표준편차란 무엇인가?
표준편차는 데이터 집합에서 값들이 얼마나 흩어져 있는지를 수치로 나타내는 통계 지표입니다. 쉽게 말해, 각 데이터가 평균(Mean)으로부터 얼마나 떨어져 있는지를 알려줍니다.
예를 들어 학생들의 시험 점수가 있다고 해봅시다. 표준편차가 작으면 대부분의 학생이 비슷한 점수를 받았다는 뜻이고, 표준편차가 크면 점수가 크게 흩어져 있다는 뜻입니다.
Visual Comparison
Low SD (σ = 0.5)
Data clustered tightly around the mean
High SD (σ = 2)
Data spread widely from the mean
표준편차가 중요한 이유
표준편차는 거의 모든 분야에서 의사결정에 핵심적인 통찰을 제공하기 때문에, 가장 널리 사용되는 통계 지표 중 하나입니다:
- 금융:투자 위험도와 포트폴리오 변동성 측정
- 제조업:품질 관리 및 식스 시그마(Six Sigma) 공정 개선
- 과학:측정 불확실성 및 실험 정밀도 보고
- 교육:시험 점수 분포 분석 및 성적 곡선 산정
- 의료:임상시험 및 환자 데이터 변동성 파악
표준편차 공식
표준편차 공식은 표본 데이터를 다루는지, 모집단 전체 데이터를 다루는지에 따라 두 가지 버전이 있습니다:
모집단 표준편차
σ = √[Σ(xᵢ - μ)² / N]
표본 표준편차
s = √[Σ(xᵢ - x̄)² / (n-1)]
기호 설명
σ (시그마) = 모집단 표준편차 · s = 표본 표준편차 · Σ = 합계 · xᵢ = 각 데이터 값 · μ (뮤) = 모집단 평균 · x̄ (엑스바) = 표본 평균 · N = 모집단 크기 · n = 표본 크기
왜 (n-1)로 나눌까?
표본으로 계산할 때는 n이 아니라 (n-1)로 나눕니다. 이를 베셀 보정(Bessel's correction)이라 하며, 모집단 표준편차를 편향 없이 추정하기 위한 장치입니다.
단계별 계산 방법
데이터 4, 8, 6, 5, 3의 표본 표준편차를 단계별로 계산해 봅시다.
1
평균 계산
평균 = (4 + 8 + 6 + 5 + 3) / 5 = 26 / 5 = 5.2
2
각 편차 구하기
4 - 5.2 = -1.2 · 8 - 5.2 = 2.8 · 6 - 5.2 = 0.8 · 5 - 5.2 = -0.2 · 3 - 5.2 = -2.2
3
편차를 제곱하기
(-1.2)² = 1.44 · (2.8)² = 7.84 · (0.8)² = 0.64 · (-0.2)² = 0.04 · (-2.2)² = 4.84
4
제곱 편차의 합 구하기
1.44 + 7.84 + 0.64 + 0.04 + 4.84 = 14.8
5
(n-1)로 나누기
분산 = 14.8 / (5-1) = 14.8 / 4 = 3.7
6
제곱근 구하기
표준편차 = √3.7 = 1.924
꿀팁
표준편차 계산기를 사용하면 어떤 데이터셋이든 단계별 풀이와 함께 표준편차를 즉시 계산할 수 있습니다.
결과 해석하기
표준편차 값이 의미하는 바를 정확히 이해해야 올바른 의사결정을 내릴 수 있습니다:
| 표준편차 값 | 해석 | 예시 |
|---|---|---|
| 낮은 SD | 데이터가 평균 주위에 밀집되어 있으며 일관성이 높음 | 기계로 생산한 정밀 부품 |
| 높은 SD | 데이터가 넓게 퍼져 있으며 변동성이 큼 | 주가의 일간 변동 |
| SD = 0 | 모든 데이터가 동일함 | 정가로 판매되는 상품 |
경험 법칙 (68-95-99.7)
정규분포를 따르는 데이터의 경우: 68%의 데이터가 평균에서 1 표준편차 이내에 분포 · 95%가 2 표준편차 이내에 분포 · 99.7%가 3 표준편차 이내에 분포합니다.
실전 활용 예시
예시 1: 시험 점수
30명의 학생이 시험을 봤고, 평균 점수는 75점, 표준편차는 10점입니다.
해석: 대부분의 학생(약 68%)이 65점에서 85점 사이의 점수를 받았습니다. 95점을 받은 학생은 매우 우수한 성적(평균 + 2SD)이고, 55점을 받은 학생은 어려움을 겪고 있다고 볼 수 있습니다(평균 - 2SD).
예시 2: 제조 품질 관리
공장에서 직경 10mm인 볼트를 생산합니다. 100개의 볼트를 측정한 결과 평균 직경은 10.02mm, 표준편차는 0.05mm입니다.
해석: 공정이 잘 관리되고 있습니다. 99.7%의 볼트가 9.87mm에서 10.17mm(±3σ) 사이에 있게 됩니다. 규격이 10mm ± 0.2mm라면 이 공정은 품질 기준을 여유 있게 충족합니다.
흔히 저지르는 실수
잘못된 공식 사용
표본 데이터인데 모집단 표준편차(N으로 나누기)를 사용하면 안 됩니다. 이렇게 하면 실제 변동성을 과소추정하게 됩니다.
이상치 무시
표준편차는 이상치에 민감합니다. 극단적인 값 하나만으로도 표준편차가 크게 부풀 수 있습니다. 이상치가 있는 데이터에는 중앙값 절대 편차(MAD) 사용을 고려하세요.
정규분포 가정 오류
경험 법칙(68-95-99.7)은 정규분포를 따르는 데이터에만 적용됩니다. 이 비율을 적용하기 전에 데이터의 분포를 반드시 확인하세요.