다음 중 연속형 변수의 분포 형태가 좌우 대칭일 때, 평균, 중앙값, 최빈값의 관계로 옳은 것은?

완전한 좌우 대칭 분포(예: 정규분포)에서는 중심을 나타내는 세 측도인 평균, 중앙값, 최빈값의 값이 모두 일치한다.

보건행정 핵심 해설 이 문제는 보건통계학의 기초이자, 병원 경영 데이터 분석이나 보건 정책 평가에서 매우 중요한 데이터 분포의 형태와 중심 경향 측정치의 관계를 묻고 있어요. 특히 연속형 변수(예: 혈압 수치, 체중, 입원 기간, 진료비 등)의 분포를 이해하는 것은 의료 데이터 해석의 첫걸음이에요. 핵심 개념 분석 (Key Concept) 문제의 핵심은 "좌우 대칭 분포"에서 세 가지 대표적인 중심 경향 측정치(Central Tendency Measures)인 평균(Mean), 중앙값(Median), 최빈값(Mode)의 위치 관계입니다. 좌우 대칭 분포란, 분포 곡선을 정중앙(평균)을 기준으로 접었을 때 완벽하게 겹쳐지는 형태를 말해요. 가장 대표적인 예가 정규분포(Normal Distribution)입니다. 정답 근거 (Answer Rationale) 핵심! 완벽한 좌우 대칭 분포에서는 데이터의 무게 중심인 평균, 데이터를 크기 순으로 나열했을 때 정중앙에 위치하는 값인 중앙값, 그리고 가장 빈번하게 관측되는 값인 최빈값이 모두 동일한 지점에 위치하게 됩니다. 이는 수학적, 통계학적 원리에 의한 필연적인 결과예요. 따라서 정답은 평균 = 중앙값 = 최빈값을 나타내는 ⑤번입니다. 오답 분석 (Distractor Analysis) 혼동 주의! 다른 선택지들은 비대칭 분포, 즉 왜도(Skewness)가 있는 경우의 관계를 나타내고 있어요.
① 평균 ≠ 중앙값 = 최빈값: 이 관계는 특정한 형태의 비대칭 분포에서 성립하기 어려운 관계예요. 일반적으로 중앙값과 최빈값이 같으면서 평균이 다른 경우는 드물어요.
② 평균 < 중앙값 < 최빈값: 이는 좌편향(Left-skewed, 음의 왜도) 분포의 전형적인 관계입니다. 꼬리가 왼쪽으로 길게 늘어져 있고, 최빈값이 오른쪽(큰 값 쪽)에, 평균이 꼬리의 영향으로 왼쪽(작은 값 쪽)으로 끌려가는 형태예요.
③ 평균 = 중앙값 ≠ 최빈값: 이는 대칭이지만 균일분포(Uniform Distribution)나 다봉분포(Multimodal Distribution)처럼 최빈값이 여러 개이거나 뚜렷하지 않은 경우에 해당할 수 있어요. 하지만 문제에서 명시한 "연속형 변수"와 "분포 형태"라는 맥락에서 가장 일반적인 대칭 분포(정규분포)를 생각하면 틀린 설명이에요.
④ 평균 > 중앙값 > 최빈값: 이는 우편향(Right-skewed, 양의 왜도) 분포의 전형적인 관계입니다. 꼬리가 오른쪽으로 길게 늘어져 있고, 최빈값이 왼쪽(작은 값 쪽)에, 평균이 꼬리의 영향으로 오른쪽(큰 값 쪽)으로 끌려가는 형태예요. 의료비 지출 데이터는 대부분 이런 우편향 분포를 보입니다. 연관 개념 정리 (Related Concepts) 이 개념은 단순히 통계 이론을 넘어, 병원 경영 지표 해석에 직접 적용됩니다. 예를 들어, 병상 가동률, 평균 재원일수, 직원 업무 처리 시간 등의 데이터 분포를 보고 "평균만 보면 안 되고, 중앙값도 확인해야 한다"는 통찰력을 주죠. 특히 우편향된 데이터(예: 소수의 고액 진료비 환자)에서는 평균이 전체의 대표성을 떨어뜨리기 때문에 중앙값이 더 유용한 경우가 많아요. 개념 정리

분포 형태	왜도	평균, 중앙값, 최빈값 관계	보건행정 예시
좌우 대칭 (예: 정규분포)	0	평균 = 중앙값 = 최빈값	성인 남성의 정상 혈압 분포
우편향 (꼬리가 오른쪽)	양의 값	평균 > 중앙값 > 최빈값	입원 환자의 1인당 진료비, 응급실 대기 시간
좌편향 (꼬리가 왼쪽)	음의 값	평균 < 중앙값 < 최빈값	시험 점수(쉬운 시험), 정년 퇴직 연령

한눈에 비교!

