64. 왜도 (Skewness)와 첨도 (Kurtosis) - 데이터 분포 분석

핵심 인사이트 (3줄 요약)

1. 본질: 왜도(Skewness)는 분포의 비대칭 정도를, 첨도(Kurtosis)는 꼬리와 뾰족함의 정도를 보여준다.
2. 가치: 로그 변환(Log Transformation)은 오른쪽 꼬리가 긴 분포를 완만하게 만들어 분석과 모델링을 안정화한다.
3. 판단: 왜도와 첨도를 함께 보고, 필요하면 로그/제곱근/Box-Cox/Yeo-Johnson 같은 변환을 선택해야 한다.

Ⅰ. 개요 및 필요성

실제 데이터는 대칭적인 종 모양이 아닌 경우가 많다. 매출, 대기 시간, 소득처럼 오른쪽으로 꼬리가 긴 분포는 흔하다.

왜도와 첨도를 보면 분포의 모양을 수치로 설명할 수 있고, 로그 변환은 이런 비대칭을 완화하는 대표적 방법이다.

• 📢 섹션 요약 비유: 누워 있는 나무의 기울기와 가지 끝 모양을 함께 보는 일이다.

Ⅱ. 아키텍처 및 핵심 원리

Raw Distribution
  ↓
Skewness / Kurtosis
  ↓
Transformation
  ↓
Stabilized Distribution

왜도는 분포가 왼쪽이나 오른쪽으로 얼마나 기울었는지 보여 주고, 첨도는 극단값이 얼마나 자주 나오는지를 감지하는 데 도움이 된다.

• 📢 섹션 요약 비유: 한쪽으로 많이 기울어진 시소와, 끝이 얼마나 날카로운지 보는 것과 같다.

Ⅲ. 비교 및 연결

로그 변환은 분포를 무조건 정규로 만드는 마법이 아니다. 하지만 큰 값의 영향력을 줄여 모델이 안정적으로 학습하도록 돕는다.

• 📢 섹션 요약 비유: 너무 큰 소리는 줄이고, 작은 소리는 들리게 맞춰 주는 볼륨 조절기다.

Ⅳ. 실무 적용 및 기술사 판단

체크리스트

1. 분포가 오른쪽으로 긴지 확인했는가?
2. 왜도와 첨도를 함께 해석했는가?
3. 로그 변환이 가능한 데이터인지 확인했는가?
4. 0이나 음수가 있으면 다른 변환을 고려했는가?
5. 변환 후 모델 성능과 해석성을 비교했는가?

안티패턴

• 변환 없이 이상치만 무시하는 설계
• 로그 변환이 모든 데이터에 항상 좋은 줄 아는 설계
• 왜도와 첨도를 같은 의미로 쓰는 설계
• 변환 후 원래 해석을 잃어버리는 설계

기술사 관점에서는 분포의 모양을 먼저 보고 변환을 선택해야 한다. 변환은 목적이 아니라 분석을 쉽게 만드는 수단이다.

• 📢 섹션 요약 비유: 찌그러진 물체를 억지로 펴기보다, 먼저 어디가 휘었는지 보는 일이다.

Ⅴ. 기대효과 및 결론

왜도와 첨도를 보면 분포를 더 정확하게 설명할 수 있고, 로그 변환으로 모델 안정성도 높일 수 있다. 결국 통계 해석과 전처리를 연결하는 핵심 도구다.

결론적으로 이 둘은 데이터 분포의 모양을 읽고 다듬는 기본 지표와 변환이다.

• 📢 섹션 요약 비유: 고르게 펴기 전에 구겨진 방향을 먼저 알아야 한다.

관련 개념 맵

Distribution
  ↓
Skewness / Kurtosis
  ↓
Log Transformation
  ↓
Stabilized Modeling

관련 키워드 및 발전 흐름도

왜도
  ↓
첨도
  ↓
로그 변환
  ↓
분포 안정화

어린이를 위한 3줄 비유 설명

사탕 봉지가 한쪽으로 쏠려 있으면 왜도가 큰 거예요.
끝이 너무 뾰족하면 첨도가 큰 거예요.
로그 변환은 그 모양을 좀 더 고르게 만드는 방법이에요.