어떤 병원의 외래 환자 수를 조사한 결과 평균이 150명, 표준편차가 30명이었다. 체비셰프의 정리에 따르면, 환자 수가 90명에서 210명 사이에 있을 확률은 최소 얼마인가?
1약 89%
2약 95%
3약 75%✓ 정답
4약 99%
5약 93%
해설
평균 150에서 90과 210은 각각 평균으로부터 60만큼 떨어져 있다. 60/30 = 2 표준편차이다. 체비셰프 정리에 따르면, 평균으로부터 k 표준편차 이상 떨어질 확률은 최대 1/k²이므로, 그 반대인 범위 내에 있을 확률은 최소 1 - 1/k² = 1 - 1/4 = 0.75(75%)이다.
보건행정 핵심 해설
이 문제는 병원 경영 및 보건 통계에서 중요한 체비셰프의 정리(Chebyshev's Theorem)를 적용하는 계산 문제예요. 병원의 외래 환자 수, 재원 일수, 수익 변동 등 분포가 정규분포인지 알 수 없는 데이터에서 특정 범위 내에 자료가 포함될 확률의 최소 보장값을 구할 때 사용하는 핵심 원리입니다.
핵심 개념 분석 (Key Concept)
체비셰프의 정리는 "어떤 분포(정규분포가 아니어도 됨)에서든, 평균으로부터 k 표준편차(Standard Deviation) 이상 떨어진 자료의 비율은 최대 1/k² 이하이다"는 통계학의 보편적 정리입니다. 이를 반대로 말하면, "평균으로부터 k 표준편차 이내에 있는 자료의 비율은 최소 1 - 1/k² 이상이다"가 됩니다. 이 문제는 후자의 공식을 적용하는 거예요.
정답 근거 (Answer Rationale)
주어진 조건을 분석해볼게요.
- 평균(μ) = 150명
- 표준편차(σ) = 30명
- 범위: 90명 ~ 210명
이 범위의 경계가 평균에서 얼마나 떨어져 있는지 계산합니다.
150 - 90 = 60
210 - 150 = 60
→ 평균으로부터 양쪽으로 60명씩 떨어져 있습니다.
이 거리를 표준편차로 나누어 'k'값(표준편차의 배수)을 구합니다.
k = 60 / 30 = 2
즉, 이 범위는 평균 ± 2표준편차에 해당합니다.
체비셰프 정리의 공식에 대입합니다.
범위 내에 있을 최소 확률 = 1 - (1/k²) = 1 - (1/2²) = 1 - (1/4) = 1 - 0.25 = 0.75 (75%)
따라서, 환자 수가 90명에서 210명 사이에 있을 확률은 최소 75% 이상임을 보장할 수 있어요. 이것이 정답인 ③ 약 75%의 근거입니다.
오답 분석 (Distractor Analysis)혼동 주의! 다른 선택지들은 대부분 정규분포(Normal Distribution)에서의 경험칙(Empirical Rule)을 적용했을 때의 값과 혼동할 수 있어요.
- ② 약 95%: 정규분포에서 '평균 ± 2표준편차' 내에 포함되는 자료의 비율(약 95.4%)입니다. 체비셰프 정리는 이보다 훨씬 보수적인(낮은) 최소 보장값을 제시합니다.
- ④ 약 99%: 정규분포에서 '평균 ± 3표준편차' 내의 비율(약 99.7%)에 해당합니다.
- ①, ⑤: 체비셰프 공식에서 나올 수 없는 특정 계산 오류나 근사치로 추정됩니다.
연관 개념 정리 (Related Concepts)
체비셰프 정리와 정규분포 경험칙은 데이터의 분포에 대한 가정이 다릅니다. 병원 행정 데이터(예: 일일 방문자 수)가 정규분포를 따른다는 확신이 없을 때는 체비셰프 정리를 사용해야 안전한 예측이 가능해요.
개념 정리
개념
체비셰프의 정리
정규분포 경험칙 (68-95-99.7 법칙)
적용 조건
모든 분포 (분포 형태 무관)
정규분포(Normal Distribution)에만 적용
성격
핵심! 최소 보장값 (Lower Bound)
근사적 실제값 (Approximate Actual)
공식
범위 내 최소 비율 ≥ 1 - 1/k²
±1σ: 약 68%, ±2σ: 약 95%, ±3σ: 약 99.7%
보건행정 활용
불확실한 데이터 기반 리소스 계획, 위험 관리
표준화된 지표(예: 표준화사망비) 해석, 품질 관리 한계 설정
실무 포인트
병원의 원무과나 기획팀에서 다음 달 외래 인력 스케줄이나 재고를 계획할 때, 과거 데이터의 평균과 표준편차를 계산합니다. 데이터가 뚜렷한 정규분포를 보이지 않는다면, 체비셰프 정리를 이용해 "적어도 75%의 확률로 이 범위의 환자가 올 것이다"라고 보수적으로 예측하여 인력 과부하나 자원 낭비를 방지할 수 있어요.
