어떤 학급의 시험 점수 분포가 오른쪽으로 치우쳐 있을 때, 평균, 중앙값, 최빈값의 관계로 옳은 것은?

오른쪽으로 치우친(양의 왜도) 분포에서는 낮은 값에 데이터가 몰려 최빈값이 가장 작고, 극단적인 높은 값이 평균을 끌어올려 평균이 가장 크다. 중앙값은 그 사이에 위치한다.

보건행정 핵심 해설 이 문제는 보건통계학의 기초이자, 병원 경영 데이터(예: 재원일수, 진료비, 환자 만족도 점수)를 해석할 때 반드시 필요한 대표값의 관계를 묻고 있어요. 데이터의 분포 모양(치우침, Skewness)에 따라 평균(Mean), 중앙값(Median), 최빈값(Mode)이 어떻게 배열되는지 이해하는 것은 데이터의 왜곡을 파악하고 올바른 의사결정을 하는 데 필수적이죠. 핵심 개념 분석 (Key Concept) 우선, '오른쪽으로 치우쳐 있다'는 것은 양의 왜도(Positive Skewness)를 의미해요. 이는 데이터의 꼬리가 오른쪽(큰 값 방향)으로 길게 늘어져 있는 형태예요. 대부분의 데이터는 비교적 낮은 값에 모여 있고, 소수의 매우 큰 값(극단값, Outlier)이 존재하는 경우에 발생합니다. 병원 현장에서는 일부 고액 진료비 환자로 인해 전체 진료비 분포가 오른쪽으로 치우치는 경우가 대표적이에요. 정답 근거 (Answer Rationale) 핵심! 양의 왜도 분포에서 세 대표값의 관계는 최빈값 < 중앙값 < 평균이 성립해요. 1. 최빈값(Mode): 가장 자주 나타나는 값으로, 데이터가 가장 밀집된 지역에 위치해요. 양의 왜도에서는 낮은 값 쪽에 데이터가 몰려 있으므로 최빈값이 가장 작습니다. 2. 중앙값(Median): 데이터를 크기순으로 나열했을 때 정가운데 있는 값이에요. 극단값의 영향을 받지 않기 때문에 평균보다는 데이터의 중심을 더 잘 반영합니다. 최빈값과 평균의 사이에 위치하게 돼요. 3. 평균(Mean): 모든 데이터 값을 합산하여 개수로 나눈 값이에요. 오른쪽 꼬리에 있는 매우 큰 값(극단값)의 영향을 강하게 받아 전체 값을 끌어올리기 때문에, 세 값 중에서 가장 크게 나타납니다. 따라서 정답은 "최빈값 < 중앙값 < 평균"을 나타내는 ④번입니다. 오답 분석 (Distractor Analysis) 혼동 주의! 각 오답은 다른 형태의 분포를 나타내거나 관계를 뒤집은 것이에요. - ①번 "평균 = 중앙값 = 최빈값": 이는 완벽한 대칭 분포(정규분포에 가까운)에서 성립하는 관계예요. 치우침이 없는 경우를 나타냅니다. - ②번 "최빈값 < 평균 < 중앙값": 이 관계는 일반적으로 성립하지 않는 배열이에요. 평균이 중앙값보다 작은 경우는 '왼쪽 치우침(음의 왜도)'에서 발생합니다. - ③번 "평균 < 중앙값 < 최빈값": 이는 왼쪽으로 치우친(음의 왜도, Negative Skewness) 분포의 관계를 완전히 뒤집은 것이에요. 음의 왜도에서는 평균 < 중앙값 < 최빈값이 성립합니다. - ⑤번 "평균 < 최빈값 < 중앙값": 이 또한 일반적으로 성립하지 않는 잘못된 배열이에요. 연관 개념 정리 (Related Concepts) - 음의 왜도(Negative Skewness): 데이터가 왼쪽으로 치우친 경우. 관계는 평균 < 중앙값 < 최빈값. 예: 매우 쉬운 시험에서 대부분 고득점, 소수만 저득점인 경우. - 왜도(Skewness) 측정

