페르미 추정 (Fermi Estimation)

한 줄 정의

정확한 데이터가 없는 양(量)을, 문제를 알 수 있는 작은 조각으로 분해하고 각 조각을 자릿수(order of magnitude) 수준으로 추정해 곱·나눗셈으로 합쳐 빠르게 근사하는 방법. 물리학자 엔리코 페르미(Enrico Fermi)가 "데이터가 거의 없어도 좋은 근사 계산을 한다"는 평판으로 유명해 그의 이름이 붙었다 [von Baeyer 1988].

일상 한 줄

"전혀 모르겠는데?" 싶은 숫자도, 아는 것부터 쪼개 곱하면 자릿수는 맞출 수 있다. 정밀하게 틀리는 것보다 대충 맞는 게 결정엔 더 쓸모 있다. 시카고에 피아노 조율사가 몇 명이냐는 질문에 인구·가구·피아노 보유율·조율 빈도만으로 약 150명을 추정하는 것이 표준 예제다 [von Baeyer 1988] (조율사 문제는 페르미에게 전통적으로 귀속되나 1차 기록은 없음).

이 카드의 정의·메커니즘은 실재하는 1차/표준 출처에 근거합니다. 페르미 본인이 "페르미 추정"이라는 논문을 남긴 적은 없으며(방법은 후대가 그의 이름으로 정리한 것), 그 점은 본문과 confidence에 정직하게 반영했습니다.

흔한 장면

시장 규모 짐작: "이 동네에 카페를 열면 손님이 얼마나 올까?" — 유동 인구 × 카페 이용률 × 우리 가게 점유율로 분해.
면접·컨설팅 케이스: "서울의 미용실 수는?", "비행기에 골프공 몇 개?" 같은 추정 질문. 정답이 아니라 분해 논리를 본다.
업무 견적: "이 기능 개발에 며칠?" — 화면 수 × 화면당 작업 × 버퍼로 쪼개 자릿수부터.
건강·재무 감각: "내가 평생 마신 커피값은?", "출퇴근에 1년에 며칠 쓰나?" — 빈도 × 단가 × 기간.
뉴스 숫자 검증(스멜 테스트): 보도된 통계가 자릿수부터 말이 되는지 역으로 추정해 본다.
연구·실험 설계: 실험을 돌리기 전에 결과의 크기 자릿수를 먼저 가늠해 타당성을 점검 [Weinstein & Adam 2008].

왜 빠지나 (메커니즘)

여기서 "빠지나"는 함정이 아니라 왜 이 추정이 통하는가의 메커니즘이다.

오차 상쇄(error cancellation) [von Baeyer 1988] — 여러 항을 곱할 때 각 항을 과대·과소 추정하면 오차가 서로 부분적으로 상쇄돼 최종값이 의외로 정확해진다. 분해 단계가 많을수록 개별 추정이 거칠어도 곱의 자릿수는 안정적이다.
자릿수 사고(order-of-magnitude) [Weinstein & Adam 2008] — "정확히 몇"이 아니라 "10⁵냐 10⁶냐"만 따지면 인간도 비교적 안정적으로 답할 수 있다. 페르미 문제는 "정당화된 추측과 그 상·하한(variance)을 만드는" 훈련이다.
분해(decomposition)·"Fermi-ize" [Tetlock & Gardner 2015, Superforecasting] — 답을 모르는 큰 질문을 아는/모르는 부분으로 쪼개면 무지가 드러나고 가정이 검사 가능해진다. 슈퍼예측가들이 쓰는 핵심 도구로, 거친 가정의 연쇄에서 "놀랍도록 괜찮은 확률 추정"이 나온다.
외부 관점 결합 [Tetlock & Gardner 2015] — 분해된 하위 질문에 기저율(외부 관점)을 먼저 적용하고, 내부 정보로 조심스럽게 조정한다. 페르미 추정과 기저율(base-rate) 사고가 만나는 지점.

빠져나오는 법 (잘 쓰는 법)

1. 질문을 곱셈 사슬로 분해한다. 구하려는 양 = A × B × C … 형태로. (예: 조율사 수 = 피아노 수 × 연 조율 횟수 ÷ 조율사 1인 연 처리량) 2. 각 항을 자릿수로만 잡는다. 정확한 값 대신 "대략 10⁴" 식으로. 모르면 상한·하한을 잡고 기하평균(√(상한×하한))을 쓴다. 3. 단위·차원을 맞춘다. 페르미 문제의 교육 목적 자체가 차원 분석(dimensional analysis) 훈련이다 [Weinstein & Adam 2008]. 4. 곱한 뒤 자릿수를 점검한다. "factor of 10 안"이면 성공으로 본다(피아노 조율사 추정의 통상 기준) [von Baeyer 1988; NASA GRC]. 5. 실측치와 대조해 calibration한다. 가능하면 정답을 찾아 어느 항이 빗나갔는지 복기. 반복하면 추정 감각이 보정된다.

