논란이 되고있는 가운데 지속적으로 '그럼 권위있는 전문가의 말이 틀렸다는 말이냐? 니들은 전문가도 아닌데 왜 딴지냐'식의 논조가 보이길래 답답한 마음에 키보드를 잡습니다

저는 기능안전(functional safety)이라는 분야에서 연구를 하는 사람입니다

어떤 시스템에 발생 가능한 오류를 분석하고 이러한 오류로 파생되는 위험을 예측하는 일을 합니다

이 글에서는 다른 의혹들은 차처하고

K값에 대해서만 논하겠습니다

결론부터 말씀드리자면 가장 큰 오류는

기계의 오류를 메카니즘 분석 없이 단순히 통계학적으로만 접근했다라는 점입니다

이런 방식은 결론을 가정하고 시작해버리면 어떤 방식으로든 원하는 결론에 도달하게 만들 수 있습니다

수많은 '검증되지 않은 가정'들을 재료로 해서요

오류의 본질은 이것이죠

K값이라는것은 결국 

1번 후보의 투표용지 분류 오류와

2번 후보의 투표용지 분류 오류의 비례성입니다

더 플랜 팀의 가정은 위 두가지 오류가 발생하는 

기계적인 메커니즘이 완전히 동일할 것이라고 판단한것입니다

오류가 발생하는 시점에서 기계시스템의 다양한 요소가 개입하게 되는데

두가지 오류 상황에서의 메커니즘은 충분히 '똑같지 않을 수' 있습니다

일단 1번후보와 2번후보의 용지에서 도장이 찍히는 위치의
분포가 다르다는것이 가장 큰 이유입니다

이미지를 분석하는 시스템과 작업을 생산하고 연산하는 프로세서 그리고 소프트웨어 등 모든 처리 단계에서 변수들이 작용하게됩니다

그리고 투표자의 연령대가 다르기때문에 발생가능한 인적 요소(Human Error)도 충분히 작용할 수 있다고 봅니다

복잡한 시스템일수록 K값은 더 다양한 요인으로 인해 간섭받게 됩니다


정리하자면

1번 후보의 용지 분류 오류의 확률과 

2번 후보의 용지 분류 오류의 확률은

비슷할수도 있고 크게 차이가 날수도 있습니다

K값이 1을 훌쩍 넘을자확률이 크게 차이난다고 그게 되게 이상한 현상이 아니라 충분히 그럴수 있다는 겁니다

1로 수렴하지 않는 K값이 매우 이상한 상황은 '메카니즘'이 아주 단순한 경우에 한합니다

그 예가 더플랜에서 자기들이 예로 들면서 논리를 만들었고  스스로 함정에 빠진것이죠

바로 무작위로 구슬을 뽑는것 말이죠

이러한 메커니즘의 차이가 있다는 것은 전국적으로 K값이 비슷하게 나왔다는 사실에서 오히려 더 신빙성을 가질 수 있습니다

결론

K값이 1이 아니라고 경악하는 것은 그들이 공학적 사고는 배재한 채 통계학적 시각으로만 바라봤기 때문입니다

메커니즘의 복잡성에 따라 다양한 인자가 작용 가능하고 K값은 2가 될수도 있고 10도 될 수 있습니다

알겠나요 김빙삼옹님??

From. 이과출신