데이터의 흩어진 정도를 나타내는 산포도 지표 중, 각 관측값이 평균으로부터 얼마나 떨어져 있는지를 제곱하여 평균을 낸 값의 양의 제곱근은?

표준편차는 분산의 양의 제곱근으로, 데이터의 산포를 평균과 같은 단위로 나타내어 직관적으로 이해할 수 있게 합니다. 분산(보기4)은 제곱된 값이므로 단위가 변형되어 해석이 어렵고, 최빈값(보기1)과 중앙값(보기2)은 중심 경향성 지표이며, 표준오차(보기3)는 표본 평균의 표준편차로 추정의 정확성을 나타냅니다.

작업치료 핵심 해설 이 문제는 작업치료 연구 및 근거 중심 실천(EBP, Evidence-Based Practice)에서 필수적인 통계 개념인 산포도(Dispersion) 지표를 묻고 있어요. 작업치료사는 평가 결과 해석, 중재 효과 비교, 연구 논문 분석 시 데이터의 변동성을 올바르게 이해해야 합니다. 핵심 개념 분석 (Key Concept) 산포도는 데이터가 평균 주위에 얼마나 흩어져 있는지를 나타내는 지표예요. 대표적인 산포도 지표로는 범위(Range), 사분위수범위(IQR, Interquartile Range), 분산(Variance), 표준편차(SD, Standard Deviation)가 있어요. 문제에서 묻는 "각 관측값이 평균으로부터 얼마나 떨어져 있는지를 제곱하여 평균을 낸 값의 양의 제곱근"은 바로 표준편차의 정의에 정확히 부합해요. 정답 근거 (Answer Rationale) 핵심! 표준편차(SD)는 분산(Variance)의 양의 제곱근이에요. 계산 과정을 따라가 보면: 1. 각 관측값에서 평균을 뺀다(편차, Deviation). 2. 편차를 제곱한다(제곱 편차, Squared Deviation). 3. 제곱 편차들의 평균을 구한다(분산, Variance). 4. 분산에 양의 제곱근을 취한다(표준편차, Standard Deviation). 이 과정은 데이터의 원래 단위(예: 점수, 시간(초), 거리(cm))를 유지하면서 산포를 설명할 수 있게 해줘서, 작업치료 평가 점수(예: FIM(Functional Independence Measure) 점수)의 변동성을 해석할 때 매우 유용해요. 오답 분석 (Distractor Analysis) 혼동 주의! ④번 분산(Variance)은 표준편차 계산 과정의 3단계 결과물이에요. 분산은 제곱된 단위를 가지기 때문에(예: 점수²), 평균(점수)과 직접 비교하거나 직관적으로 해석하기 어려워요. 표준편차는 이 분산의 단점을 보완한 지표예요. ③번 표준오차(SE, Standard Error)는 표본 평균의 표준편차로, 표본에서 계산된 평균이 모집단의 진짜 평균과 얼마나 다를 수 있는지(추정의 정확성)를 나타내는 지표예요. 데이터 자체의 흩어진 정도를 나타내는 표준편차와는 다른 개념이에요. ①번 최빈값(Mode)과 ②번 중앙값(Median)은 데이터의 중심 경향성(Central Tendency)을 나타내는 지표로, 평균(Mean)과 함께 "대표값"을 묻는 문제에서 주로 출제돼요. 산포도 지표가 아니라는 점에서 명확히 구분해야 해요. 연관 개념 정리 (Related Concepts) 작업치료 연구에서 정규분포(Normal Distribution)를 가정할 때, "평균 ± 1표준편차" 범위에는 약 68%의 데이터가, "평균 ± 2표준편차" 범위에는 약 95%의 데이터가 포함돼요. 이를 통해 환자의 기능 점수가 전체 집단에서 어느 위치에 있는지 파악할 수 있어요. 또한, 두 집단의 중재 효과를 비교할 때는 표준편차를 이용한 t-검정(t-test) 등을 활용하게 돼요.
개념 정리

• 표준편차(SD): 분산의 양의 제곱근. 데이터의 산포를 원래 단위로 나타냄. 값이 클수록 데이터가 평균에서 멀리 흩어져 있음.
• 분산(Variance): 편차 제곱의 평균. 산포도를 나타내지만 단위가 제곱되어 해석이 어려움.
• 표준오차(SE): 표본 평균의 표준편차. 표본 추정치의 신뢰도를 나타냄.
• 중심 경향성 지표: 평균(Mean), 중앙값(Median), 최빈값(Mode). 데이터의 대표값을 나타냄.

한눈에 비교!

