순서 통계량 — 오수요약(최솟·Q1·중앙·Q3·최댓) / 중심 측도(평균·중앙값·최빈값) / 산포 측도
미출제기출 0회분 중 0문항
학습 목표
순서 통계량 — 오수요약(최솟·Q1·중앙·Q3·최댓) / 중심 측도(평균·중앙값·최빈값) / 산포 측도
01
순서 통계량 & 오수요약
정렬한 데이터에서 위치 기반으로 구하는 통계량
1오수요약
최솟값 · Q1 · 중앙값 · Q3 · 최댓값
상자그림으로 시각화
2IQR
Q3 − Q1 = 가운데 50%
3분위수 단위
10% 단위 = 십분위수 · 1% 단위 = 백분위수
요약 통계량 출력(summary) 읽기 ★기출 반복
항목
뜻
예
Min. / Max.
최솟값 / 최댓값 → 범위 = Max − Min
108.0 / 423.0 → 범위 315
1st Qu.
제1사분위수(25%)
204.5 — 값의 약 75%가 이보다 크다
Median
중앙값 = 제2사분위수(50%)
258.0
Mean
평균 — 중앙값과 다른 값이다
261.3
3rd Qu.
제3사분위수(75%)
323.5 → IQR = 323.5 − 204.5 = 119
• p-백분위수는 p번째 순위의 값이 아니라, 전체의 p%가 그 값 이하에 놓이는 값이다 • 평균이 중앙값보다 작으면 왼쪽 꼬리가 긴 분포, 크면 오른쪽 꼬리가 긴 분포로 본다 • 최솟값이 음수이면 '줄어든 사례가 있다'는 것까지는 알 수 있지만, 몇 개인지는 요약만으로 알 수 없다
02
중심 측도 & 산포 측도
1중심 측도 — 데이터의 가운데
평균
Mean
중앙값
Median
최빈값
Mode
2산포 측도 — 흩어진 정도
범위 / IQR
최댓값−최솟값 / Q3−Q1(가운데 50%)
분산
평균에서 떨어진 정도의 제곱 평균
표준편차
분산의 제곱근, 원래 단위로 해석
표본분산
n이 아닌 n−1로 나눠 모분산 추정 보정
• 중앙값 = 크기순으로 늘어놓았을 때 한가운데 값 · 최빈값 = 가장 자주 나오는 값 • 평균은 극단값에 크게 끌려가지만 중앙값은 이상값의 영향을 거의 받지 않는다. 범위도 양 끝 두 값으로 정해져 이상값에 민감하다 • 평균절대편차 = |관측값 − 평균|의 평균 • 가운데 50%가 흩어진 정도를 나타내는 것은 표준편차가 아니라 IQR이다
03
변동계수 (CV)
단위·평균이 다른 두 데이터의 상대적 산포 비교
변동계수
CV =표준편차평균
A시험VSB시험
80
평균
300
10
표준편차
30
10/80 = 0.125
CV
30/300 = 0.1
04
왜도 & 첨도
왜도 > 0오른쪽 꼬리 김
최빈값 < 중앙값 < 평균
왜도 = 0대칭
평균 = 중앙값 = 최빈값
왜도 < 0왼쪽 꼬리 김
평균 < 중앙값 < 최빈값
정규분포 · 초과첨도 = 0 초과첨도 > 0
1왜도 (Skewness)
분포의 비대칭 정도 · 0이면 대칭
★빈출: 최빈 < 중앙 < 평균 (왜도 > 0)
2첨도 (Kurtosis)
꼬리 두께·뾰족함 · 초과첨도 기준 정규분포 = 0 (일반 첨도 기준은 3)
0보다 크면 꼬리 두껍고 극단값 많음
꼬리 방향에 따른 위치와 변환
분포
평균·중앙값·최빈값
대칭에 가깝게 만드는 변환
오른쪽 꼬리가 길다 (소득 등)
최빈값 < 중앙값 < 평균
로그 · 제곱근 (큰 값을 줄인다)
왼쪽 꼬리가 길다
평균 < 중앙값 < 최빈값
제곱 · 지수 (큰 값을 더 벌린다)
y = ax + b로 바꾸면(a > 0): 평균·중앙값은 a배 한 뒤 b를 더한 값이 되고, 표준편차는 a배가 된다(b는 영향 없음). 왜도는 변하지 않는다.
