책 이미지
책 정보
· 분류 : 국내도서 > 과학 > 수학 > 수학 일반
· ISBN : 9791158749170
· 쪽수 : 240쪽
· 출판일 : 2026-03-20
책 소개
‘그럴듯한 거짓’에 속지 않기 위한 발상의 전환
당신이 꼭 알아야 할 단 하나의 수학, 베이즈 정리
★★★★★
직관은 우리를 속이지만
베이즈 정리는 우리를 깨어 있게 한다
“수학과 인생을 동시에 설명하는, 진짜 ‘생각의 책’이다”
- 중국 대표 콘텐츠 플랫폼 더우반 베스트 리뷰
우리는 매일같이 선택하고, 판단하며, 확신한다. 누구의 말이 옳은지, 어떤 뉴스가 사실인지, 어느 주식이 오를지, 병원 검사 결과가 무엇을 의미하는지를 두고 머릿속에서 끊임없이 계산하고 다음 행동을 선택한다. 하지만 정작 그 판단의 근거를 물어보면, “그럴듯해서”, “느낌이 그래서”, “확률이 높다잖아” 같은 어정쩡한 대답이 돌아온다. 그러고는 자신의 예상과는 다른 결과에 당혹해하고 절망한다. 이렇게 잘못된 판단이었음을 뒤늦게 깨달은 경험, 그럴싸한 말에 혹해 후회했던 기억은 누구에게나 있기 마련이다. 정보는 넘치고 선택은 끊이지 않지만, 우리가 그것을 얼마나 합리적으로 처리하고 있는지는 생각보다 불확실하기 때문이다.
왜 이런 일이 반복될까? 문제는 우리 뇌가 직관에 너무 쉽게 끌린다는 데 있다. 눈앞의 숫자, 권위 있는 사람의 말, 선명한 인과 관계처럼 보이는 이야기들은 우리의 판단력을 흐리고 마비시킨다. 병원에서 99% 정확도라는 검사 장비의 성능을 들으면 안심하거나 놀라워하지만, 정작 그 검사 결과가 실제로 병에 걸렸을 가능성과는 얼마나 다른지를 따져 보는 사람은 드물다. 명문대 교수의 말은 진실로 여겨지고, 친구가 몇 번 경험했다는 일은 보편적 법칙처럼 받아들인다. 우리가 흔히 “확률이 높다”며 무언가를 선택하는 행위는, 실제로는 단 하나의 정보에 기대어 판단을 끝내버린 것이다. 그럴듯한 정보는 많지만, 올바른 판단은 그렇게 쉽게 나오지 않는다.
이 책은 바로 그 착각의 메커니즘을 파헤친다. 불확실성을 이기는 ‘무기’라고 부를 만큼 강력한 사고 도구를 소개한다. 이름하여 ‘베이즈 정리’. 어렵게 들리지만, 본질은 단순하다. ‘새로운 정보를 얻었을 때 기존의 믿음을 어떻게 갱신할 것인가? 하나의 판단이 얼마나 설득력 있는지를 따질 때 맥락과 배경, 그리고 증거의 힘을 어떻게 조합할 것인가?’ 베이즈 정리는 이 질문에 대해 매우 강력한 해답을 제시한다. 단 한 번의 확신이 아니라, 수많은 정보와 변화 속에서 ‘계속해서 더 나은 판단’을 만들어가는 방식이다. 그래서 이 책은 수학책이라기보다는 생각하는 법을 가르쳐 주는 책이다.
”99% 확실하다는 말, 정말 믿어도 될까?“
불확실성이 일상이 된 시대
이제는 직관이 아닌 데이터와 확률로 생각하라
아무리 냉철한 사람도 착각에 빠진다. 겉보기에 완벽한 논리가 거짓일 수도 있고, 숫자가 진실을 가리는 가면이 되기도 한다. 우리는 종종 “확률이 높다”라는 말에 안도하거나 공포를 느끼지만, 정작 그 숫자가 어디에서 왔는지, 무엇을 전제로 하는지 따져 보는 일은 드물다. 그렇기에 베이즈 정리는 지금 이 시대에 반드시 알아야 할 ‘생각의 기술’이다. 끊임없이 쏟아지는 정보와 근거가 부족한 확신 속에서, 베이즈 정리는 우리가 어떻게 판단해야 하는지를 묻는다. 그리고 이렇게 답한다. “지금까지의 믿음을, 새로운 정보에 따라 갱신하라.”
지금 우리는 모두가 투자자가 된 시대를 살고 있다. 주식, 부동산, 암호 화폐, AI 관련주까지 매일같이 쏟아지는 정보 속에서 무엇을 믿고 무엇을 거를지를 결정해야 한다. 단지 뉴스가 반복된다고, 누군가가 전문가처럼 말한다고 따라가서는 안 된다. 판단은 늘 ‘기존의 정보’와 ‘새롭게 얻은 정보’를 결합하여 새로 계산되어야 하며, 그 방식은 ‘베이즈 정리’로 가능하다.
