|
통계학 Statistics |
|||
|
{{{#!wiki style="margin:0 -10px -5px; min-height:calc(1.5em + 5px); word-break: keep-all" {{{#!folding [ 펼치기 · 접기 ] {{{#!wiki style="margin:-5px -1px -11px" |
<colbgcolor=#4d4d4d><colcolor=#fff> 수리통계학 | 기반 | 실해석학 ( 측도론) · 선형대수학 · 이산수학 |
| 확률론 | 사건 · 가능성 · 확률 변수 · 확률 분포 ( 표본 분포 · 정규 분포 · 이항 분포 · 푸아송 분포 · 카이제곱분포 · t분포 · Z분포 · F-분포 · 결합확률분포) · 확률밀도함수 · 확률질량함수 · 조건부확률 · 조건부기댓값 · 조건부분산 · 전체 확률의 법칙 · 베이즈 정리 · 도박사의 오류 · 도박꾼의 파산 · 몬티 홀 문제 · 뷔퐁의 바늘 · 마르코프 부등식 · 체비쇼프 부등식 · 큰 수의 법칙 ( 무한 원숭이 정리) · 중심극한정리 · 벤포드의 법칙 | ||
| 통계량 | 평균 ( 산술 평균 · 기하 평균 · 조화 평균 · 멱평균 · 대수 평균) · 기댓값 · 편차 ( 절대 편차 · 표준 편차) · 분산 ( 공분산) · 결정계수 · 변동계수 · 상관계수 · 대푯값 · 자유도 | ||
| 추론통계학 | 가설 · 변인 · 추정량 · 점추정 · 신뢰 구간 · 상관관계와 인과관계 · 실험통계학 · p-해킹 · 통계의 함정 · 그레인저 인과관계 · 신뢰도와 타당도 | ||
| 통계적 방법 | 회귀 분석 · 최소제곱법 · 분산 분석 · 주성분 분석 ( 요인 분석) · 시계열 분석 · 패널 분석 · 2SLS · 생존 분석 · GARCH · 비모수통계학 · 준모수통계학 · 기계학습 ( 군집 분석 · 분류 분석) · 위상 데이터분석 · 외삽법 · 메타 분석 · 모델링 ( 구조방정식) | ||
| 기술통계학 · 자료 시각화 | 도표 ( 그림그래프 · 막대그래프 · 선 그래프 · 원 그래프 · 상자 수염 그림 · 줄기와 잎 그림 · 산포도 · 산점도 · 히스토그램 · 도수분포표) · 그래프 왜곡 · 이상점 | }}}}}}}}} | |
1. 개요
標 準 偏 差 / standard deviation표준 편차(standard deviation)는 자료의 관찰값들의 변동성을 나타내는 통계학적 척도다.
2. 소개
표준 편차는 평균에서 얼마나 멀리 떨어져 있냐를 나타낸 척도인데, 아예 쌩 평균으로 모든 데이터가 밀집되어 있다고 결론을 내리기엔 여러 가지 모순과 한계가 있기 때문에 도입됐다.다만 자료의 관찰값들이 얼마나 흩어져 있는지 그 정도를 하나의 수치로 나타내는 방법은 여러 가지가 있다. 그중 가장 많이 사용하는 것이 표준 편차일 뿐.[1]
기호로는 '[math(\sigma)]'로 나타낸다. 약어로는 SD 또는 StDev(또는 stdev)라고 쓰는데 Microsoft Excel의 함수 명칭과 동일하다.[2]
관찰값들이 얼마나 흩어져 있는지를 살피기 위해 각 관찰값과 ‘관찰값들의 평균’[3]과의 차이인 편차를 생각해 볼 수 있다. 편차(deviation)는 관측값에서 평균[4]을 뺀 것이다. '이렇게 구한 편차들의 평균을 구하면 자료 관찰값들이 얼마나 흩어져 있는지를 하나의 수치로 나타낼 수 있겠구나'하는 생각으로 직접 이들 편차들의 평균을 구해보면 필연적으로 항상 0이 되는 것을 확인할 수 있다. 이런 상황을 회피하기 위해 어쩔 수 없이 편차들의 '제곱'을 구한 뒤 그 편차들의 제곱의 평균을 구해서 나온 값( 분산)에 다시 제곱근을 구하는 우회적인 방법을 써서 산포도 값을 구한 것이 바로 표준 편차다.
