SAMPLE SIZE GUIDE
최근 5경기와 시즌 승률, 얼마나 믿어야 할까?
스포츠 통계에서 숫자가 정확하게 계산됐다는 것과 그 숫자가 앞으로도 안정적으로 의미를 가진다는 것은 다른 문제입니다. 표본이 작을수록 한 경기의 영향이 커집니다.
최근 5경기는 빠르지만 흔들립니다
5경기에서 4승이면 승률은 80%입니다. 하지만 다음 한 경기를 지면 4승 2패가 되어 약 66.7%로 크게 내려갑니다. 표본이 50경기라면 한 경기 결과가 전체 승률을 바꾸는 폭은 훨씬 작습니다. 그래서 최근 5경기는 ‘현재 흐름’을 빨리 보는 지표로는 유용하지만 장기 전력의 확정값으로 쓰기에는 변동성이 큽니다.
시즌 초반 순위가 자주 뒤집히는 이유도 같습니다
축구에서 3경기 전승 팀은 승점 9점으로 상위권에 있을 수 있지만 3경기만으로 시즌 전체 강팀이라고 결론 내리기는 어렵습니다. 야구와 농구처럼 시즌 경기가 많은 종목은 초반 몇 경기의 승패가 장기 평균에 빠르게 희석됩니다. 순위표를 볼 때 반드시 경기 수를 함께 확인해야 하는 이유입니다.
상대 전적은 ‘경기 수’ 외에 ‘시간’도 표본의 일부입니다
두 팀이 10번 만났더라도 그중 7경기가 3~4년 전 경기라면 현재 선수 구성과 감독, 전술이 달라졌을 수 있습니다. 단순히 10경기라는 숫자만으로 충분한 표본이라 보기 어렵습니다. 최근 시즌에 얼마나 집중되어 있는지, 같은 대회와 비슷한 조건에서 치른 경기인지도 확인해야 합니다.
평균값은 극단적인 한 경기 때문에 왜곡될 수 있습니다
농구 팀이 최근 5경기에서 100, 102, 98, 101, 145점을 기록했다면 평균은 크게 올라갑니다. 마지막 145점 경기가 연장전이었거나 매우 이례적인 경기였다면 평균 하나만으로 공격력이 급상승했다고 보기는 어렵습니다. 중앙값이나 경기별 분포를 함께 보거나, 최소한 각 경기 점수를 직접 확인하는 것이 좋습니다.
표본이 작을 때는 여러 지표를 교차 확인하세요
- 최근 5경기만 보지 않고 시즌 전체 승률·득실과 비교
- 홈 성적과 원정 성적을 분리해 비교
- 상대 전적의 날짜와 당시 로스터 변화를 확인
- 한 경기의 대승·대패가 평균을 크게 움직였는지 확인
- 새 시즌이라면 지난 시즌 데이터와 현재 시즌 데이터를 같은 의미로 섞지 않기
AI 학습에서도 표본 크기가 중요한 이유
모델은 과거 확정 경기에서 입력 특징과 결과의 관계를 학습합니다. 특정 리그나 조건의 표본이 너무 적으면 우연한 패턴을 실제 규칙처럼 배울 위험이 커집니다. 그래서 학습 성능만 보는 것이 아니라 학습에 쓰지 않은 검증 표본에서 결과를 확인하고, 데이터가 부족한 조건은 별도로 다루는 과정이 필요합니다.
실전 체크 질문 5개
- 이 비율은 몇 경기에서 계산됐나?
- 한 경기 결과가 비율을 얼마나 크게 바꿀 수 있나?
- 최근 경기와 오래된 경기가 섞여 있나?
- 대승·연장전 같은 특이값이 평균을 왜곡했나?
- 현재 시즌과 현재 로스터를 설명하는 표본인가?