007)은 빈도 형식의 효과가 집합 간 포함 관계를 분명히 드러내는 데서 오며, 이는 이중 처리 이론으로 더 잘 설명된다고 주장했어요. 카너먼(2011)은 이 오류를 빠르고 직관적인 체계 1의 특성으로 소개했어요. 기저율 오류는 도박사의 오류, 가용성 휴리스틱과 함께 확률 직관의 한계를 보여 주는 대표적 현상이에요.

자주 묻는 질문

기저율 오류를 쉽게 설명하면?

어떤 일이 원래 얼마나 흔한지는 잊어버리고, 눈앞의 그럴듯한 정보만 보고 확률을 판단하는 실수예요. 예컨대 아주 드문 일을 정확도 높은 증거가 가리키면 거의 확실하다고 착각하는 경우예요.

왜 전문가도 이런 오류를 범하나요?

확률로 표현된 정보를 머릿속에서 결합하는 일이 직관적으로 어렵기 때문이에요. 연구에 따르면 같은 정보를 '1000명 중 몇 명' 같은 빈도로 제시하면 판단이 크게 정확해져요.

출처 검토일: 2026-10-26

참고문헌

1. Meehl, P. E., & Rosen, A. (1955). Antecedent probability and the efficiency of psychometric signs, patterns, or cutting scores. Psychological Bulletin, 52(3), 194–216.
2. Kahneman, D., & Tversky, A. (1973). On the psychology of prediction. Psychological Review, 80(4), 237–251.
3. Nisbett, R. E., & Borgida, E. (1975). Attribution and the psychology of prediction. Journal of Personality and Social Psychology, 32(5), 932–943.
4. Ajzen, I. (1977). Intuitive theories of events and the effects of base-rate information on prediction. Journal of Personality and Social Psychology, 35(5), 303–314.
5. Casscells, W., Schoenberger, A., & Graboys, T. B. (1978). Interpretation by physicians of clinical laboratory results. New England Journal of Medicine, 299(18), 999–1001.
6. Bar-Hillel, M. (1980). The base-rate fallacy in probability judgments. Acta Psychologica, 44(3), 211–233.
7. Tversky, A., & Kahneman, D. (1982). Evidential impact of base rates. In D. Kahneman, P. Slovic & A. Tversky (Eds.), Judgment under Uncertainty: Heuristics and Biases (pp. 153–160). Cambridge: Cambridge University Press.
8. Eddy, D. M. (1982). Probabilistic reasoning in clinical medicine: Problems and opportunities. In D. Kahneman, P. Slovic & A. Tversky (Eds.), Judgment under Uncertainty: Heuristics and Biases (pp. 249–267). Cambridge: Cambridge University Press.
9. Gigerenzer, G., & Hoffrage, U. (1995). How to improve Bayesian reasoning without instruction: Frequency formats. Psychological Review, 102(4), 684–704.
10. Cosmides, L., & Tooby, J. (1996). Are humans good intuitive statisticians after all? Rethinking some conclusions from the literature on judgment under uncertainty. Cognition, 58(1), 1–73.
11. Koehler, J. J. (1996). The base rate fallacy reconsidered: Descriptive, normative, and methodological challenges. Behavioral and Brain Sciences, 19(1), 1–17.
12. Barbey, A. K., & Sloman, S. A. (2007). Base-rate respect: From ecological rationality to dual processes. Behavioral and Brain Sciences, 30(3), 241–254.
13. Kahneman, D. (2011). Thinking, Fast and Slow. New York: Farrar, Straus and Giroux.