자료의 산포도를 나타내는 지표로 가장 적절한 것은?

표준편차는 자료가 평균으로부터 얼마나 떨어져 있는지를 나타내는 산포도의 대표적 지표이다.

핵심 해설 이 문제는 기술통계학(Descriptive Statistics)에서 자료의 특성을 요약하는 두 가지 큰 축인 중심경향값(대푯값)과 산포도(퍼짐 정도)의 개념을 정확히 구분하는지를 묻고 있어요. 통계 분석을 할 때 데이터의 '중심이 어디인지'와 '데이터가 얼마나 흩어져 있는지'는 전혀 다른 정보를 제공하므로, 이 둘을 혼동하지 않는 것이 핵심입니다. 핵심 개념 분석 산포도(Dispersion)는 자료가 평균을 중심으로 얼마나 넓게 퍼져 있는지, 즉 변동성(Variability)을 나타내는 지표예요. 산포도가 크면 자료의 변이가 크다는 뜻이고, 작으면 자료들이 평균 근처에 밀집해 있다는 뜻이에요. 대표적인 산포도 지표로는 표준편차(Standard Deviation), 분산(Variance), 범위(Range), 사분위수 범위(IQR, Interquartile Range) 등이 있습니다. 정답 근거 핵심! 표준편차(Standard Deviation)는 각 데이터 값이 평균(Mean)으로부터 평균적으로 얼마나 떨어져 있는지를 나타내는 산포도의 가장 대표적인 지표예요. 예를 들어, 어떤 반의 시험 평균이 70점이고 표준편차가 5점이라면 학생들 점수가 대부분 65~75점 사이에 몰려 있다는 의미이고, 표준편차가 20점이라면 50~90점까지 점수가 넓게 퍼져 있다는 뜻이에요. 표준편차는 분산에 제곱근을 취한 값으로, 측정 단위가 원래 데이터와 같아 해석이 직관적이라는 장점이 있어요. 오답 분석 혼동 주의! 나머지 보기들은 모두 데이터의 중심경향(Central tendency)을 나타내는 대푯값들이에요. 이들은 자료의 '퍼짐 정도'가 아니라 '중심 위치'를 설명하는 지표입니다. ①번 백분위수(Percentile): 데이터를 크기 순으로 나열했을 때 특정 %에 해당하는 값이에요. '상위 10%' 같은 위치를 나타내는 지표로, 중심경향과 위치를 파악할 때 쓰이지 산포도를 직접 나타내지는 않아요. ②번 평균(Mean): 모든 데이터 값을 더한 후 개수로 나눈 값으로, 가장 흔히 사용되는 중심경향 지표예요. 극단값(Outlier)에 민감하게 반응한다는 특징이 있죠. ③번 중앙값(Median): 데이터를 크기 순서대로 나열했을 때 정중앙에 위치한 값이에요. 극단값의 영향을 받지 않아 비대칭 분포에서 유용한 중심경향 지표예요. ④번 최빈값(Mode): 데이터에서 가장 자주 나타나는 값으로, 빈도가 가장 높은 값을 의미해요. 연관 개념 정리 중심경향 지표와 산포도 지표는 데이터의 특성을 종합적으로 파악하기 위해 함께 사용해야 해요. 예를 들어, 정규분포(Normal distribution)에서는 평균과 중앙값, 최빈값이 일치하며, 평균 ± 1 표준편차 구간에 약 68%, ± 2 표준편차 구간에 약 95%의 데이터가 존재한다는 점을 함께 알아두시면 좋아요. 공중보건학이나 연구 방법론에서 생물학적 변이(Biological variation)나 검사 참고 범위(Reference range)를 이해할 때 매우 중요한 기초 개념이에요. 개념 정리

구분	정의	대표 지표	의미
중심경향	데이터의 중심 위치	평균, 중앙값, 최빈값	자료를 대표하는 '전형적 값'
산포도	데이터의 퍼짐 정도	표준편차, 분산, 범위	자료의 '변이성·흩어짐 정도'

암기 팁 중심경향 vs 산포도를 구분하는 가장 쉬운 방법은 질문 자체를 바꿔보는 거예요. "중심경향은 '우리 팀 대표 선수는 누구야?'를 묻는 것, 산포도는 '우리 팀원들 실력 차이는 얼마나 나?'를 묻는 것"으로 기억하세요. 또한, 표준편차라는 단어 속 '편차(Deviation)'는 '평균으로부터 벗어난 정도'라는 뜻이니, 이름 자체가 산포도를 설명하고 있어요.

핵심 포인트 표준편차(Standard Deviation)는 단순히 통계 공식이 아니라, 생물학적 데이터의 '정상과 비정상'을 판단하는 강력한 근거예요. 참고 범위(Reference range)는 대부분 건강한 집단의 평균 ± 2 표준편차로 설정합니다. 실제 적용 의미 검사실에서 혈당, 콜레스테롤, 혈압 등의 정상 범위가 '평균 ± 2SD'로 정해지는 이유는, 이것이 모집단의 약 95%를 포함하는 통계적 기준이기 때문이에요. 만약 표준편차가 매우 작은 검사 항목이라면, 평균에서 조금만 벗어나도 임상적으로 의미 있는 변화(예: 체온 1℃ 상승)일 가능성이 높아요. 판단 사고 흐름 개념 확인 → 어떤 데이터의 평균과 표준편차를 함께 확인합니다. 의미 해석 → 표준편차가 크면 '개인 간 차이가 큰' 상태(예: 약물 반응의 다양성)임을 인식하고, 작으면 '안정적으로 유지되는 항상성'을 의미함을 파악합니다. 영향 판단 → 이 정보를 바탕으로 해당 지표가 정상 범위를 벗어난 값이 얼마나 유의미한 편차인지를 통계적으로 판단하게 됩니다. 흔한 오류 및 주의사항 혼동 주의! 표준편차(SD)와 표준오차(SE, Standard Error)는 완전히 다른 개념이에요. 표준편차는 '데이터 자체의 흩어짐'을 보는 것이고, 표준오차는 '표본 평균의 정밀도'를 보는 통계량입니다. 둘 다 퍼짐을 나타내는 숫자지만, 무엇의 퍼짐인지가 다르다는 점을 꼭 구분해야 해요.