간호 연구에서 환자 통증 점수 자료를 분석할 때, 극단적인 이상치가 포함된 경우 중심 경향을 가장 잘 나타내는 통계값은? (자료의 모든 값을 크기 순서대로 나열했을 때 가장 정중앙에 위치하는 값)

중앙값은 자료를 크기순으로 나열했을 때 한가운데 있는 값으로, 극단적으로 크거나 작은 이상치의 영향을 적게 받아 임상 데이터에서 유용합니다. 산술 평균(보기1)은 모든 값을 합산해 평균을 내므로 이상치에 민감합니다. 기하 평균(보기2)은 비율이나 성장률에 주로 사용됩니다. 최빈값(보기3)은 가장 빈번히 나타나는 값으로, 중심 경향을 나타내지만 이상치에 영향을 받지 않습니다. 분산(보기4)은 자료의 퍼짐 정도를 나타내는 통계값으로, 중심 경향을 나타내지 않습니다.

작업치료 핵심 해설 이 문제는 연구 및 임상 데이터 분석에서 중심 경향 측정치(Central Tendency)의 특성과 적절한 선택에 대해 묻고 있어요. 작업치료사는 평가 결과(예: 통증 점수, 기능 점수), 연구 데이터를 해석할 때 통계 개념을 정확히 이해하는 것이 매우 중요해요. 핵심 개념 분석 (Key Concept) 핵심! 중심 경향을 나타내는 대표적인 통계값은 산술 평균(Mean), 중앙값(Median), 최빈값(Mode)이에요. 각각의 특징은 다음과 같아요. - 산술 평균: 모든 값을 더해 개수로 나눈 값. 계산에 모든 데이터가 포함되므로 극단적인 이상치(Outlier)에 매우 민감해요. - 중앙값: 자료를 크기순으로 나열했을 때 정중앙에 위치하는 값. 데이터의 순위만 고려하므로 이상치의 영향을 거의 받지 않아요. - 최빈값: 가장 자주 나타나는 값. 명목척도 자료에 유용하며, 이상치 영향은 받지 않지만 중심을 대표하지 않을 수 있어요. 정답 근거 (Answer Rationale) 문제 조건인 "극단적인 이상치가 포함된 경우"가 가장 중요한 포인트예요. 통증 점수와 같은 임상 데이터는 때로 극단적으로 높거나 낮은 값(이상치)이 섞일 수 있어요. 예를 들어, 대부분의 환자 통증 점수가 3~5점인데 한 명만 10점이라면, 산술 평균은 실제 데이터의 중심을 왜곡하게 돼요. 반면, 중앙값은 이러한 극단값의 영향을 받지 않고 데이터 집단의 "전형적인" 중심 위치를 보여주므로, 이상치가 있을 때 가장 신뢰할 수 있는 중심 경향 지표예요. 오답 분석 (Distractor Analysis) 혼동 주의! ①번 산술 평균은 가장 흔히 사용되지만, 이상치에 취약하다는 명확한 단점이 있어 이 문제의 조건에는 부적합해요. ②번 기하 평균은 성장률, 비율 데이터에 사용되며, 0이나 음수가 포함된 데이터에는 적용할 수 없어요. ③번 최빈값은 이상치 영향은 안 받지만, 중심 경향을 나타내는 데 한계가 있고(예: 여러 개 존재할 수 있음), 이 문제에서는 "가장 정중앙에 위치하는 값"이라는 정의에 부합하지 않아요. ④번 분산은 자료의 퍼짐 정도(산포도)를 나타내는 통계량으로, 중심 경향을 측정하는 값이 아니에요. 연관 개념 정리 (Related Concepts) 작업치료 연구나 결과 측정 시 데이터의 분포 형태도 중요해요. 정규분포(Normal distribution)인 경우 평균, 중앙값, 최빈값이 일치하지만, 왜도(Skewness)가 있는 비대칭 분포에서는 중앙값이 더 유용해요. 또한, 표준편차(Standard Deviation)는 분산과 함께 데이터의 변동성을 이해하는 데 필수적인 개념이에요.
개념 정리 중심 경향 측정치 3대장
• 평균(Mean): 모든 관측값의 합/개수. 이상치에 민감.
• 중앙값(Median): 순서대로 나열한 중앙값. 이상치에 강건(Robust).
• 최빈값(Mode): 가장 빈번한 값. 명목척도에 적합.
한눈에 비교!