분산(variance)은 관측값에서 평균을 뺀 값을 제곱하고, 그것을 모두 더한 후 전체 수로 나눠서 구한다. 즉, 차잇값의 제곱의 평균이다. 관측값에서 평균을 뺀 값인 편차를 모두 더하면 0이 나오므로 편차의 부호를 없애기 위해 제곱해서 더한다. 또한 분산은 표준 편차의 제곱이다.
표준 편차(standard deviation)는 분산을 제곱근한 것이다. 제곱해서 값이 뻥튀기된 분산을 제곱근해서 다시 원래 크기로 만들어준다. 표준 편차의 경우 후술될 표준 오차(stand error)와 함께 통계학 공부에서 제일 먼저 접하게 되는 개념이다. 특히, 표준 편차는 서술되는 방식에 따라 그 함의가 다양해서 이후 연구 방법론의 핵심인 추론 통계의 기초가 되는 모표준 편차, 표본 표준 편차, 표준 오차를 이해하는 데 중요한 역할을 하게 된다. 이처럼 표준 편차가 중요한 역할을 하는 데는 사실 표준 편차는 어떤 수의 크고 작음을 직관적으로 이야기해 줄 수 있기 때문이다. [5]
모표준 편차(population standard deviation) σ는 모집단의 표준 편차이다. 모분산 σ2에 루트를 씌워서 구한다.
표본 표준 편차(sample standard deviation) s는 표본의 표준 편차이다. 표본 분산 s2에 루트를 씌워서 구한다.[6]
3. 표준 오차
표준 오차(standard error)는 표준 편차와는 다르다. 표준 오차는 추론 통계학에서 수많은 표본 평균들의 편차를 구함으로써 모평균 " [math(mu)]"를 추정할 때 쓰인다. 이 경우 [math(Sigma)]의 소문자 [math(sigma)]에 아래 첨자로 m을 붙여서 표기하며([math(\sigma_{m})]), 루트 씌운 표본 관측값의 수로 표본 표준 편차를 나누면 된다.[math(\sigma_{\bar{x}} = \displaystyle{\sigma \over \sqrt{n}})]
모평균에 대한 표준 오차(standard error of the mean, SEM)
[math(\sigma)]는 모분산, [math(n)]은 표본의 크기
[math(\sigma_{\bar{x}} \approx \displaystyle{\frac{s}{\sqrt{n}}})]
표본 표준 편차 [math(s)]를 이용하여 근삿값으로 구하기
[math(s_{\bar{x}} = \displaystyle{\frac{s}{\sqrt{n}}})]
표본 평균에 대한 표준 편차는 표본 평균의 오차에 대한 표준 편차와 동일하다.
관련 영상: 수식 없이 설명하는 표준 오차
4. 다양한 표준 편차
표준 편차를 사용할 때 다양한 표본, 상황에서 적용해야 하는데 단일 표준 편차를 사용하는 것은 아웃라이어를 배려하지 못하는 태도이다.4.1. 모표준 편차
모집단을 대상으로 한 표준 편차인 모표준 편차(population standard deviation) σ는 짧게 말해서 모분산(population variance) σ2에 루트를 씌운 것이다.분산에서 왜 제곱을 하는지 알고 있다면, 표준 편차에서 왜 루트를 씌우는지도 알 수 있다. 분산을 구하는 과정에서 음의 부호를 없애며 편차가 큰 값의 영향에 가중치를 주기 위해 값 자체의 스케일을 키웠으니, 이제 그 값을 도로 원상 복구 시켜야 하는 것이다. 즉 제곱해서 커져 버린 값에 루트를 씌워서 도로 쪼그라들게 만들면 비로소 우리가 본래 알고 싶어 하던 편차의 평균이 얻어지게 되는 것이다. 통계학자들은 시그마 소문자 기호로 표준 편차를 표시하는데, 위에 서술한 바에 의해서 분산의 경우는 시그마 제곱으로 표현된다. 또한 단위를 맞춰주기 위해서 루트를 씌우기도 한다.