함께 쓰기 좋은 도구

base-rate-neglect — 분해된 하위 항에 기저율을 넣는 것이 추정의 출발점.
forecast-calibration — 페르미 추정의 결과를 확률·구간으로 표현하고 사후 검증으로 보정.
first-principles — 데이터 대신 기본 사실에서 쌓아 올린다는 점에서 형제 도구.
second-order-thinking — 추정값이 결정에 미칠 2차 효과까지 보는 단계.

통념이 무너지는 순간

"데이터가 없으면 추정도 무의미하다"

⚠ 흔한 말: "근거 자료가 없는데 숫자를 어떻게 내. 그건 그냥 찍는 거지." ✓ 학술: 페르미 문제는 데이터가 거의 없는 상태에서 "정당화된 추측과 그 상·하한"을 만드는 훈련으로 정의된다 [Weinstein & Adam 2008]. 찍기와 다른 점은 분해·차원검사·자릿수 논리가 있다는 것. 시카고 조율사 추정은 외부 데이터 0건으로 약 150명을 냈고 이는 실제 자릿수와 부합했다 [von Baeyer 1988].

"추정이 거칠수록 결과도 엉망일 것이다"

⚠ 흔한 말: "각 단계가 다 어림짐작이면 오차가 눈덩이처럼 불어나겠지." ✓ 학술: 곱셈 사슬에서는 각 항의 과대·과소 추정이 서로 상쇄(error cancellation) 돼, 거친 가정의 연쇄에서도 자릿수가 안정적으로 맞는 경우가 많다 [von Baeyer 1988; Tetlock & Gardner 2015]. 테틀록은 "놀랍도록 거친 가정과 어림셈에서 놀랍도록 좋은 확률 추정이 나오는 게 놀랍다"고 정리한다.

### "정밀한 계산이 항상 더 낫다" ⚠ 흔한 말: "이왕 할 거면 정확히 계산해야지, 대충 하면 프로답지 못하다." ✓ 학술: 페르미의 트리니티 실험 일화 — 폭발 후 종잇조각을 떨어뜨려 변위로 폭발력을 약 10킬로톤으로 즉석 추정했다. 정밀 측정값(방사화학 기준 약 21킬로톤)과 자릿수가 맞았다 [Fermi 1945 트리니티 메모; Katz 2021]. 빠른 자릿수 추정이 결정·검산에 충분할 때가 많다("정밀하게 틀리느니 대략 맞는 게 낫다").

### "이건 물리학자나 면접용 트릭이지 일상엔 안 쓴다" ⚠ 흔한 말: "피아노 조율사 문제 같은 건 퀴즈일 뿐." ✓ 학술: 테틀록의 굿 저지먼트 프로젝트에서 슈퍼예측가들이 실제 지정학·경제 예측을 "Fermi-ize"(분해 추정) 해 정확도를 높였다 [Tetlock & Gardner 2015, Superforecasting]. 일상 의사결정의 빠른 규모 감각 도구로 직접 쓰인다.

1차 출처

von Baeyer, H. C. (1988). "How Fermi Would Have Fixed It." The Sciences, 28(5), 2-4. DOI: 10.1002/j.2326-1951.1988.tb03037.x. (후에 "The Fermi Solution"으로 개제, 1993년 에세이집 The Fermi Solution: Essays on Science에 수록; Dover 재간 ISBN 0486417077). 시카고 피아노 조율사 문제를 대중화한 표준 에세이. — 서지·DOI web 확인(2026-05-31). 본문 verbatim 미대조.
Weinstein, L., & Adam, J. A. (2008). Guesstimation: Solving the World's Problems on the Back of a Cocktail Napkin. Princeton University Press. ISBN 978-0-691-12949-5. — 페르미 추정(분해·자릿수·상하한)을 다룬 표준 교재. 서지 web 확인. 본문 verbatim 미대조.
트리니티 일화 (1차): Enrico Fermi, "My Observations During the Explosion at Trinity on July 16, 1945" — 페르미 본인의 Manhattan Project 관찰 메모. 전문 공개: atomicarchive.com. 폭풍파 도달 시 종잇조각 변위로 폭발력을 약 10kt로 즉석 추정(방사화학 기준 ≈21kt). 2차 분석: Katz, J. I. (2021), "Fermi at Trinity," Nuclear Technology, DOI 10.1080/00295450.2021.1927627 (arXiv 2103.05784).
Tetlock, P. E., & Gardner, D. (2015). Superforecasting: The Art and Science of Prediction. Crown. ("Fermi-ize"/분해 추정과 예측 정확도). — 개념·인용 web 확인.
참고(2차): NASA GRC "Fermi's Piano Tuner Problem". 조율사 worked example 교차 참고용(1차 아님). 조율사 문제는 페르미에게 전통적으로 귀속될 뿐 페르미가 직접 출제했다는 1차 기록은 없다.