지표	의미	특징	작업치료 적용 예
표준편차 (SD)	데이터의 산포도 (흩어진 정도)	• 분산의 제곱근 • 원래 단위 유지 • 값↑ = 변동성↑	한 그룹의 MMT 점수 변동성 파악
표준오차 (SE)	표본 평균의 신뢰도 (추정 오차)	• SD / √(표본크기) • 값↓ = 추정 정확도↑	연구에서 중재 효과의 평균값이 얼마나 정확한지 판단
분산 (Variance)	데이터의 산포도 (제곱 단위)	• 편차 제곱의 평균 • 단위가 제곱됨 • SD 계산의 중간 단계	통계 분석(예: ANOVA) 시 내부 계산에 사용

암기 팁 • 표준편차 기억법: "표준은 '본보기'다. 본래 단위로 보여주는(제곱근) 흩어진 정도의 본보기 지표!"
• 분산 vs 표준편차: 분산(Variance)은 Value(값)의 제곱(V²)이라 생각하고, 표준편차(Standard Deviation)는 Square root(제곱근)을 취한 Deviation(편차)이라 생각하세요.
국시 빈출 포인트 통계 개념은 연구방법론 과목에서 직접적으로, 그리고 각 과목에서 평가 도구의 신뢰도(Reliability) 및 타당도(Validity)를 논할 때 간접적으로 출제돼요. 핵심! "표준편차", "분산", "표준오차"의 정의와 차이점을 정확히 구분할 수 있어야 해요. 특히 "데이터의 흩어진 정도"를 묻는다면 → 표준편차/분산, "표본 평균의 신뢰도"를 묻는다면 → 표준오차/신뢰구간으로 연결되죠.
기출 변형 주의! • 변형 1 (정의): "편차의 제곱의 평균"이라고 하면 → 분산.
• 변형 2 (특징): "단위의 문제를 해결한 산포도 지표"라고 하면 → 표준편차.
• 변형 3 (관계): "표준오차는 표준편차를 무엇으로 나눈 값인가?" → 표본 크기의 제곱근(√n).

작업치료 임상 실무 가이드 임상 시나리오 (Clinical Scenario) "당신은 지역사회 재활센터 작업치료사예요. 뇌졸중 환자 10명을 대상으로 새로운 팔 가상현실(VR) 중재 프로그램의 효과를 4주간 연구했어요. 중재 전후의 팔 Fugl-Meyer 평가(FMA-UE) 점수를 비교 분석하고 있어요. 평균 점수는 중재 후 5점 상승했는데, 이 효과가 의미 있는지, 그리고 환자들 간의 반응 차이는 어떻게 해석해야 할지 고민이에요." 작업치료 중재 전략 (OT Intervention) 핵심! 이때 표준편차(SD)가 핵심 도구가 돼요. 1. 평가(Assessment) & 결과 해석: 중재 후 FMA-UE 점수의 평균과 표준편차를 계산해요. 만약 평균 향상도가 5점이고 표준편차가 2점이라면, 대부분의 환자(약 95%)가 1점에서 9점 사이(평균±2SD)로 호전된 것으로 해석할 수 있어요. 이는 중재 효과가 비교적 균일함을 시사해요. 반면, 표준편차가 8점이라면 호전 정도가 환자마다 천차만별(-11점~+21점)이라는 의미로, 어떤 환자 특성이 반응을 예측하는지 추가 분석이 필요해요. 2. 근거 중심 실천(EBP) 적용: 다른 연구 논문을 검토할 때도 표준편차를 확인해야 해요. 평균 차이만 보고 "효과가 있다"고 결론내리기보다, 표준편차를 통해 효과의 크기(Effect Size, 예: Cohen's d)를 계산하면 중재의 임상적 의미를 더 정확히 판단할 수 있어요. 3. 개별화된 치료 계획: 표준편차 분석을 통해 중재에 반응이 적은 환자 하위 그룹을 식별하면, 그들에게 더 적합한 대안 중재를 탐색하거나, 환경 수정(Adapting)을 더 집중적으로 적용하는 등 개별화된 접근이 가능해져요. 환자 안전 및 주의사항 (Precautions) 통계는 도구일 뿐이에요. 표준편차가 크다고 해서 무조건 "나쁜 중재"라고 판단해서는 안 돼요. 오히려 "왜 이런 변동성이 생겼을까?"라는 임상 추론(Clinical Reasoning)의 출발점이 되어야 해요. 환자의 기저 질환 중증도, 동반 인지 장애, 동기 부여 수준 등 다양한 요인이 결과에 영향을 미칠 수 있어요.
치료 프로토콜 연구 및 결과 해석 프로토콜 1. 데이터 수집: 표준화된 평가 도구(예: FMA-UE, MMT, Jebsen-Taylor Hand Function Test)로 중재 전후 점수를 측정. 2. 기술 통계 계산: 평균(Mean), 표준편차(SD)를 기본으로 계산. 3. 변동성 분석: SD 크기를 검토. 클 경우, 환자 특성(연령, 손상 부위, 발병 후 기간 등)에 따른 하위 그룹 분석 시도. 4. 통계적 검정: 적절한 검정법(예: paired t-test)을 사용해 평균 차이의 통계적 유의성 판단. 이때 SD는 검정력(Power) 계산에 필수. 5. 임상적 의미 해석: 통계적 유의성과 별개로, 점수 변화가 최소 clinically important difference(MCID)를 넘는지 확인하여 임상적 의미 판단.
선배 작업치료사의 한마디 "통계가 어렵게 느껴질 수 있지만, 표준편차 같은 기본 개념은 임상가의 '눈'을 키워줘요. 환자 한 명의 점수 변화만 보는 게 아니라, 데이터 전체의 패턴과 변동성을 읽을 수 있게 되죠. 이는 곧 더 정교한 평가와 개별화된 중재로 이어집니다. 국시 공부할 때도 '이 통계값이 임상 현장에서 내 판단에 어떻게 도움을 줄까?'를 생각하며 공부하면 훨씬 재미있고 오래 기억에 남을 거예요!"