63. 중심 경향도 (평균, 중앙값) 및 산포도 (분산, IQR) 분석

핵심 인사이트 (3줄 요약)

1. 본질: 중심 경향도는 데이터의 대표값을, 산포도는 그 값이 얼마나 퍼져 있는지를 보여준다.
2. 가치: 평균·중앙값·최빈값과 분산·표준편차·IQR(Interquartile Range)을 구분해야 데이터 분포를 제대로 읽을 수 있다.
3. 판단: 이상치가 많으면 평균보다 중앙값과 IQR이 더 안정적이고, 분산과 표준편차는 전체 흔들림을 보는 데 유리하다.

Ⅰ. 개요 및 필요성

데이터를 설명할 때 "대충 어느 정도인가"와 "얼마나 들쭉날쭉한가"를 함께 봐야 한다. 대표값만 보면 편하고, 분산만 보면 중심이 안 보인다.

그래서 중심 경향도와 산포도는 항상 짝으로 읽어야 한다. 하나만 보면 분포의 절반만 본 셈이다.

• 📢 섹션 요약 비유: 반 평균 키만 보면 큰지 작은지 알기 어렵고, 키 차이까지 봐야 반 분위기를 알 수 있다.

Ⅱ. 아키텍처 및 핵심 원리

Data
  ↓
Center
  ↓
Spread
  ↓
Interpretation

중심 경향도는 "가운데가 어디냐"를, 산포도는 "얼마나 퍼졌냐"를 말한다. 이 둘을 같이 봐야 데이터의 모양을 이해할 수 있다.

• 📢 섹션 요약 비유: 반의 대표 얼굴을 뽑는 것과, 반 친구들 사이의 차이를 보는 것은 다른 일이다.

Ⅲ. 비교 및 연결

평균만 보면 오해하고, 산포도만 보면 중심을 잃는다. 그래서 실무에서는 보통 평균+표준편차, 중앙값+IQR을 함께 보고 해석한다.

• 📢 섹션 요약 비유: 줄 서 있는 사람들의 가운데 위치와 줄의 넓이를 동시에 봐야 길이를 알 수 있다.

Ⅳ. 실무 적용 및 기술사 판단

체크리스트

1. 분포가 대칭인지 비대칭인지 확인했는가?
2. 이상치가 평균을 왜곡하는지 봤는가?
3. 중앙값과 IQR이 더 적절한 상황인지 판단했는가?
4. 표본과 모집단의 차이를 구분했는가?
5. 수치 해석을 그래프와 함께 설명하는가?

안티패턴

• 평균만 보고 전체를 대표한다고 믿는 설계
• 분산과 표준편차를 같은 문장에 섞어 쓰는 설계
• 이상치가 많은데 평균만 고집하는 설계
• 중심과 퍼짐을 따로 떼어 설명하는 설계

기술사 관점에서는 지표 자체보다 "어떤 분포에서 어떤 지표를 쓸 것인가"가 중요하다. 데이터의 생김새에 맞는 지표를 골라야 한다.

• 📢 섹션 요약 비유: 사탕 한 봉지의 평균 단맛과 맛의 편차를 함께 봐야 실제 맛이 보인다.

Ⅴ. 기대효과 및 결론

중심 경향도와 산포도를 같이 보면 데이터가 한눈에 설명된다. 이는 탐색, 보고, 의사결정에서 가장 기본이 되는 통계 언어다.

결국 중요한 것은 "얼마나 큰가"와 "얼마나 퍼졌는가"를 동시에 읽는 것이다.

• 📢 섹션 요약 비유: 중심은 길의 가운데이고, 산포는 길의 폭이다.

관련 개념 맵

Data Distribution
  ↓
Central Tendency
  ↓
Dispersion
  ↓
Statistical Interpretation

관련 키워드 및 발전 흐름도

Mean / Median
  ↓
Variance / SD
  ↓
IQR
  ↓
Robust Statistics

어린이를 위한 3줄 비유 설명

친구들 키의 가운데가 어디인지 보는 게 중심이에요.
키 차이가 얼마나 큰지 보는 게 산포예요.
둘을 같이 봐야 반 분위기를 알 수 있어요.