Brain기술 통계 (Descriptive Statistics)
핵심 인사이트 (3줄 요약)
데이터의 특성을 요약하고 설명하는 통계 기법. 중심경향성(평균/중앙값/최빈값) + 산포도(분산/표준편차/IQR). 데이터 분석의 첫 단계.
📝 기술사 모의답안 (2.5페이지 분량)
📌 예상 문제
"기술 통계의 개념과 구성 요소를 설명하고, 중심경향성과 산포도 척도의 특징을 비교하시오."
Ⅰ. 개요
1. 개념
기술 통계(Descriptive Statistics)는 수집된 데이터의 특성을 요약, 정리, 설명하는 통계적 방법이다. 데이터 전체를 일일이 보지 않고도 핵심 특징을 파악할 수 있게 해준다.
💡 비유: "반 성적 요약표" - 30명 점수를 평균, 최고, 최저로 한눈에 파악
등장 배경:
- 기존 문제점: 원시 데이터는 너무 많아 패턴 파악 어려움
- 기술적 필요성: 데이터의 핵심 특성을 빠르게 이해해야 함
- 시장 요구: 비즈니스 의사결정을 위한 데이터 요약 필요
핵심 목적: 데이터 분포의 중심, 퍼짐, 형태를 요약하여 이해
Ⅱ. 구성 요소 및 핵심 원리
2. 기술 통계 핵심 구성 요소
| 구분 | 척도 | 정의 | 특징 |
|---|---|---|---|
| 중심경향성 | 평균 (Mean) | 모든 값의 합 / 개수 | 이상값에 민감 |
| 중앙값 (Median) | 정렬 후 중간 값 | 이상값에 강건 | |
| 최빈값 (Mode) | 가장 빈번한 값 | 범주형 가능 | |
| 산포도 | 범위 (Range) | 최댓값 - 최솟값 | 이상값 민감 |
| 분산 (Variance) | 편차 제곱의 평균 | 단위가 제곱 | |
| 표준편차 (Std) | 분산의 제곱근 | 원 단위 | |
| IQR | Q3 - Q1 | 이상값 강건 | |
| 분포형태 | 왜도 (Skewness) | 좌우 비대칭 정도 | 0=대칭 |
| 첨도 (Kurtosis) | 뾰족함 정도 | 0=정규분포 |
3. 구조 다이어그램
┌─────────────────────────────────────────────────────────────┐
│ 기술 통계 구조 │
├─────────────────────────────────────────────────────────────┤
│ │
│ 📊 중심경향성 (Central Tendency): │
│ ┌─────────────────────────────────────────────────────┐ │
│ │ 데이터: [1, 2, 3, 4, 5, 6, 7, 8, 100] │ │
│ │ │ │
│ │ 평균(μ) = 136/9 = 15.1 ← 이상값(100)에 끌려감 │ │
│ │ 중앙값 = 5 ← 이상값 영향 적음 │ │
│ │ 최빈값 = 없음 (모두 1회) │ │
│ └─────────────────────────────────────────────────────┘ │
│ │
│ 📈 산포도 (Dispersion): │
│ ┌─────────────────────────────────────────────────────┐ │
│ │ 범위 = 100 - 1 = 99 │ │
│ │ 분산(σ²) = Σ(xᵢ-μ)²/n = 893.2 │ │
│ │ 표준편차(σ) = √893.2 = 29.9 │ │
│ │ IQR = Q3(7) - Q1(3) = 4 ← 이상값 영향 없음 │ │
│ └─────────────────────────────────────────────────────┘ │
│ │
│ 📉 분포 형태 (Shape): │
│ ┌─────────────────────────────────────────────────────┐ │
│ │ │ │
│ │ 왜도 > 0 (오른쪽 꼬리) 왜도 = 0 (대칭) │ │
│ │ ____ _____ │ │
│ │ / \ / \ │ │
│ │ / \___ / \ │ │
│ │ / \ \ / │ │
│ │ / \ \_____/ │ │
│ │ │ │
│ │ 왜도 < 0 (왼쪽 꼬리) │ │
│ │ ____ │ │
│ │ / \ │ │
│ │ ___/ \ │ │
│ │ / \ │ │
│ │ / \ │ │
│ │ │ │
│ └─────────────────────────────────────────────────────┘ │
│ │
└─────────────────────────────────────────────────────────────┘
4. 동작 원리 단계별 설명
① 데이터 수집 → ② 정렬/전처리 → ③ 중심경향성 계산 → ④ 산포도 계산 → ⑤ 시각화
- 1단계: 원시 데이터 수집
- 2단계: 데이터 정렬, 결측치 처리
- 3단계: 평균, 중앙값, 최빈값 계산
- 4단계: 분산, 표준편차, IQR 계산
- 5단계: 히스토그램, 박스플롯으로 시각화
5. Python 코드 예시
from typing import List, Tuple, Dict
from collections import Counter
import math
# ==================== 중심경향성 ====================
def mean(data: List[float]) -> float:
"""
산술 평균 (Arithmetic Mean)