암기 팁
"체비(Cheby)는 최소 보장! 1 빼기 k제곱 분의 1"
k=2일 때: 1 - 1/4 = 3/4 = 75%
k=3일 때: 1 - 1/9 ≈ 88.9%
k=4일 때: 1 - 1/16 = 93.75%
이 패턴만 기억하면 쉽게 계산할 수 있어요.
국시 빈출 포인트
보건의료정보관리사/병원행정사 시험에서는 체비셰프 정리와 정규분포 경험칙을 구분하여 적용하는 문제가 자주 나와요. 문제 지문에 "분포를 알 수 없다", "모든 분포에 적용"이라는 키워드가 있으면 체비셰프, "정규분포를 따른다"는 키워드가 있으면 경험칙을 떠올리세요.
기출 변형 주의!
1. 역산 문제: "최소 88.9%의 확률을 보장하려면 평균으로부터 최소 몇 표준편차 범위를 고려해야 하는가?" (k=3을 구하는 문제)
2. 비교 문제: 같은 평균과 표준편차를 가진 두 데이터셋(하나는 정규분포, 하나는 분포 미상)에서 동일 범위 내 자료 비율을 비교하는 문제.보건행정 실무 가이드실무 시나리오 (Clinical Scenario)
"상급종합병원(Tertiary care hospital) 응급실의 월간 내원 환자 수 데이터를 분석한 결과, 평균 1,200명, 표준편차 180명으로 나타났습니다. 병원 관리팀은 인력 배치와 물자 비축을 위해 '다음 달 응급실 내원 환자 수가 840명에서 1,560명 사이일 최소 확률'을 알고 싶어 합니다. 데이터의 분포는 명확하지 않습니다."
행정 중재 전략 (Admin Intervention)
1. 상황 파악: 데이터 분포가 정규분포인지 불분명하므로, 보수적인 예측을 위한 체비셰프 정리 적용이 적합합니다.
2. 계산:
- 평균(1,200)에서 하한(840)과 상한(1,560)까지의 거리는 각각 360명.
- k = 360 / 180 = 2 (표준편차 2배 거리)
- 최소 확률 = 1 - 1/2² = 0.75 (75%)
3. 보고 및 계획: 관리팀에게 "분포를 모르는 상황에서, 최소 75%의 확률로 환자 수가 840~1,560명 사이에 들 것이라고 보장할 수 있습니다"라고 보고합니다. 이를 근거로 핵심! 기본 인력과 물자는 이 범위의 중간값을 기준으로, 변동성에 대비한 예비 인력/물자는 상한선을 고려하여 유연하게 계획합니다.
법적 안전 및 주의사항 (Precautions)
통계적 예측은 불확실성을 내포합니다. 체비셰프 정리는 '최소 보장' 값이므로, 실제 변동은 이보다 클 수 있습니다. 리소스 계획 시 이 점을 명시하고, 품질관리(Quality Improvement) 차원에서 실제 데이터를 꾸준히 수집하여 예측 모델의 정확도를 높여나가는 과정이 필요해요.
업무 프로토콜
단계
행동
산출물/매개변수
1. 데이터 수집
과거 기간(예: 12개월)의 일일/월간 업무량 데이터 확보
원시 데이터 시트
2. 기초 통계 계산
평균(Mean), 표준편차(Standard Deviation) 산출
통계 요약표
3. 적용 규칙 판단
데이터의 분포 형태 확인 (히스토그램 등) → 정규분포 여부 판단
분석 보고서
4. 예측 범위 계산
체비셰프 정리(k값 계산 → 최소 확률 도출) 또는 정규분포 경험칙 적용
예측 범위 및 신뢰 수준
5. 자원 계획 수립
예측 범위를 반영한 인력 스케줄, 재고 수준, 예산 편성
운영 계획서
선배의 한마디
"보건행정에서 통계는 단순 숫자 놀이가 아니에요. 불확실한 미래를 체계적으로 관리하기 위한 도구입니다. 체비셰프 정리는 '우리가 모르는 것이 많다'는 것을 인정하고, 그 안에서 최선의 결정을 내리게 해주는 겸손한 원칙이죠. 데이터 분포를 가정하지 않고 보수적으로 계획하는 습관이 병원 경영의 위험을 줄여줍니다!"