표준편차 이해하기: 데이터 퍼짐의 척도
평균만으로는 데이터를 다 설명할 수 없습니다. 표준편차는 데이터가 평균 주변에 얼마나 모여 있는지(또는 흩어져 있는지)를 나타내는 핵심 통계 지표입니다.
표준편차 계산 순서
① 평균(μ) 계산 → ② 각 값에서 평균을 뺀 편차 계산 → ③ 편차를 제곱 → ④ 제곱 편차의 평균(분산, σ²) → ⑤ 분산의 제곱근 = 표준편차(σ). 예: [2, 4, 4, 4, 5, 5, 7, 9] → 평균 5, 분산 4, 표준편차 2.
분산과 표준편차의 차이
분산(Variance)은 편차의 제곱 평균이라 단위가 원래 데이터의 제곱입니다(cm²처럼). 표준편차는 분산에 제곱근을 취해 원래 단위로 돌아오기 때문에 해석이 직관적입니다. 대부분의 실무에서는 표준편차를 씁니다. 모집단 공식(÷N)과 표본 공식(÷(N-1))의 차이도 주의하세요.
정규분포에서의 의미
정규분포(종 모양)에서는: 평균 ±1σ 범위 안에 약 68% 데이터가 있고, ±2σ 안에 95%, ±3σ 안에 99.7%가 포함됩니다. 이를 "68-95-99.7 규칙"이라 합니다. 표준편차가 작을수록 데이터가 평균 근처에 촘촘히 모여 있습니다.
실생활 활용
투자: 주식 수익률의 표준편차 = 변동성(리스크). 표준편차가 클수록 위험 자산. 품질 관리: 제품 규격 편차를 표준편차로 관리. 교육: 시험 점수의 표준편차로 난이도와 변별력 평가. 의학: 환자 데이터에서 정상 범위(평균 ±2σ)를 설정하는 데 사용.