시간복잡도: O(n)
이상값에 민감함
"""
return sum(data) / len(data)
def median(data: List[float]) -> float:
"""
중앙값 (Median)
시간복잡도: O(n log n) - 정렬 필요
이상값에 강건함
"""
sorted_data = sorted(data)
n = len(sorted_data)
if n % 2 == 1:
return sorted_data[n // 2]
else:
return (sorted_data[n // 2 - 1] + sorted_data[n // 2]) / 2
def mode(data: List[float]) -> List[float]:
"""
최빈값 (Mode)
가장 자주 나타나는 값(들)
여러 개일 수 있음
"""
counter = Counter(data)
max_count = max(counter.values())
return [val for val, count in counter.items() if count == max_count]
def weighted_mean(data: List[float], weights: List[float]) -> float:
"""가중 평균"""
return sum(d * w for d, w in zip(data, weights)) / sum(weights)
def geometric_mean(data: List[float]) -> float:
"""기하 평균: (∏xᵢ)^(1/n) - 성장률에 적합"""
return math.prod(data) ** (1 / len(data))
def harmonic_mean(data: List[float]) -> float:
"""조화 평균: n / Σ(1/xᵢ) - 속도/비율에 적합"""
return len(data) / sum(1 / x for x in data)
# ==================== 산포도 ====================
def variance(data: List[float], population: bool = True) -> float:
"""
분산 (Variance)
σ² = Σ(xᵢ - μ)² / n (모분산)
s² = Σ(xᵢ - x̄)² / (n-1) (표본분산)
"""
n = len(data)
m = mean(data)
divisor = n if population else n - 1
return sum((x - m) ** 2 for x in data) / divisor
def std_dev(data: List[float], population: bool = True) -> float:
"""
표준편차 (Standard Deviation)
σ = √분산
"""
return math.sqrt(variance(data, population))
def range_val(data: List[float]) -> float:
"""범위: 최댓값 - 최솟값"""
return max(data) - min(data)
def quartiles(data: List[float]) -> Tuple[float, float, float]:
"""
사분위수 (Q1, Q2, Q3)
Q2 = 중앙값
Q1 = 하위 50%의 중앙값
Q3 = 상위 50%의 중앙값
"""
sorted_data = sorted(data)
n = len(sorted_data)
q2 = median(sorted_data)
if n % 2 == 0:
lower = sorted_data[:n // 2]
upper = sorted_data[n // 2:]
else:
lower = sorted_data[:n // 2]
upper = sorted_data[n // 2 + 1:]
q1 = median(lower)
q3 = median(upper)
return q1, q2, q3
def iqr(data: List[float]) -> float:
"""
사분위수 범위 (Interquartile Range)
IQR = Q3 - Q1
이상값 탐지에 활용
"""
q1, q2, q3 = quartiles(data)
return q3 - q1
def coefficient_of_variation(data: List[float]) -> float:
"""
변동계수 (Coefficient of Variation)
CV = (σ / μ) × 100
단위에 무관한 산포도 비교
"""
return (std_dev(data) / mean(data)) * 100
# ==================== 분포 형태 ====================
def skewness(data: List[float]) -> float:
"""
왜도 (Skewness)
0: 대칭
양수: 오른쪽 꼬리 (왼쪽에 치우침)
음수: 왼쪽 꼬리 (오른쪽에 치우침)
"""
n = len(data)
m = mean(data)
s = std_dev(data)
return (n / ((n - 1) * (n - 2))) * sum(((x - m) / s) ** 3 for x in data)
def kurtosis(data: List[float]) -> float:
"""