표준 편차의 경우, 모든 관찰값에 동일한 상수를 똑같이 더하거나 빼는 것은 영향을 받지 않지만, 똑같이 곱하거나 나누게 되면 표준 편차도 동일하게 영향을 받는다. 모든 수에 2를 곱한다면 표준 편차도 2가 곱해진 새로운 값으로 구해지게 된다.
4.1.1. N으로 나눔
모 분산에서 유도된 값이므로 모분산과 마찬가지로 모집단(population)의 데이터 개수 N으로 나눈다.우선 N개의 자룟값 [math( x_1 , x_2, \cdot\cdot\cdot , x_N )]이 있다고 가정할 때 이 자룟값의 평균(mean) [math(m)]부터 구하면
[math( m= \frac{x_1 + x_2 + \cdot \cdot \cdot + x_N } {N} )]
로 표현된다. 다음에 각 자룟값 [math(x_i, i=1, 2, \cdot \cdot \cdot N )]에 대해 [math( x_i -m )]을 평균 m에 대한 [math( x_i )]의 편차(deviation)라고 부른다. 이 편차들의 제곱의 평균인
[math( V= \frac{{(x_1 -m)}^{2} + {(x_2 -m)}^{2} + \cdot \cdot \cdot + {(x_N -m)}^{2} }{N} = \sigma^2)]
를 [math( x_1 , x_2, \cdot\cdot\cdot , x_N )]에 대한 분산(Variance,[math( \sigma^2)])이라 부른다.
이 분산의 제곱근 [math( \sigma= \sqrt{ \frac{{(x_1 -m)}^{2} + {(x_2 -m)}^{2} + \cdot \cdot \cdot + {(x_N -m)}^{2} }{N} } )] 을 표준 편차라고 부른다.
확률 변수의 X에 대한 방식으로 묘사될 때에는 다음과 같이 정의된다.
| [math( (X) )][math( = \sqrt{ { E((X-E(X))}^{2}) } = \sqrt { E({X}^{2}) -{(E(X))}^{2}} )] |
4.2. 표본 표준 편차
표본 표준 편차(sample standard deviation) s는 표본 분산(sample variance) s2의 제곱근이다.모집단의 모평균, 모표준 편차를 알고 싶지만 많은 경우에 그것은 불가능하거나 너무 많은 노력이 필요하므로 표본 조사를 통하여 모집단의 정보를 추정한다. (예시: 여론 조사)
[math(표본 크기 n, 표본 평균\overline{x} , 표본x_n)]
표본 분산[math(s^2 = \dfrac{\sum(x_n - \overline{x})^2}{n-1} )]
표본 표준 편차[math(s = \sqrt{s^2} = \sqrt{\dfrac{\sum(x_n - \overline{x})^2}{n-1} } )]
4.2.1. n-1로 나눔
표본 분산에서 유도된 값이므로 표본 분산과 마찬가지로 표본(sample)의 데이터 개수 n에서 1을 뺀 n-1로 나눈다.우리는 모집단의 표준 편차는 알 수 없지만 표본을 뽑아 분산을 구하고 그 과정을 많이 반복하여(무한히) 모집단의 표준 편차와 같도록 하기 위해, 표본을 이용하여 모집단의 분산을 추정할 때는 표본 크기 n이 아니라 n-1로 나눠준다.
표본 표준 편차에서는 분모를 n이 아니라 n-1을 사용한다. 간단히 말해서 편차의 제곱 평균.
4.3. 데이터별 통합 표준 편차
데이터별 통합 표준 편차는 각 데이터의 변동성을 통합하여 전체 집단의 표준 편차를 계산하는 추론 통계학적 방법으로, 이 방법은 다양한 표본의 데이터를 반영하여 전체 집단의 변동성을 보다 정확하게 측정할 수 있기 때문에 다양한 표본에서의 표준 편차 중 대표 표준 편차로 사용할 수 있다.단순히 표준 편차를 산술 평균처럼 모두 합산한 후 그 수만큼 나누면 언제든 극단적인 표준 편차가 속한 표본들에 의해 데이터 변동성이 매우 커지기 때문에 이러한 방법을 쓴다. 식으로 나타내면 다음과 같다.
