왜도와 첨도: 표준편차 너머의 세계 | Standard Deviation Calculator

평균과 표준편차 너머

평균과 표준편차가 중심과 퍼짐을 설명하는 반면, 왜도와 첨도는 분포의 형태—비대칭성과 꼬리 두께—를 설명합니다.

통계에서 분포는 “적률(moment)”을 사용하여 설명합니다—형태의 서로 다른 측면을 포착하는 수학적 요약입니다:

두 분포가 평균과 표준편차가 동일하면서도 완전히 다른 모양일 수 있습니다. 왜도와 첨도는 이런 차이를 포착하여 데이터 분포의 더 완전한 그림을 제공합니다.

왜도는 분포가 얼마나 비대칭인지를 측정합니다. 양의 왜도는 오른쪽 꼬리가 긴 것(예: 소득 분포)을, 음의 왜도는 왼쪽 꼬리가 긴 것을 의미합니다.

표본 왜도

g₁ = [n/((n-1)(n-2))] × Σ[(xᵢ - x̄)/s]³

흔한 오른쪽 치우침 데이터

많은 현실 현상이 오른쪽으로 치우쳐 있습니다: 소득, 재산, 기업 규모, 도시 인구, 보험 청구액, 대기 시간 등. 이런 경우 극단적인 값이 평균을 끌어올리므로 중앙값이 “전형적”인 값의 더 나은 측도가 됩니다.

해석 지침:

첨도는 정규분포에 비해 꼬리가 얼마나 두꺼운지 또는 얇은지를 측정합니다. 높은 첨도는 극단값이 더 많다는 것(두꺼운 꼬리)을, 낮은 첨도는 적다는 것을 의미합니다.

첨도가 “뾰족함”을 측정한다는 것은 흔한 오해입니다. 관련은 있지만, 첨도는 근본적으로 꼬리에 관한 것입니다. 첨도가 높은 분포는 꼬리와 꼭짓점에 더 많은 확률 질량이 있지만, “어깨” 부분에는 적습니다.

초과 첨도

g₂ = [n(n+1)/((n-1)(n-2)(n-3))] × Σ[(xᵢ - x̄)/s]⁴ - 3(n-1)²/((n-2)(n-3))

금융에서의 두꺼운 꼬리

금융 수익률은 높은 첨도(“두꺼운 꼬리”)를 보이는 것으로 유명합니다. 정규분포 가정에 기반하면 100년에 한 번 있을 사건이 실제로는 훨씬 자주 발생합니다. 첨도를 무시하면 위험을 과소추정하게 되는데, 이는 많은 금융 위기에서 얻은 교훈입니다.

위험 관리: 높은 첨도는 극단적 결과가 더 자주 발생한다는 뜻입니다. 정규성을 가정하는 VaR 등의 위험 측도는 첨도가 높을 때 실제 위험을 크게 과소추정할 수 있습니다.

품질 관리: 높은 첨도의 제조 데이터는 평균 성능이 양호해도 간헐적으로 목표에서 크게 벗어나는 경우가 있음을 시사합니다. 이 패턴은 조사가 필요한 공정 불안정을 나타낼 수 있습니다.

데이터 변환: 심하게 비대칭인 데이터는 분석 전에 변환(로그, 제곱근)하면 도움이 될 수 있습니다. 목표는 정규성을 가정하는 통계 검정을 위해 근사적 정규성을 달성하는 것입니다.

통계적 검정: 많은 검정이 정규성을 가정합니다. 유의한 왜도나 첨도는 이 가정이 위반되었음을 나타내며, 비모수적 대안이나 로버스트 방법 사용을 제안합니다.

정규성 검정: Jarque-Bera 검정은 왜도와 첨도를 결합하여 정규성을 검정합니다. 두 지표 중 하나라도 0에서 유의하게 벗어나면 정규성을 기각합니다.

표본 크기 고려사항: 작은 표본에서는 왜도와 첨도의 추정이 불안정합니다. n < 50이면 이 통계량의 표본 변동성이 크고, n < 20이면 사실상 의미가 없습니다.

강건성: 왜도와 첨도 모두 이상치에 민감합니다. 단 하나의 극단값이 이 통계량에 극적인 영향을 줄 수 있으므로, 수치 요약과 함께 항상 데이터를 시각화하세요.