인간이 조건부 확률을 판단하는 방식 - 상관 VS 인과

Image : http://www.kent.ac.uk

글 : 인지심리 매니아

인간은 조건부 확률을 판단할 때 어떤 방법을 사용할까? 만약 당신이 담배꽁초를 산에 버리면 불이 날 확률은 얼마나 될까? 만약 당신이 술을 마시고 운전을 할 경우 사고가 날 확률은 얼마나 될까? 

심리학에서는 대체적으로 두 가지 관점이 존재한다. 베이지안 견해(Bayesian view)는 인간이 사전 확률을 통해 판단을 내린다고 설명한다. 즉, 기존 지식을 통해 A라는 행동을 할 경우 B가 발생할 확률이 90%임을 떠올리고 이를 판단에 활용한다. 하지만 주변 사람들의 말을 들어본 결과 A 행동을 취해도 B가 발생할 확률이 매우 낮다면, 그 사람은 자신의 사전 지식을 수정할 것이다. 베이지안 견해는 인간이 사건 간의 ‘상관'관계를 토대로 판단을 내리며, 주변의 지식을 통해 이 정보를 수정한다고 생각한다.

반면, 설명 기반 견해(explanation-based view)는 인간이 인과 관계를 통해 판단을 내린다고 주장한다. 즉, A가 B라는 결과의 원인이라는 인과적 지식을 활용해 확률을 판단한다. 이 때, 두 사건 간의 확률은 판단에서 중요한 역할을 하지 않는다. 심리학 문헌에서 볼 수 있는 ‘인과 관계 휴리스틱(Causality heuristic)’은 설명 기반 견해를 지지하는 좋은 예다.  

인과관계 휴리스틱(Causality heuristic)

확률 판단 시 인과적 지식에 의존하고 통계 정보를 무시하는 현상.

Ex) ‘무선적으로 선택된 남성은 적어도 한번 이상 심장 발작을 경험한 적이 있다'

‘무선적으로 선택된 남성은 적어도 한번 이상 심장 발작을 경험한 적이 있고, 55세 이상이다'

사람들은 두번째 문장의 발생확률이 높다고 착각한다(결합 오류). 노령은 심장 발작의 원인이라고 생각하기 때문이다(인과관계 휴리스틱)

2012년 Cognitive Science 저널에 실린 최신 논문^[각주:1]은 설명 기반 관점에서 인간의 판단 과정을 연구했다(이 논문의 제 2저자인 스티븐 슬로만(Steven Sloman)은 설명 기반 견해의 대표적 인물이다). 이 논문은 사건에 대한 통계적 정보가 동일할지라도 인과 구조가 변하면 판단에 영향을 줄 것이라고 가정했다.

이 연구의 첫번째 실험에서, 연구자들은 프랑스 대학생 144명을 대상으로 세 가지 변인(A: 원인, B: 결과, C: 매개변인)들을 보여주었다. 그리고 세 변인의 동시 발생 확률을 알려줬다. 예를 들어, 전체 사례 중 40%의 경우 세 변인의 발생확률이 모두 높았고, 40%의 경우 모두 낮았고, 나머지 20%의 경우 한 변인은 높고 다른 변인은 낮았다고 알려줬다. 학생들을 이 진술을 통해 한 변인이 발생했을 때 다른 변인이 발생할 확률을 추정할 수 있다. 

연구자들은 학생들을 두 집단으로 나눴다. 한 집단의 경우 세 변인이 인과 연쇄(Causal Chain, A->C->B)의 형태로 제시되었고, 다른 집단의 경우 C가 A와 B의 공통 원인(Common Cause, A<-C->B)이 되는 형태로 제시되었다. 

시나리오를 제시한 다음, 연구자는 학생들에게 A가 발생할 경우 B가 발생할 확률을 0~100%로 예측하게 했다.

그 결과, 학생들은 공통 원인보다 인과 연쇄일 때 P(B|A)의 발생확률을 높게 평가했다. 연구자가 세 변인의 동시 발생 확률을 각 집단에게 똑같이 알려줬기 때문에, (베이지안 관점에 의할 경우)사건의 인과 구조와 상관없이 A와 B의 발생 확률은 동일해야 한다. 그럼에도 불구하고 인과 구조가 판단에 영향을 미친 것이다.

또, 참가자는 Predictive chain의 확률(원인이 발생할 경우 결과가 발생할 확률)이 Diagnostic chain의 확률(결과가 발생했을 때 원인이 발생했을 확률)보다 높다고 응답했다. 이 결과는 우리의 직관과 일치한다. 담배꽁초를 산에 버렸을 때 불이 날 확률은, 산에 불이 났을 때 화재의 원인이 담배꽁초일 확률보다 높은 것처럼 생각되기 때문이다.   

각 집단 별 조건부 확률 판단. 논문에서 인용.

결국 통계적 정보를 동일하게 주었을지라도 인과 구조가 판단에 영향을 준다고 결론 내릴 수 있다.  인과 구조가 판단에서 중요한 역할을 차지한다고 주장하는 설명 기반 견해를 지지하는 데이터라고 할 수 있다. 

1. Bes, B., Sloman, S., Lucas, C. G. and Raufaste, É. (2012), Non-Bayesian Inference: Causal Structure Trumps Correlation. Cognitive Science. [본문으로]