[math(\sigma = \sqrt{\frac{\sum (n_i - 1) \cdot var_i}{\sum (n_i - 1)}})]
여기서 [math(n_i)]는 각 표본의 크기, [math(var_i)]는 각 표본의 분산을 의미한다.
- 유도 [펼치기 접기]
- 각 표본별 표본 크기와 표본의 표준 편차를 구한 후 이 표준 편차를 이용해 분산을 구한다.
4.4. 가중 평균 표준 편차
가중 평균과 표준 편차는 데이터의 중심 경향성과 변동성을 측정하는 통계적 지표다.가중 평균은 다양한 표본에서의 변동성을 계산할 때 적합한 표준 편차 모델인데 대표적으로 어떤 과목의 시험의 문제들의 난이도가 문제별로 상이할 때 그러한 편차를 고려해서 어렵거나 쉬운 쪽에 가중적인 포인트를 추가해서 원시 표준 편차를 보정해서 사용하기에 아주 적합하다.
[math(\sigma_w = \sqrt{\sigma_w^2} = \sqrt{\frac{\sum_{i=1}^{n} w_i (x_i - \bar{X}_w)^2}{\sum_{i=1}^{n} w_i}})]
여기서 [math(\bar{X}_w)]는 가중 평균, [math(x_i)]는 i번째 데이터 포인트, [math(w_i)]는 i번째 데이터 포인트의 가중치를 의미한다.
4.5. 중앙값 절대 편차
5. 평균 절대 편차
제곱 후 제곱근 하는 대신 편차에 절댓값을 취해서 그걸로 평균을 내는 절대 편차를 쓸 수도 있지 않나 할 수 있지만, 나중에 통계 분석을 할 때 쓰기가 까다로워서 잘 안 쓴다고 한다. 최근에는 강력한 관측값을 얻기 위해 사용되는 분야가 꽤나 있다. 절댓값을 취하는 방법은 따로 ' 평균 편차(MAD)'라고 부른다.단순히 편차들의 절댓값의 평균(평균 절대 편차)을 구하지 않고 제곱의 평균을 구한 뒤 제곱근을 취하는 이유는(표준 편차) 평균으로부터 분산된 정도를 구하기 위해서이다. 절댓값을 이용하면 평균이 아닌 중앙값에서 분산된 정도를 나타내게 된다.
거꾸로 생각하여 우리가 '데이터가 흩어진 정도'를 표현하는 척도를(표준 편차, 평균 절대 편차 등) 정했다고 가정하자. 이때 데이터의 대푯값은 '데이터가 흩어진 정도'가 가장 작게 되는 값일 것이다. 이때 '데이터가 흩어진 정도'를 표준 편차로 선택하면 대푯값(흩어진 정도가 최소이게 만드는 수)은 평균이 되고, 그 척도를 평균 절대 편차로 선택하면 대푯값은 중앙값으로 선택된다. 대푯값을 미지수로 넣고 미분을 통해 최솟값을 구해보면 나온다.
이렇게 제곱의 평균의 제곱근을 RMS(root mean square, 우리말로는 근 평균 제곱)이라고 하는데 기체 분자의 속도 분포를 기반으로 운동 에너지의 평균을 구할 때에도 유용하다. 왜냐하면 운동 에너지가 속도의 제곱에 비례하기 때문이다.
절대 편차 문서의 평균 절대 편차 항목 참조.
6. 표준 편차의 용도
대표적으로 수험생들의 시험 점수 평가에 사용된다. 표준 편차가 크면 수험생들 간의 점수 차이가 크다는 이야기이며 반대로 표준 편차가 작으면 수험생들 간의 점수 차이가 별로 없다는 이야기다. 만약 A, B 학교 출신 수험생들이 동일한 시험을 보았더니 A 학교 출신 수험생 집단의 표준 편차가 B 학교 출신 수험생 집단의 표준 편차보다 작다는 것은 A 학교는 B 학교보다 수험생들 간의 점수 차이가 작다는 것을 말해준다.표준 편차만으로는 이 정도 정보만 얻을 수 있다. 이제 여기에 평균 점수를 보태면 좀 더 정확한 정보를 얻을 수 있는데, 예를 들어 A 학교, B 학교를 비교했을 때 A 학교는 작은 표준 편차와 높은 평균 점수를 보이고, B 학교는 큰 표준 편차와 낮은 평균 점수를 보인다면, A 학교 수험생들은 대부분 상위권에 밀집해 모여있고, B 학교 수험생들은 대체로 하위권을 중심으로 많이 흩어져 있다고 볼 수 있다.