보건행정 실무 가이드 실무 시나리오 (Clinical Scenario) 병원 기획실에서 분기별 입원 환자 평균 재원일수(ALOS)를 분석 중이에요. 전분기 대비 평균 재원일수가 0.5일 증가했다는 결과가 나왔습니다. 병원장은 "효율이 나빠졌다, 병상 관리에 문제가 있다"고 지적하며 대책을 요구하고 있어요. 하지만, 실제 데이터를 살펴보니 대부분의 환자(80%)의 재원일수는 오히려 감소했고, 소수의 중증 화상 환자 2명이 100일 이상 장기 입원한 것이 평균을 끌어올린 것으로 파악되었습니다. 행정 중재 전략 (Admin Intervention) 1. 상황 파악: 단순 평균값의 증가만으로 판단하지 말고, 데이터 분포를 확인해요. 히스토그램이나 상자그림(Box-plot)을 작성하면 극단값(Outlier)의 존재를 한눈에 볼 수 있어요. 2. 법적/규정 검토: 건강보험심사평가원의 평가 지표 중에도 재원일수가 있어요. 이때 단순 평균보다는 중위수 재원일수(Median LOS)를 함께 보거나, 특정 질환군(DRG)별로 구분하여 비교하는 것이 공정한 평가 방법이에요. 3. 대응 및 처리: - 보고서에 평균과 중앙값을 함께 제시합니다. "평균 재원일수는 7.5일로 0.5일 증가했으나, 이는 극단적인 장기 입원 사례 2건에 기인한 것입니다. 대부분의 환자를 대표하는 중앙값 재원일수는 4.0일로 전분기 대비 0.3일 감소하여 전반적인 효율은 개선되었습니다." - 극단값을 제외한(Trimmed mean) 평균을 추가로 계산하여 제시할 수도 있어요. - 장기 입원 환자 사례에 대한 별도의 의무기록 검토(Chart Review)와 클리니컬 패스(Clinical pathway) 이탈 원인 분석을 제안하여 질 관리(QI) 활동으로 연결합니다. 4. 사후 기록/보고: 데이터 분석 방법과 해석 근거를 명확히 기록하여, 향후 유사한 상황에서 참고할 수 있도록 지식으로 축적해요. 법적 안전 및 주의사항 (Precautions) 통계 데이터를 왜곡하여 보고하는 것은 부정확한 정보에 의한 의사결정을 초래할 수 있어요. 이는 병원 경영의 신뢰성을 떨어뜨리고, 건강보험심사평가원 등 외부 기관에 제출하는 자료에서 문제가 될 수 있습니다. 항상 데이터의 분포와 맥락을 고려한 정직한 보고가 전문가의 자세예요.
업무 프로토콜 경영지표 분석 시 체크리스트 1. 지표 계산: 평균값 산출. 2. 분포 확인: 히스토그램/상자그림으로 치우침(Skewness) 및 극단값 확인. 3. 대표값 비교: 평균, 중앙값, 최빈값(해당 시)을 모두 확인하고 관계 파악. 4. 맥락 분석: 지표 변화의 원인(특정 사례, 계절성, 정책 변화 등) 조사. 5. 보고서 작성: 평균값만이 아닌, 중앙값 및 분포 특성을 반드시 기술. 필요시 극단값 사례를 별도 설명.
선배의 한마디 "보건행정가에게 통계는 단순한 숫자 놀이가 아니에요. 그 숫자 뒤에 숨겨진 환자와 병원의 이야기를 읽어내는 도구예요. 평균이 증가했다고 무조건 나쁜 것만은 아니에요. 왜 증가했는지, 그 안에 어떤 이야기가 있는지 파고들 때, 진정한 문제 해결과 개선 방안을 찾을 수 있어요. 평균, 중앙값, 최빈값의 간단한 관계 하나로도 수많은 통찰을 얻을 수 있다는 점, 꼭 기억하세요!"