작성일 · · 최종 검토일 · · 6분

한국어 · English

"자동이 1등이 더 많다"는 통계의 진짜 의미

"1등 당첨자 중 자동이 훨씬 많다더라"는 말은 로또 이야기가 나오면 거의 빠지지 않습니다. 이 말은 거짓이 아닙니다. 262회부터 1247회까지 1등 당첨자가 나온 983개 회차를 모으면 9,336건 가운데 자동이 6,187건(66.3%), 수동이 2,885건(30.9%), 반자동이 264건(2.8%)입니다. 문제는 그다음 문장입니다. "그러니 자동으로 사는 편이 낫다"와 "자동은 번호를 못 고르니 오히려 불리하다" 중 어느 쪽도 이 숫자에서 나오지 않습니다. 이 글은 왜 그런지를 논리와 시뮬레이션으로 보여 줍니다. 자료 자체는 분할 위험 글에서 자세히 다뤘으므로, 여기서는 이 통계를 읽는 사고방식에 집중합니다.

비슷한 착각 하나: 카페의 손님

어떤 카페에서 "이번 달 환불 요청 고객의 70%가 아메리카노를 주문했다"는 통계가 나왔다고 합시다. 아메리카노가 문제 있는 메뉴라는 결론이 나올까요? 이 카페 매출의 70%가 아메리카노라면 환불 비중이 70%인 것은 오히려 지극히 정상입니다. 필요한 것은 "아메리카노가 전체 주문의 몇 %인가"입니다. 이 숫자 없이 "환불 중 70%"만으로는 아무 판단도 할 수 없습니다.

자동과 수동의 문제는 이 카페 이야기와 똑같습니다. 1등 중 자동이 66.3%라는 말은, 자동이 전체 판매의 몇 %였는지를 알아야 의미가 생깁니다. 그 값은 공개되어 있지 않습니다. 확인되지 않은 항목입니다.

더 근본적인 이유: 확률이 같다

카페 비유에는 약한 고리가 하나 있습니다. 카페에서는 메뉴마다 환불률이 실제로 다를 수 있습니다. 반면 로또는 구조적으로 그럴 수 없습니다. 자동 게임은 기계가 6개의 번호를 무작위로 채우고, 수동 게임은 사람이 6개를 고릅니다. 두 경우 모두 한 게임은 45개 중 6개로 이루어진 8,145,060가지 조합 가운데 하나입니다. 추첨기는 무작위로 하나의 조합을 뽑으며 그 조합이 어떻게 선택됐는지 보지 않습니다. 그러니 한 게임이 1등일 확률은 선택 방식과 관계없이 8,145,060분의 1입니다.

그래서 이 문제는 "자동과 수동 중 어느 쪽이 더 잘 맞는가"가 아니라 "자동 판매 비율이 얼마이고, 그 비율대로 당첨자가 나왔는가"로 바뀝니다. 아래 시뮬레이션이 이것을 보여 줍니다. 모든 게임의 확률을 똑같이 두고, 자동 판매 비중만 바꿔 가며 9,336명의 1등 당첨자를 만들어 봅니다.

이 도구는 자바스크립트가 필요합니다.

자동 비중을 66%로 두면 가상 이력에서 자동 당첨자 비율이 대략 65~68% 사이에서 움직입니다. 비중을 50%로 바꾸면 50% 근처로 움직입니다. 당첨 비율이 판매 비율을 따라가는 것이지, 자동이라는 방식이 당첨에 영향을 주는 것이 아닙니다. 9,336건이면 95% 범위가 약 ±1%p입니다(66.3%에서 표준편차 약 0.49%p). 실제 데이터의 66.3%는 "자동 판매 비중이 66% 안팎이었다"는 가정과 잘 맞습니다. 하지만 이것은 역으로 추정한 값입니다. 실제 판매 비중을 알려 주는 자료가 아닙니다.

숫자가 반대 결론으로도 쓰일 수 있다

같은 통계가 "수동이 더 유리하다"는 근거로도 쓰일 수 있습니다. 만약 자동이 전체 판매의 80%라면 자동 1등이 66%라는 것은 자동 게임이 평균보다 덜 당첨된 것처럼 보입니다. 반대로 판매의 50%라면 자동 게임이 평균보다 두 배 잘 맞은 것처럼 보입니다. 어느 쪽이든 실제 확률은 같으므로 그 차이는 가정이 만든 착시입니다. 판매 비중을 모르는 한 이 통계로는 어떤 결론도 낼 수 없습니다.

이 글의 핵심은 이것입니다. 한 숫자를 정당하게 해석하려면 "무엇과 비교해야 하는가"를 먼저 물어야 합니다. 분모가 없는 비율은 이야기를 만들기 쉽고 증명하기는 어렵습니다.

자동/수동 비율이 정말로 알려 주는 것

이 통계가 쓸모없다는 뜻은 아닙니다. 다른 질문에는 답해 줍니다. 한 회차에 1등이 몇 명 나왔는지에 따라 수동 비중이 달라지는 모습이 그렇습니다.