05
정규화 & 표준화
여러 변수의 척도·단위를 맞춰 상대 비교 가능하게
Min-Max 정규화
x′ =x − minmax − min
결과: 0~1 범위
중심화 (Centering)
x − 평균
결과: 평균 0
척도화 (Scaling)
x′ =x표준편차
결과: 표준편차 1
표준화 (Standardization)
z =x − 평균표준편차
결과: 평균 0 · 표준편차 1
06
공분산 & 상관계수
공분산CovarianceVS상관계수Correlation
두 변수가 함께 변하는 방향 (크기는 단위에 좌우됨)
의미
공분산을 두 표준편차의 곱으로 나눠 표준화
O (단위에 따라 값이 바뀜)
단위 영향
X
양수 = 같은 방향 / 음수 = 반대 방향
부호
−1 ≤ r ≤ +1
상관계수
r =Cov(X, Y)s_X · s_Y, −1 ≤ r ≤ +1
• 공분산은 방향만 알려 준다 — 범위가 정해져 있지 않고 단위에 따라 값이 바뀐다. −1~1 사이는 상관계수다 • 상관계수 0 = 선형 관계가 없다는 뜻이지 독립이라는 뜻이 아니다. −1은 가장 약한 것이 아니라 가장 강한 음의 선형 관계다 • 관계의 강도는 절댓값으로 본다: −0.42와 −0.38 가운데 약한 쪽은 −0.38 • 상관계수가 크다고 유의하다고 단정할 수 없다 — 유의성은 검정(R의 cor.test)으로 판단한다. 유의수준에 따라 결론이 달라질 수 있다 • 상관분석은 관계의 정도를 볼 뿐, y값을 예측하는 것은 회귀분석이다 • 독립변수끼리 상관이 크면 다중공선성 위험이 있다
변수를 바꾸어도 상관계수는 이렇게 변한다 ★기출 반복
변환
상관계수
상수를 더한다 (X + 0.3, Y + 0.2)
그대로
양수를 곱한다 (2X)
그대로
한쪽에만 음수를 곱한다 (−2X)
부호만 바뀐다
양쪽 모두 음수를 곱한다 (−X, −2Y)
그대로
표본 공분산 = Σ(x − x̄)(y − ȳ) ÷ (n − 1)
• 상관계수의 절댓값이 1에 가까울수록 강하고 0에 가까울수록 약하다(0.85는 강한 양의 상관) • 유의성은 p-value를 유의수준과 비교한다 — p = 0.01이면 유의수준 0.05에서는 유의하지만 0.001에서는 유의하지 않다 • 상관계수는 공분산을 두 변수의 표준편차의 곱으로 나눈 값이다(분산의 곱이 아니다)
07
피어슨 vs 스피어만 상관계수
피어슨PearsonVS스피어만Spearman
연속형 (등간·비율척도)
데이터
순위형 (서열척도)
선형 관계
측정 대상
단조(monotonic) 관계
원자료 값 사용
계산
순위로 변환 후 계산
민감
이상치
둔감
키-몸무게
예
등수-만족도 · 순위-평점
• 스피어만은 분포를 가정하지 않는 비모수적 방법이다 • 두 계수 모두 −1 ~ 1 사이의 값을 가진다 • 값이 커질수록 꾸준히 커지기만 하는 곡선 관계라면 스피어만 = 1이어도 피어슨은 1보다 작다 • R에서는 cor()의 method 인자로 피어슨·스피어만을 고르고, cor.test()로 유의성을 검정한다
08
상관관계 산점도 패턴
양의 상관r > 0
음의 상관r < 0
상관 없음r ≈ 0
비선형r ≈ 0 이나 관계 O
• 산점도로 두 변수의 관계가 선형인지 비선형인지, 방향과 강도가 어떠한지를 본다 • 상관계수 0.80은 비교적 강한 양의 선형 관련성 — 그렇다고 한쪽이 다른 쪽의 원인이라는 뜻은 아니다 • 음의 선형 관계도 피어슨 상관계수로 분석한다(값이 음수로 나올 뿐이다)
09
표준편차 vs 표준오차
표준편차SDVS표준오차SE
개별 데이터가 평균 주변에 흩어진 정도
의미
표본평균이 모평균 주변에서 흔들리는 정도
데이터의 산포
핵심
추정량의 불확실성
표준오차
SE =s√n
표본 수 n이 커지면 표준오차는 작아짐
10
기술통계 그래프 용도
히스토그램
연속형 변수의 분포 모양
막대그래프
범주형 변수의 빈도
상자그림
중앙값 · IQR · 이상값
산점도
두 연속형 변수의 관계
줄기-잎 그림
원자료 형태를 살린 분포
그래프별로 알 수 있는 것과 없는 것 ★기출 반복
그래프
알 수 있는 것
주의
상자그림
상자 안의 선 = 중앙값, 상자 = 가운데 50%, 수염 = 이상값을 뺀 위아래 25%, 수염 밖의 점 = 이상값
평균과 관측치 수는 알 수 없다. 그룹별 분포는 비교할 수 있지만 차이가 유의한지는 알 수 없다
히스토그램
연속형 자료의 분포 모양 — 가로축 계급, 세로축 도수
표본이 작으면 모양을 제대로 나타내지 못한다. 봉우리가 여러 개면 서로 다른 집단이 섞였을 수 있다