측정치	정의	장점	단점	보건행정 적용
평균(Mean)	모든 관측값의 합을 개수로 나눈 값	모든 데이터를 반영, 수학적 처리 용이	극단값(Outlier)에 민감함	월간 평균 진료비 산정, 예산 편성 기초
중앙값(Median)	관측값을 크기 순으로 나열했을 때 정가운데 값	극단값의 영향을 받지 않음, 강건함(Robust)	모든 데이터의 정보를 활용하지 않음	의료비 지표(우편향 시), 직원 만족도 조사 결과
최빈값(Mode)	가장 자주 관측되는 값	직관적 이해 쉬움, 명목척도에도 사용 가능	유일하지 않을 수 있음(다봉), 정보량이 적음	가장 흔한 내원 시간대, 가장 많이 처방되는 약품

실무 포인트 병원 기획팀에서 진료 실적 보고서를 작성할 때, 부서별 "평균 재원일수"만 제시하는 것은 위험할 수 있어요. 재원일수가 매우 긴 소수의 환자(극단값) 때문에 평균이 왜곡되어, 대부분의 환자 경험을 대표하지 못할 수 있기 때문이에요. 반드시 중앙값 재원일수를 병기하거나, 사분위수(Quartile)를 함께 제시하여 데이터 분포를 정확히 전달해야 해요. 암기 팁 "대(大)칭(稱)은 삼(三)일치"라고 외우세요! "대칭 분포에서는 세 값(평균, 중앙값, 최빈값)이 일치한다"는 뜻이에요. 비대칭(왜도)일 때는 꼬리가 쫓기는 방향을 생각하세요: 꼬리가 오른쪽(큰 값)으로 길면 평균이 제일 크고, 꼬리가 왼쪽(작은 값)으로 길면 평균이 제일 작다. 국시 빈출 포인트 이 주제는 핵심! 보건의료정보관리사/병원행정사 시험에서 통계학 파트의 기초 중의 기초로 매년 출제될 가능성이 매우 높아요. 단순히 관계를 묻거나, 사례(예: "의료비 데이터는 일반적으로 어떤 분포를 보이는가?")를 들어 출제되기도 해요. 기출 변형 주의! 1. 역방향 질문: "평균 > 중앙값 > 최빈값의 관계를 보이는 분포의 형태는?" → 정답: 우편향(우측으로 긴 꼬리). 2. 사례 적용형: "일개 병원의 COVID-19 확진자 입원 기간 데이터를 분석했더니 평균 15일, 중앙값 10일이었다. 이 데이터의 분포 특징을 가장 잘 설명하는 것은?" → 정답: 우편향 분포 (평균 > 중앙값).

보건행정 실무 가이드 실무 시나리오 (Clinical Scenario) "병원 경영지원실에서 각 진료과의 외래 진료 효율성을 분석 중입니다. A과와 B과의 '환자 1인당 평균 진료 시간'을 조사했더니, A과는 25분, B과는 28분으로 B과가 더 길게 나왔습니다. 그러나 각 과의 데이터 분포를 보니, A과는 대부분의 환자가 20-30분 사이에 모여 있는 반면, B과는 대부분의 환자는 15-20분이지만, 소수의 복잡한 환자들이 60분 이상의 매우 긴 진료 시간을 기록하고 있습니다. 이 경우, 어떤 과가 실제로 '대부분의 환자'를 더 빠르게 진료하고 있다고 평가할 수 있을까요?" 행정 중재 전략 (Admin Intervention) 1. 상황 파악: B과의 데이터가 우편향 분포를 보이고 있습니다. 소수의 극단값(긴 진료 시간)이 평균을 끌어올린 상황이에요. 2. 데이터/규정 검토: 단순 평균 비교는 오해를 불러일으킬 수 있습니다. 중앙값(Median)을 추가로 계산해야 합니다. A과 중앙값이 24분, B과 중앙값이 18분이라면, B과가 대부분의 환자를 더 빠르게 진료하고 있다는 결론을 내릴 수 있어요. 3. 대응 및 처리: * 보고서에는 반드시 평균과 중앙값을 함께 제시합니다. * "B과는 평균 진료 시간은 다소 길지만, 이는 소수의 중증 복합 환자에 대한 집중 진료 때문으로 보이며, 중앙값 진료 시간은 A과보다 짧아 일반 환자 진료 효율성은 더 높은 것으로 분석됩니다"라고 해석을 덧붙입니다. * 필요하다면 사분위 범위(IQR)나 표준편차(Standard Deviation)를 추가하여 데이터의 퍼짐 정도도 보여줍니다. 4. 사후 기록/보고: 분석 방법(사용한 측정치와 그 이유)과 해석을 명확히 기록하여, 향후 유사한 분석의 기준이 되도록 합니다. 법적 안전 및 주의사항 (Precautions) 이것은 단순한 통계 오류를 넘어, 공정한 성과 평가와 연결됩니다. 잘못된 지표만으로 의사나 부서의 성과를 평가하면 불만과 동기 저하를 초래할 수 있어요. 데이터 기반 의사결정(Data-Driven Decision Making)을 한다면, 사용하는 지표의 통계적 특성을 반드시 이해해야 합니다. 업무 프로토콜 병원 성과 지표 보고 시 체크리스트 1. 데이터 분포 확인 (히스토그램 또는 박스플롯으로 시각화). 2. 극단값(Outlier) 존재 여부 판단. 3. 분포 형태(대칭/우편향/좌편향)에 따라 적절한 중심 경향 측정치 선정: * 대칭에 가까우면: 평균 보고. * 뚜렷한 우편향/좌편향이면: 중앙값을 주 지표로, 평균을 참고 지표로 보고. 4. 지표 해석 시 분포 특성을 반드시 기술문에 포함. 선배의 한마디 "보건행정가에게 통계는 선택이 아니라 필수예요! 숫자 뒤에 숨은 이야기를 읽어내지 못하면, 병원 경영의 중요한 신호를 놓치거나 오판할 수 있어요. '평균의 함정'에 빠지지 마시고, 항상 '데이터는 어떻게 생겼나?'부터 질문하는 습관을 들이세요. 이 작은 습관이 여러분을 데이터에 정통한 전문 행정가로 만들어 줄 거예요!"