'그럴듯한 거짓'에 더 이상 속지 마라
베이즈 정리로 더 나은 선택을 하는 법
Chapter 6은 순차적으로 업데이트되는 정보의 사후 확률에 관한 이야기로 시작된다. 온라인 알고리즘과 오프라인 알고리즘의 비교를 통해 두 가지 사고방식을 설명하고, 양치기 소년이라는 우화를 통해 새로운 정보에 맞춰 확률을 업데이트하는 방식에서 얻을 수 있는 교훈을 알려 준다. 그리고 Chapter 7에서는 여러 개의 관측값을 그룹화하여 확률을 계산하는 계층형 모델에 관해 설명한다. 비행기가 심하게 흔들릴 때나 대추나무 두 그루 사례를 통해 두 개의 관측값 중 무엇을 사전 확률에 반영해야 할지를 독자가 깨닫게 해준다. Chapter 8에서는 이런 믿음의 전환이 실제로 어떤 영향을 미치는지를 보여 주는 상징적인 사례가 등장한다. 바로 샐리 클라크 사건이다. 아이를 둘이나 잃은 엄마가 ‘두 아이가 모두 자연사할 확률은 7천만분의 1’이라는 말 한마디에 살인자로 몰린 비극. 그 수치는 단지 숫자일 뿐이었고, 실제 상황과는 전혀 맞지 않는 계산이었다. Chapter 8은 우리가 숫자에 속을 때 어떤 일이 벌어지는지를 절실하게 알려 준다. 조금 더 일상적인 예시도 나온다. 병원 진단, 검사 결과, 증상의 해석 같은 상황들 속에서 우리는 어떤 확률을 어떻게 받아들여야 할까? 99% 정확도라는 말이 정말 믿을 만한 것인지 확인이 필요하다. Chapter 9는 병원에서 의사가 병을 진단하는 과정을 따라가며 베이즈 정리에 대한 이해도를 높인다. 또 의사들의 진단 과정을 통해 전문가들조차 확률 해석에서 얼마나 자주 실수할 수 있는지를 이야기한다. 여기서 중요한 건 ‘무지’가 아니라 ‘오해’다. 우리는 수학을 몰라서가 아니라, 잘못 배운 확률 개념 때문에 오판하는 경우가 더 많다. 이쯤 되면 독자들은 이렇게 묻게 된다. “그러면 도대체 우리는 어떻게 판단해야 하지?” Chapter 10은 그에 대한 대답을 들려준다. 판단은 단 한 번의 확신으로 끝나는 것이 아니라, 계속해서 바뀌고 갱신되어야 한다는 것이다. 그리고 그것이야말로 베이즈 정리가 가르쳐주는 가장 중요한 태도다.
결국 이 책은 수학책이 아니라 사고법에 관한 책이다. 넘쳐나는 뉴스, 전문가의 예측, 투자 정보, 사람들의 말 속에서 우리는 끊임없이 판단을 내린다. 그때 필요한 것은 직관이 아니라 체계적 사고다. 확신이 아니라 갱신이다. 베이즈 정리는 이를 우리에게 제공해 준다. 그리고 그 사고법은 불확실한 세상을 살아가는 우리 모두에게 가장 필요한 무기가 되어줄 것이다.
목차
Chapter 6 순차적으로 업데이트되는 정보의 사후 확률
6.1 정보가 순차적으로 업데이트될 때 사후 확률 구하는 방법
6.1.1 베이즈 정리를 이용해 사후 확률 구하기
6.1.2 증분 처리 방식으로 사후 확률 구하기
6.1.3 증분 처리 방식으로 구한 사후 확률이 갖는 의미
6.2 온라인 알고리즘
6.2.1 온라인 알고리즘과 오프라인 알고리즘
6.2.2 평균값
6.2.3 실시간으로 데이터가 유입되는 상황에서의 특잇값 분해
6.3 단계마다 확실하게 vs. 점진적으로 완성도를 높이며
6.3.1 애자일 모델
6.3.2 최소 기능 제품
6.3.3 논문을 작성하는 방식
6.4 <양치기 소년>이 주는 교훈
6.4.1 베이즈 정리로 해석해 보는 <양치기 소년> 이야기
6.4.2 새로운 정보에 맞춰 확률을 업데이트하는 방식에서 배우는 교훈
Chapter 7 계층형 모델
7.1 여러 개의 관측값을 그룹화하여 확률 계산하기
7.1.1 세 개 이상의 관측값이 주어졌을 때
7.1.2 문제 해결 전략 및 접근 방식
7.1.3 분류의 원칙
7.2 두 개의 관측값 중 어느 것을 사전 확률에 반영해야 할까?
7.2.1 비행기가 심하게 흔들릴 때
7.2.2 대추나무 두 그루
7.3 조지 소로스는 어떻게 한 달 만에 10억 달러를 벌었을까?