한 회차의 1등 당첨자 수별 자동·수동·반자동 비중 (983개 회차)
회차당 1등회차자동수동반자동
1명1275.0%25.0%0.0%
2~3명5980.2%19.1%0.6%
4~7명31472.4%25.8%1.7%
8~15명49268.0%29.1%3.0%
16명 이상10655.7%40.7%3.6%

당첨자가 몰린 회차에서는 수동 비중이 40%를 넘습니다. 판매 비중을 몰라도 읽을 수 있는 신호입니다. 비교 대상이 같은 방식(회차 간 비교)이기 때문입니다. 이 신호가 가리키는 것은 "수동 게임은 서로 비슷한 조합에 몰리는 경향이 있다"는 쪽입니다. 확률의 차이가 아니라 중복의 차이입니다. 그래서 결론은 "자동이 당첨에 유리하다"가 아니라 "당첨됐을 때 나눠 가질 확률은 수동에서 더 클 수 있다"입니다.

다만 이 해석에도 조심할 점이 있습니다. 당첨자 수로 회차를 나눈 분석에는 선택 효과가 있어서 인과가 아닌 연관을 보여 줍니다. 그리고 수동 안에도 매우 다양한 사람이 있습니다. 모든 수동 선택이 쏠린다는 뜻이 아니라, 평균적으로 쏠림이 더 크다는 뜻입니다.

비슷한 통계를 만났을 때 묻는 네 가지

  1. 분모는 무엇인가? 비율의 기준이 되는 전체 집합이 제시되었는가.
  2. 구조적 이유가 있는가? 두 집단의 확률이 같게 만들어져 있다면 비율 차이는 판매량이나 선택 편향의 결과일 가능성이 큽니다.
  3. 선택 효과가 섞이지 않았는가? 결과로 집단을 나눈 분석은 원인을 거꾸로 읽기 쉽습니다.
  4. 반대 결론도 가능한가? 같은 숫자가 정반대 주장을 뒷받침할 수 있다면 그 숫자는 아직 증거가 아닙니다.

자주 나오는 질문

자동으로 사면 당첨 확률이 달라지나요? 달라지지 않습니다. 자동은 기계가 번호를 대신 채워 줄 뿐 그 게임도 8,145,060가지 조합 중 하나입니다. 자동으로 샀다고 해서 1등 번호와 일치할 가능성이 높거나 낮아지는 경로는 없습니다.

그러면 자동 1등이 많은 건 그냥 자동으로 산 사람이 많아서인가요? 가장 단순한 설명이 그것이고, 이 글의 계산과도 모순되지 않습니다. 판매 비중을 알 수 없어 확정은 못 하지만, 자동 비중이 66% 안팎이라면 자동 1등 66.3%는 정확히 기대한 모습입니다.

수동으로 고르면 나눠 가질 확률이 높다는 건 사실인가요? 이 글의 데이터가 보여 주는 것은 "당첨자가 많이 몰린 회차일수록 수동의 비중이 크다"는 연관입니다. 평균적으로 수동 선택이 서로 비슷한 조합에 몰리는 경향을 시사하지만, 수동으로 고른 개인이 반드시 겹친다는 뜻은 아니며 선택 효과도 섞여 있습니다.

반자동은요? 반자동은 일부 번호를 직접 고르고 나머지를 기계가 채웁니다. 반자동의 비중은 전체 당첨자의 2.8%로 작고 2015년 이전에는 데이터에 나타나지 않아, 이 글은 반자동에 대해 별다른 해석을 하지 않았습니다.

이 통계를 직접 검증할 수 있나요? 선택 유형별 판매 비중이 공개되면 가능합니다. 그 전까지는 이 글의 시뮬레이션처럼 "판매 비중을 가정하면 결과가 어떻게 달라지는가"를 보여 주는 것이 최선입니다.

표본 크기가 말해 주는 것

위 시뮬레이션의 범위가 좁은 이유는 당첨자가 9,336건으로 충분히 많기 때문입니다. 같은 비율 66%라도 당첨자가 30명이었다면 95% 범위가 약 ±17%p로 넓어져서 어떤 결론도 낼 수 없었을 것입니다. 숫자가 많을수록 우연의 폭은 좁아지지만 그 폭이 좁아진다고 해서 분모의 문제가 사라지지는 않습니다.

한계와 확인되지 않은 것

번호를 어떻게 고르든 한 장의 1등 확률은 같고, 기대 수익이 음수인 구조도 바뀌지 않습니다. 이 사이트의 번호 생성기는 자동 선택과 마찬가지로 무작위 번호를 만들 뿐 당첨 가능성을 올리지 않습니다. 선택에 대한 더 자세한 이야기는 생일 번호의 함정으로 이어집니다.

정리하면 이 통계에서 가져갈 것은 "자동이 유리하다"가 아니라 "비율을 읽으려면 분모를 먼저 찾는다"는 습관입니다.

LottoFlick은 독립 사이트이며 복권 운영사가 아닙니다. 당첨 번호는 무작위이고 예측할 수 없습니다.

출처와 확인 상태