원문 핵심 인용

"About 40 seconds after the explosion the air blast reached me. I tried to estimate its strength by dropping pieces of paper before, during, and after the passage of the blast wave. … [the displacement] could be estimated to correspond to 10 kilotons of TNT." — Enrico Fermi, "My Observations During the Explosion at Trinity on July 16, 1945" (페르미 본인 메모, atomicarchive.com 전문에서 verbatim 확인 2026-05-31) verbatim 상태: 트리니티 인용은 페르미 1차 메모 전문에서 직접 확인. 단 정의·기법의 표준 출처(von Baeyer 1988·Guesstimation 2008) 본문 verbatim은 미대조 → 이 카드 confidence를 B로 둠.

핵심 정의·메커니즘

| 항목 | 내용 | |---|---| | 정의 | 데이터가 거의 없는 양을 분해·자릿수 추정·차원분석으로 근사하는 추정법 [Weinstein & Adam 2008] | | 목표 정밀도 | 자릿수(order of magnitude). 실무 기준: 정답의 "factor of 10" 이내면 성공 [von Baeyer 1988] | | 핵심 기법 | (1) 곱셈 사슬 분해 (2) 항별 자릿수/상하한 (3) 차원·단위 검사 (4) 오차 상쇄 활용 | | 산출물 | 점추정 + 합리적 구간. 슈퍼예측에선 확률로 변환 후 보정 [Tetlock & Gardner 2015] |

시카고 피아노 조율사 — worked example [von Baeyer 1988; NASA GRC]:

시카고 인구 ≈ 300만 명
가구당 4명 → 약 75만 가구
5가구 중 1가구가 피아노 보유 → 약 15만 대
피아노 1대당 연 1회 조율 → 연 15만 회
조율사 1인: 하루 4대 × 주 5일 × (연 50주, 2주 휴가) ≈ 연 1,000대
15만 ÷ 1,000 = 약 150명

외부 데이터를 전혀 안 쓰고도 자릿수가 실제와 부합. 핵심은 "정확한 수"가 아니라 분해 논리와 자릿수.

주요 후속 연구·메타분석

교육 연구: 페르미 문제는 STEM에서 측정·추정·모델링 역량을 기르는 도구로 연구됨. 단, 예비교사·학생이 실제 상황을 단순화/구조화·수학화하는 단계에서 개념적 오류가 빈발한다는 보고가 있다 (Educational Studies in Mathematics; ZDM–Mathematics Education; MDPI Education Sciences 11(8):451 등 — 추정 교육 효과·오류 분류 연구). 즉 "쉬워 보이지만 분해 단계가 핵심 병목".
예측 연구: Good Judgment Project에서 분해(Fermi-ization)가 예측 정확도와 연결됨 [Tetlock & Gardner 2015].

후속 교육연구의 구체 수치는 카드에서 표제만 제시(원문 전수 검증 전). 정확한 효과크기 인용은 후속 보강 대상.

비판·한계

분해 단계의 오류가 결과를 좌우: 오차 상쇄는 항들이 독립적으로 빗나갈 때 성립. 공통 편향(모든 항을 같은 방향으로 과대평가)이 있으면 상쇄가 안 되고 오차가 누적된다.
상황 구조화가 진짜 어려움: 교육연구에서 가장 많은 실수가 "현실을 어떤 곱셈 사슬로 모델링할지" 단계에서 발생.
자릿수만 맞아선 부족한 결정: 가격 책정·안전 마진처럼 ±2배가 치명적인 결정에는 자릿수 추정만으론 위험.
과신 위험: 깔끔한 숫자가 나오면 불확실성을 잊기 쉽다 → forecast-calibration과 병행 필요.

앱 활용 방법

라이브러리 카드: 정의 + 일상 예시(카페 손님 수·평생 커피값) + 시카고 조율사 worked example을 "한 번에 보이는 분해 도표"로.
연결 인생 질문:
- 빠른 의사결정 — "정보가 부족할 때 어떻게 판단하나" → 분해·자릿수 추정으로 즉답.
- 숫자 감각 — 뉴스·견적의 스멜 테스트.
시나리오 적합성: 적합. "사업 시장 규모 추정", "프로젝트 기간 견적", "뉴스 통계 검증" 등 곱셈 사슬형 미션으로 구성하기 좋음. 정답 공개 후 어느 항이 빗나갔는지 보여 주는 calibration 피드백을 넣으면 학습 효과 큼.
주의: "자릿수면 충분"과 "정밀해야 함"의 경계를 분명히. ±2배가 치명적인 결정엔 추가 검증을 권하는 톤 유지.