첨도 (Kurtosis) - 초과 첨도
0: 정규분포와 동일
양수: 정규분포보다 뾰족함 (꼬리 두꺼움)
음수: 정규분포보다 평평함 (꼬리 얇음)
"""
n = len(data)
m = mean(data)
s = std_dev(data)
kurt = (n * (n + 1) / ((n - 1) * (n - 2) * (n - 3))) * \
sum(((x - m) / s) ** 4 for x in data) - \
(3 * (n - 1) ** 2) / ((n - 2) * (n - 3))
return kurt
# ==================== 이상값 탐지 ====================
def detect_outliers_iqr(data: List[float]) -> List[float]:
"""
IQR 기반 이상값 탐지
이상값: Q1 - 1.5×IQR 미만 또는 Q3 + 1.5×IQR 초과
"""
q1, q2, q3 = quartiles(data)
iqr_val = q3 - q1
lower_bound = q1 - 1.5 * iqr_val
upper_bound = q3 + 1.5 * iqr_val
return [x for x in data if x < lower_bound or x > upper_bound]
def detect_outliers_zscore(data: List[float], threshold: float = 3.0) -> List[float]:
"""
Z-score 기반 이상값 탐지
이상값: |z-score| > threshold
"""
m = mean(data)
s = std_dev(data)
return [x for x in data if abs((x - m) / s) > threshold]
# ==================== 요약 통계 ====================
def describe(data: List[float]) -> Dict:
"""
요약 통계량 (pandas.describe()와 유사)
"""
q1, q2, q3 = quartiles(data)
return {
'count': len(data),
'mean': mean(data),
'std': std_dev(data, population=False),
'min': min(data),
'25%': q1,
'50%': q2, # median
'75%': q3,
'max': max(data),
'range': range_val(data),
'iqr': q3 - q1,
'skewness': skewness(data),
'kurtosis': kurtosis(data),
'cv': coefficient_of_variation(data)
}
# ==================== 테스트 및 검증 ====================
if __name__ == "__main__":
print("=" * 50)
print("기술 통계 테스트")
print("=" * 50)
# 정상 데이터
data1 = [1, 2, 3, 4, 5, 6, 7, 8, 9, 10]
# 이상값 포함 데이터
data2 = [1, 2, 3, 4, 5, 6, 7, 8, 100]
print("\n[정상 데이터]")
stats1 = describe(data1)
for k, v in stats1.items():
print(f" {k}: {v:.2f}" if isinstance(v, float) else f" {k}: {v}")
print("\n[이상값 포함 데이터]")
stats2 = describe(data2)
for k, v in stats2.items():
print(f" {k}: {v:.2f}" if isinstance(v, float) else f" {k}: {v}")
print(f"\n[IQR 기반 이상값] {detect_outliers_iqr(data2)}")
print(f"[Z-score 기반 이상값] {detect_outliers_zscore(data2)}")
# 평균 vs 중앙값 비교
print("\n[평균 vs 중앙값 비교]")
print(f" 정상 데이터: 평균={mean(data1):.2f}, 중앙값={median(data1):.2f}")
print(f" 이상값 포함: 평균={mean(data2):.2f}, 중앙값={median(data2):.2f}")
print(" → 이상값이 평균에 큰 영향, 중앙값은 영향 적음")
Ⅲ. 기술 비교 분석
6. 중심경향성 척도 비교
| 척도 | 장점 | 단점 | 이상값 영향 | 적용 |
|---|---|---|---|---|
| 평균 | 수학적 성질 우수, 모든 값 활용 | 이상값 민감 | ★ 큼 | 대칭 분포 |
| 중앙값 | 이상값 강건, 순서만 의미 | 극값 정보 손실 | 작음 | 비대칭 분포 |
| 최빈값 | 범주형 가능, 직관적 | 유일하지 않을 수 있음 | 없음 | 명목척도 |
| 절사평균 | 이상값 영향 감소 | 정보 손실 | 중간 | 대회 심사 |
7. 산포도 척도 비교
| 척도 | 장점 | 단점 | 이상값 영향 | 단위 |
|---|---|---|---|---|
| 범위 | 계산 간단 | 극값 2개만 사용 | ★ 큼 | 원 단위 |