통계량	정의	이상치 영향	작업치료에서의 활용 예
산술 평균	모든 값의 합 ÷ 개수	매우 민감함	정규분포를 따르는 대규모 집단의 평균 기능 점수
중앙값	크기순 배열의 중앙값	거의 영향 없음	소수 환자 중 극단적 점수가 있을 때의 통증/피로도 점수
최빈값	가장 자주 나타나는 값	영향 없음	선호하는 활동 유형, 가장 흔한 낙상 장소(명목 데이터)

암기 팁 • 이상치 있을 땐 '중앙'을 찾아라!: 데이터가 한쪽으로 치우쳤거나(Skewed) 극단값이 있으면, 가운데(Median)가 안정적이에요.
• Mean vs Median: Mean(평균)은 "깔끔한" 데이터에, Median(중앙값)은 "까다로운" 데이터(이상치 있음)에 사용한다고 기억하세요.
국시 빈출 포인트 통계 기본 개념은 연구방법론, 증거기반실천(EBP) 문제에서 단골로 출제돼요. 특히 "이상치가 있을 때 어떤 중심 경향 측정치를 써야 하는가?"는 고정 출제 패턴이니 꼭 익혀두세요. 또한, 측정 척도(명목, 서열, 등간, 비율)에 따라 사용 가능한 통계량이 다르다는 점도 함께 묻는 경우가 많아요.
기출 변형 주의! • 변형 1: "왜도가 큰 자료의 중심 경향을 나타내는 가장 적절한 통계량은?" → 답은 동일하게 중앙값.
• 변형 2: "정규분포를 이루는 자료의 중심과 퍼짐을 동시에 나타내는 가장 좋은 방법은?" → "평균 ± 표준편차"를 묻는 문제.

작업치료 임상 실무 가이드 임상 시나리오 (Clinical Scenario) 작업치료실에서 만성 통증 클라이언트 10명을 대상으로 10점 만도의 시각적 상사척도(VAS)로 통증 강도를 1주일간 매일 평가했어요. 대부분의 클라이언트 통증은 3-6점 사이였지만, 한 명의 클라이언트가 특정 날 급성 악화로 9점을 기록했어요. 이 데이터를 바탕으로 이 그룹의 "전형적인" 통증 수준을 보고해야 할 때, 어떤 통계값을 사용해야 할까요? 작업치료 중재 전략 (OT Intervention) 핵심! 이 경우, 한 명의 극단값(9점)이 전체 평균을 끌어올려 실제 그룹의 통증 수준을 과대평가할 위험이 있어요. 따라서 중앙값을 사용하여 "대부분의 클라이언트가 경험하는 통증 수준은 중앙값 4점이었다"고 보고하는 것이 더 정확하고 임상적으로 의미 있어요. 연구 논문을 읽거나 자신의 치료 효과를 분석할 때도 데이터 분포를 꼭 확인하고, 비대칭적이거나 이상치가 있다면 평균 대신 중앙값을 제시하는 근거 중심 실천(EBP) 태도가 필요해요.
선배 작업치료사의 한마디 "통계가 어렵게 느껴질 수 있지만, 결국 우리가 마주하는 클라이언트의 데이터를 제대로 이해하기 위한 도구예요. '이 숫자가 클라이언트의 실제 어려움을 진실하게 반영하고 있을까?'라는 질문을 항상 가진다면, 평균과 중앙값 같은 기본 개념도 임상에서 빛을 발하게 된답니다. 데이터 뒤에 있는 사람의 이야기를 읽는 작업치료사가 되세요!"