# 단순 무작위 샘플

## 개요

**순 무작위 샘플**(Simple Random Sampling SRS)은 통학과 데이터과학에서 사용 가장 기초적이면서도 중요한 샘플링 방법 중 하나입니다. 이 방법은 모단(Population)에서 각 구성이 **동일한 확률**로 표본(Sample)에 포함될 수 있도록 무작위로 선택하는 방식입니다. 단순 무작위 샘플링은 편향을 최소화하고, 표본이 모집단을 잘 대표할 가능성을 높이기 때문에 연구 설계 및 데이터 분석에서 널리 활용됩니다.

이 문서에서는 단순 무작위 샘플링의 정의, 원리, 절차, 장단점, 그리고 실제 적용 사례를 중심으로 설명합니다.

---

## 원리와 정의

### 정의

단순 무작위 샘플링은 모집단의 모든 구성원(예: 사람, 데이터 포인트, 물체 등)이 **동일한 확률**로 표본 추출 대상이 되며, 각 선택이 독립적으로 이루어지는 방식입니다. 이 방법은 **비대체 샘플링**(Sampling without replacement)과 **대체 샘플링**(Sampling with replacement) 두 가지 형태로 나뉩니다.

- **비대체 샘플링**: 한 번 선택된 개체는 다시 선택되지 않음 (가장 일반적)
- **대체 샘플링**: 선택된 개체가 다시 모집단에 포함되어 재선택 가능

예를 들어, 10,000명의 고객 데이터베이스에서 100명을 무작위로 추출하여 설문 조사를 실시할 때, 각 고객이 선택될 확률은 1/10,000이며, 중복 없이 선택된다면 이는 비대체 단순 무작위 샘플링입니다.

---

## 샘플링 절차

단순 무작위 샘플링을 수행하는 일반적인 절차는 다음과 같습니다:

1. **모집단 정의**: 표본을 추출할 전체 대상을 명확히 정의합니다.  
   → 예: 특정 회사의 전체 직원 5,000명

2. **프레임 구성**: 모집단의 모든 구성원을 포함한 목록(샘플링 프레임)을 작성합니다.  
   → 예: 직원 명단, 고객 ID 리스트 등

3. **표본 크기 결정**: 연구 목적에 따라 필요한 표본의 수를 결정합니다.  
   → 일반적으로 신뢰수준(95%), 오차범위, 모집단 크기를 고려하여 계산

4. **무작위 선택**: 난수 생성기, 무작위 숫자표, 또는 프로그래밍 도구(Python, R 등)를 사용하여 표본을 무작위로 선택합니다.  
   → 예: Python의 `random.sample()` 함수 활용

5. **데이터 수집 및 분석**: 선택된 표본에 대해 조사 또는 실험을 수행하고 결과를 분석합니다.

```python
import random

# 예시: 1000명 중에서 50명을 단순 무작위 추출
population = list(range(1, 1001))
sample = random.sample(population, 50)
print(sample)
```

---

## 장점과 단점

### 장점

- **편향 최소화**: 모든 구성원이 동일한 기회를 가지므로 선택 편향이 적음
- **분석 용이성**: 통계적 추론이 간단하며, 평균, 분산 등 추정치 계산이 직관적
- **이해하기 쉬움**: 개념이 단순하여 초보자도 쉽게 이해하고 적용 가능

### 단점

- **프레임 필요성**: 완전한 모집단 목록(샘플링 프레임)이 필수 → 프레임이 없으면 불가능
- **효율성 문제**: 모집단이 매우 크거나 지리적으로 분산되어 있으면 비용과 시간 증가
- **표본의 균형 부족 가능성**: 무작위성 때문에 특정 하위 그룹이 과소 또는 과대표현될 수 있음  
  → 예: 성별, 연령대 비율이 모집단과 다를 수 있음

---

## 활용 사례

### 1. 시장 조사

소비자 제품의 만족도 조사를 위해 전체 고객 데이터베이스에서 단순 무작위로 1,000명을 추출하여 설문을 실시하는 경우.

### 2. 품질 검사

제조 공정에서 매일 생산되는 10,000개의 제품 중 100개를 무작위로 선택하여 불량률을 추정.

### 3. 학술 연구

대학생 20,000명 중에서 500명을 무작위로 선정하여 학습 습관에 대한 실험 수행.

---

## 관련 개념

- **층화 샘플링**(Stratified Sampling): 모집단을 하위 그룹(층)으로 나누고 각 층에서 샘플링 → 단순 무작위 샘플링보다 정확도 높을 수 있음
- **시스템 샘플링**(Systematic Sampling): 일정한 간격으로 샘플 선택 (예: 10번째마다)
- **모집단과 표본**: 모집단은 전체 대상, 표본은 그 중 일부

---

## 참고 자료

- Cochran, W. G. (1977). *Sampling Techniques*. Wiley.
- Lohr, S. L. (2010). *Sampling: Design and Analysis*. Cengage Learning.
- 한국통계진흥원, "표본조사 기본 원리", [https://kostat.go.kr](https://kostat.go.kr)

---

## 관련 문서

- [층화 샘플링](/wiki/층화_샘플링)
- [표본 크기 산정](/wiki/표본_크기_산정)
- [통계적 추정](/wiki/통계적_추정)

단순 무작위 샘플링은 데이터과학의 기초이자 핵심 개념으로, 올바른 적용을 통해 신뢰할 수 있는 데이터 기반 의사결정을 가능하게 합니다.