가장 대표적으로 표준 점수가 이 평균과 표준 편차를 사용하여 표준화를 통해 결정된다. 수능 점수를 정규 분포라고 가정하고 평균을 100으로, 표준 편차를 20으로 가정하고 상대적으로 얼마나 높은 점수를 받았는지로 표현한다.
실제로 수험생들의 성적 분포는 웬만큼 난이도가 어렵지 않은 이상 의외로 정규 분포와는 큰 차이를 보인다. 특히 국어[7], 영어, 통합 이전 수학 가형은 상위권은 오밀조밀 모여있고 중하위권은 점수 편차가 심하다.(부적 편포) 특이하게도 수학 나형이나 일부 탐구 과목은 이봉 분포나 더 심하면 모래시계형 분포를 보인다.[8]
예를 들어, 올해 수능의 평균이 60점이고 올해 수능의 표준 편차가 24점이라 가정하면 92점을 받은 학생은 표준 점수가 127점[9]이 된다.
이 밖에도 통계 조사에서 표본의 평균을 기반으로 모집단의 평균을 추정할 때에도 이 표준 편차가 모평균의 범위를 결정하는 데 중요한 역할을 한다. 지능 지수 테스트에서도 표준 편찻값SD15, SD24에 따라 결괏값이 달라진다.
또 키나 어깨너비의 백분위를 추정하는데 표준 편차를 사용한다. 물론 표준 정규 분포를 따른다는 가정에서만 성립되는 것이지만.
6.1. 68-95-99.7 규칙
표준 편차의 신뢰 구간에 따라 정규 분포의 특정값을 m+n*σ 로 나타낼 수 있고, n=1, 2, 3일 때 각각 정규 분포의 약 68.27%, 95.45%, 99.73% 범위를 포함하는데, 각각의 백분율을 기억하기 위해 사용되는 약칭이다. 경험적 규칙이나 3시그마 규칙이라고도 부른다.교육 과정에서는 95%의 신뢰 구간인 1.96σ, 99% 신뢰 구간인 2.58σ를 다루며 이 두 값은 단골로 나온다. 통상 신뢰율이 99%, 오류율 1% 의 검정은 보통 2.5σ 나 2.6σ 값을 많이 쓴다. 90% 신뢰 구간은 1.645σ, 99.9% 신뢰 구간은 3.3σ이다.
실생활에서는 몇 시그마라고 주로 표현하며, 1시그마, 2시그마가 가장 대중적으로 사용된다.
- 1시그마: 상위 약 15.87%를 산출할 때 필요하며 평균이 m, 표준 편차가 σ인 표본에선 m+σ보다 높은 값이 상위 약 15.87%이다. 고등학생의 경우 2등급 컷에 가깝고(정확히는 3등급 상위), 대학생의 경우 A+ 커트라인(15%)[10]에 근접한다. 학점을 후하게 주지 않는 경우 이 범위를 벗어날 정도로 성적이 나쁘면 C0 이하를 받게 된다.
- 2시그마: 대중 매채에 종종 나오는 설문 조사가 주로 2시그마를 기준으로 쓰인다. 상위 약 2.28%를 산출할 수 있어서 수능 1등급 중반(백분위 98)으로, 원점수가 m+2σ 정도라면 웬만해서는 1등급을 받는다.[11] 저신장증의 기준도 하위 3%, 즉 대략 평균보다 2 표준 편차 이상 작은 키이다.