| 분산 | 수학적 성질 우수 | 단위가 제곱 | ★ 큼 | 제곱 |
| 표준편차 | 원 단위, 직관적 | 이상값 민감 | ★ 큼 | 원 단위 |
| IQR | 이상값 강건 | 중간 50%만 | 작음 | 원 단위 |
| CV | 단위 무관 비교 | 평균 0이면 무의미 | 중간 | 무차원 |
8. 장단점 분석
| 장점 | 단점 |
|---|---|
| 데이터 요약으로 빠른 파악 | 정보 손실 (분포 세부사항) |
| 비교 용이 (다른 데이터셋) | 맥락 부족 가능 |
| 계산 간단, 빠름 | 이상값에 따른 왜곡 |
| 시각화와 결합 효과적 | 통계적 추론 불가 |
Ⅳ. 실무 적용 방안
9. 실무 적용 시나리오
| 적용 분야 | 구체적 적용 방법 | 기대 효과 |
|---|---|---|
| 데이터 품질 검사 | 요약 통계로 이상값/결측치 탐지 | 데이터 품질 90% 향상 |
| KPI 대시보드 | 일/주/월별 평균, 표준편차 모니터링 | 이상 현상 조기 감지 |
| A/B 테스트 | 그룹별 요약 통계 비교 | 통계적 유의성 판단 기반 |
| 금융 리스크 | 수익률 분산/표준편차로 변동성 측정 | VaR 계산 기반 |
| 품질 관리 | 공정 데이터 IQR로 관리한계 설정 | 불량률 50% 감소 |
10. 실제 기업/서비스 사례
- Google Analytics: 웹사이트 방문자 요약 통계
- AWS CloudWatch: 서버 메트릭 평균/표준편차 모니터링
- Six Sigma: 공정 능력 분석에 표준편차 활용
- 금융 포트폴리오: 샤프 지수 = (수익률 - 무위험률) / 표준편차
11. 도입 시 고려사항
-
기술적:
- 데이터 분포 형태 확인 후 적절한 척도 선택
- 이상값 처리 전략 수립
-
운영적:
- 자동화된 대시보드 구축
- 알림 임계값 설정
-
보안적:
- 민감 데이터의 경우 집계 수준 조정
-
경제적:
- 오픈소스 라이브러리 활용 (pandas, numpy)
12. 주의사항 / 흔한 실수
- ❌ 평균만 보고 분포 판단 → 분산/분포형태 확인 필요
- ❌ 이상값 처리 없이 분석 → 왜곡된 결과
- ❌ 단위 다른 데이터 직접 비교 → CV 사용
- ❌ 비대칭 분포에 평균 사용 → 중앙값 권장
13. 관련 개념
📌 기술 통계 핵심 연관 개념 맵
┌─────────────────────────────────────────────────────────────────┐
│ [추론통계] ←──→ [기술 통계] ←──→ [데이터 시각화] │
│ ↓ ↓ ↓ │
│ [가설검정] [확률분포] [박스플롯] │
│ ↓ ↓ │
│ [신뢰구간] [히스토그램] │
└─────────────────────────────────────────────────────────────────┘
| 관련 개념 | 관계 | 설명 | 문서 링크 |
|---|---|---|---|
| 추론통계 | 후속 단계 | 기술통계 후 모집단 추론 | [가설검정](./hypothesis_testing.md) |
| 확률분포 | 기반 | 데이터 분포 모델링 | [분포](./distributions.md) |
| 회귀분석 | 응용 | 변수 간 관계 분석 | [회귀](./regression.md) |
| 데이터 시각화 | 병행 | 히스토그램, 박스플롯 | 관련 문서 참조 |
Ⅴ. 기대 효과 및 결론
14. 정량적 기대 효과
| 효과 영역 | 구체적 내용 | 정량적 목표 |
|---|---|---|
| 데이터 이해 | 요약 통계로 빠른 파악 | 분석 시간 70% 단축 |
| 이상 탐지 | IQR/Z-score로 자동 탐지 | 이상값 탐지율 95% |
| 품질 관리 | 공정 능력 지수 향상 | Cp/Cpk 1.33 이상 |
| 의사결정 | 데이터 기반 객관적 판단 | 의사결정 정확도 30% 향상 |
15. 미래 전망
-
기술 발전 방향:
- 실시간 스트리밍 데이터 요약
- 자동화된 이상값 탐지 (ML 기반)
-
시장 트렌드:
- 셀프서비스 BI 도구 확대
- Exploratory Data Analysis (EDA) 자동화
-
후속 기술:
- Augmented Analytics (AI 기반 분석)
- 실시간 대시보드
결론: 기술 통계는 데이터 분석의 첫 단계로, 데이터의 중심, 퍼짐, 형태를 요약하여 빠른 이해를 돕는다. 평균과 표준편차가 기본이지만, 이상값이 있을 때는 중앙값과 IQR이 더 적합하다.
※ 참고 표준: ISO 3534 (Statistics), NIST/SEMATECH e-Handbook of Statistical Methods
어린이를 위한 종합 설명
기술 통계를 쉽게 이해해보자!
기술 통계는 마치 반 성적표와 같아요. 30명 친구들의 점수를 하나하나 다 보는 게 아니라, 평균이 몇 점인지, 최고점은 몇 점인지만 봐도 반 전체를 알 수 있어요.
첫째, 평균은 모든 점수를 더해서 학생 수로 나눈 거예요. 하지만 100점을 맞은 친구가 한 명 있으면 평균이 확 올라가요. 이상값(특별히 높거나 낮은 값)이 평균을 흔들어요!
둘째, 중앙값은 점수를 줄 세웠을 때 딱 중간에 있는 친구의 점수예요. 100점을 맞은 친구가 있어도 중앙값은 별로 안 변해요. 그래서 이상값이 있을 때는 중앙값이 더 정확해요!