7.3.1 사건의 배경
7.3.2 증거와 분석
7.3.3 배타적인 증거의 등장
7.4 관측값이 너무 적을 때는 어떻게 해야 할까?
7.4.1 그는 취업할 수 있을까?
7.4.2 통계 데이터를 찾는 방법
7.4.3 또 다른 접근 방법: 관측값의 범위 확장하기
7.5 계층형 모델
7.5.1 계층형 모델의 네 단계
7.5.2 사례 1: 그가 취업에 성공할 확률은?
7.5.3 사례 2: 비행기는 아직 안전한가?
7.5.4 사례 3: 우리 아이는 좋은 대학에 갈 수 있을까?
7.5.5 사례 4: 심장 수술을 받아야 할까?
7.5.6 계층형 모델을 적용할 때 흔히 저지르는 실수
7.5.7 이 가족이 반려견을 키울 확률은 얼마일까?
Chapter 8 샐리 클라크의 재판
8.1 첫 번째 오류: 잘못된 독립성 가정
8.2 두 번째 오류: 우도를 사후 확률로 간주
8.3 세 번째 오류: 편향된 모집단 선택
8.4 클라크가 유죄일 확률은 얼마일까?
Chapter 9 의학에서 활용하는 베이즈 정리
9.1 의사의 진단과 베이즈 정리
9.1.1 병을 진단하는 과정
9.1.2 가장 보편적인 의사의 진단 과정
9.2 의사의 진단에서 배우는 교훈
9.2.1 교훈 1: ‘여러 개 중 하나’에서 ‘둘 중 하나’로 바꾸기
9.2.2 교훈 2: 사후 확률을 추정하는 데 도움이 되는 정보 수집하기
9.2.3 교훈 3: 최소한의 비용과 시간으로 가장 효과적인 증거 확보하기
9.2.4 교훈 4: 검사는 많이 할수록 좋을까?
Chapter 10 베이즈적 사고로 읽는 네트워크 시대
10.1 거짓 정보를 구별하는 방법
10.1.1 베이즈 정리가 가르쳐 주는 세상의 원리
10.1.2 결정적인 증거를 찾기 어려운 이유와 온라인 글에서 나타나는 흔한 패턴
10.2 증거의 진위를 구별하는 방법
10.2.1 신빙성이 없는 증거
10.2.2 정량화되지 않은 증거
10.2.3 개별적인 사례를 전체 통계인 것처럼 일반화하는 증거
10.3 미디어에 의해 왜곡된 사전 확률
10.3.1 인터넷 시대에서의 미디어 정보
10.3.2 확률이 낮은 사건을 보도하는 이유
10.3.3 증거를 편집하는 이유
10.3.4 보고 싶은 것만 보여 주는 정보 환경
10.4 베이즈 정리로 음모론 분석하기
10.4.1 음모론이란 무엇인가?
10.4.2 왜 사람들은 음모론을 쉽게 믿는 걸까?
10.4.3 음모론의 오류 1: 사전 확률을 고려하지 않음
10.4.4 음모론의 오류 2: 다른 가능성을 고려하지 않음
10.4.5 음모론의 오류 3: 잘못된 관측
에필로그
부록
부록 C. 베이즈 정리를 이용해 순차적으로 업데이트되는 정보의 사후 확률 계산 공식 유도
부록 D. <양치기 소년>에서 나온 수학 공식 유도
부록 E. 식 (7-4)의 유도 과정
부록 F. 세 개의 관측값이 주어졌을 때의 사후 확률과 사전 확률의 유사함을 증명하는 과정
책속에서

알고리즘은 어떻게 같은 주제의 문서를 그룹화할까? 이를 가능하게 하는 기술이 바로 ‘잠재 의미 색인(Latent Semantic Indexing, LSI)’ 기법이다.
LSI가 수행하는 첫 번째 작업은 인터넷상의 방대한 문서를 동일한 길이의 벡터로 변환하는 것이다. 이는 ‘단어 주머니 기법(Bag of Words Model, 글에 등장하는 단어의 빈도를 수치화하여 문서 자료를 분석하는 방법)’이라고도 부른다. 그런 다음 이렇게 변환된 벡터들을 세로로 정렬하여 하나의 행렬을 구성한다.
소수의 증거만으로 성급하게 결론을 내리지 말고 신중해야 한다. 이는 공자가 말한 ‘무필(毋必)’, 즉 무조건 단정 지으려 하지 말라는 가르침과 연결된다. 최근 몇 년간 인터넷에서 ‘반전’ 사건과 ‘역폭로’를 당하는 사건이 특히 많아졌다. 그 이유는 사람들이 화제가 되는 이슈에 쉽게 휩쓸리다 보니, 확실한 증거도 없이 너도나도 성급하게 의견을 내놓기 때문이다.




