- 3시그마: 3시그마는 신뢰율 99.73% 오류율은 0.27%로 1/370이다. 서울의 초중고학교당 전 학년 학생 수가 평균 600명 정도이니 학교당 1.6명 정도의 예외적 비율이다. 대한민국 고교 수가 2,300여 개이고 연간 졸업자 수가 40만 명가량이니 전국 1,100등 정도. 즉 학년별 전교 1등보다도 드문 비상한 수재이다. 병역판정검사에서 병역면제를 받는 남성의 비율하고도 비슷하다. 3시그마값을 벗어날 확률은 1년에 하루 정도의 비율이다.
- 4시그마: 신뢰도 99.9937%. 4시그마를 벗어날 확률은 대략 16,000분의 1이다. 대략 44년마다 하루 정도의 비율이다.
- 5시그마: 실험 물리학 등 실험에 엄밀한 검증이 요구되는 학문 분야에서는 일반적으로 신뢰도 99.9999%, 즉 오류율이 1백만분의 1 이하(더 정확히는 174만분의 1)가 되어야 이론이 학계의 정설로 받아들여지는 것이 황금률(golden rule)이다. 이에 해당하는 표준 편차가 5시그마이다. 5시그마를 벗어날 확률은 로또 당첨 확률의 5배에 약간 못 미치는 수준이다.
-
6시그마: 초정밀 공정에서 오차율을 줄인다는 의미로서 표현된다. 천문학적인 수치로[12], 공정 오차가 거의 존재하지 않음을 표현한다. 평균이 1.5시그마 범위까지 벗어나도 약 100만분의 3 정도의 오차를 내므로 이는 경영학의 식스 시그마 이론에서 주로 사용하는 표준 편차이다. [13]
7. 엑셀에서 표준 편차 구하기
엑셀 2010 버전부터는 표본 표준 편차(sample standard deviation)는 STDEV.S 함수로, 모표준 편차(population standard deviation)는 STDEV.P 함수로 구한다.이전 버전 엑셀까지는 표본 표준 편차는 STDEV 함수를, 모표준 편차는 STDEVP 함수를 썼다. 아직까지는 STDEV 함수와 STDEVP 함수도 지원되지만 이후 버전의 엑셀에서는 지원이 중단될 수 있다.
Microsoft Excel/함수 목록 문서 참조.
8. 같이 보기
[1]
이러한 의미(흩어져 있는 정도를 하나의 수로 나타낸 값)를 가진 단어를
산포도(scatterplot)라고 한다.
[2]
참고로
MATLAB에서는 더 간단하게 std라고 쓴다.
[3]
혹은 중앙값
[4]
또는
중앙값
[5]
통계량이 정규 분포를 따를 시 전체 값의 약 68%가 ±1 표준 편차, 약 95%가 ±2 표준 편차, 약 99.7%가 ±3 표준 편차 범위 내에 속한다. (이를 68-95-99.7 법칙 or 규칙이라고 한다.)
[6]
당연히 양수인 근으로 구해야 한다.
[7]
다만 최근에 불국어로 출제되는 경향이 강해서 부적 편포가 아닌 정규 분포에 가까운 경향이 강하다.
[8]
즉, 중간 점수에 사람들이 적게 분포하고 양극화가 심한 형태.
[9]
100 + 20 * (92 - 60) / 24 = 126.66666...이지만 소수점은 반올림하여 계산한다.
[10]
물론 A 비율 30% 제한이 있는 학교에 A+과 A0를 반반씩 줄 때의 이야기다.
[11]
정확히는 점수 분포가 완전히 정규 분포를 이룬다고 가정하면 m+1.75σ에 해당하는 점수가 상위 4%가 되며, 이때의 표준 점수는 135점이다.
[12]
약 5억분의 1. 전 세계 인구 80억 중 16명 정도가 속해있다고 보면 된다.
[13]
여담으로, 2023 7월 학력평가 지구과학2에서는 만점을 받을 시 6.8시그마에 해당하는 표준 점수 118점을 얻었다. 당시 평균이 50점 만점에 11.57점, 표준 편차가 5.73에 불과했기 때문에 가능했던 일.
[14]
표준 편차가 고려되지 않고, 단순 평균만으로만 매칭이 결정되어서 잘하면 잘할수록 못하는 사람을 끌고 가야 하는 블리자드 불공정 매칭을 상징한다. 표준 편차의 중요성을 게임에서 알려주는 가장 적절한 예시 중 하나.