다음 중 중심경향값(central tendency)을 측정하는 지표가 아닌 것은?

표준편차는 데이터의 퍼짐 정도(산포도, dispersion)를 측정하는 지표이다. 평균, 중앙값, 최빈값, 가중평균은 모두 데이터의 중심 위치를 나타내는 중심경향 측정치이다.

보건행정 핵심 해설 이 문제는 보건통계학의 기초 중 하나인 기술통계(Descriptive Statistics)의 핵심 개념을 묻고 있어요. 데이터를 요약하고 설명하는 데 사용되는 두 가지 주요 측정치, 즉 중심경향값(Central Tendency)과 산포도(Dispersion)를 정확히 구분할 수 있어야 해요. 핵심 개념 분석 (Key Concept) 중심경향값(Central Tendency)은 데이터 집합의 중심이나 전형적인 값을 나타내는 지표예요. 데이터가 어디를 중심으로 모여 있는지를 보여주죠. 반면, 산포도(Dispersion)는 데이터가 그 중심으로부터 얼마나 퍼져 있는지, 즉 변동성이나 불확실성을 측정하는 지표예요. 정답 근거 (Answer Rationale) 정답은 ② 표준편차입니다. 핵심! 표준편차(Standard Deviation)는 산포도를 측정하는 대표적인 지표로, 각 데이터 값이 평균으로부터 평균적으로 얼마나 떨어져 있는지를 나타내요. 값이 클수록 데이터가 넓게 퍼져 있다는 의미죠. 따라서 중심경향값을 측정하는 지표가 아닙니다. 오답 분석 (Distractor Analysis) 혼동 주의! 각 오답 선택지는 모두 중심경향값을 측정하는 올바른 지표들이에요.
① 중앙값(Median): 데이터를 크기순으로 나열했을 때 정 가운데 위치하는 값입니다. 극단값(Outlier)의 영향을 받지 않아 비대칭 분포에서 유용해요.
③ 가중평균(Weighted Mean): 각 데이터 값에 중요도나 빈도에 따른 가중치(Weight)를 부여하여 계산한 평균입니다. 보험 수가 산정이나 병원 성과 지표 계산 시 자주 사용되는 개념이에요.
④ 평균(Mean): 모든 데이터 값을 더한 후 개수로 나눈 산술평균(Arithmetic Mean)으로, 가장 일반적인 중심경향값 지표입니다.
⑤ 최빈값(Mode): 데이터 집합에서 가장 자주 나타나는 값입니다. 연관 개념 정리 (Related Concepts) 산포도를 측정하는 다른 지표들도 함께 알아두세요: 분산(Variance)(표준편차의 제곱), 범위(Range)(최대값-최소값), 사분위수 범위(Interquartile Range, IQR)(Q3 - Q1) 등이 있습니다. 개념 정리

구분	의미	주요 지표
중심경향값 (Central Tendency)	데이터의 중심 위치, 전형적인 값	평균(Mean), 중앙값(Median), 최빈값(Mode), 가중평균(Weighted Mean)
산포도 (Dispersion)	데이터의 퍼짐 정도, 변동성	표준편차(Standard Deviation), 분산(Variance), 범위(Range), 사분위수범위(IQR)

한눈에 비교!

지표	특징	보건행정 실무 적용 예
평균	모든 데이터 사용, 극단값에 민감	병상 가동률 평균, 평균 재원일수 계산
중앙값	극단값 영향 적음, 순서 기반	진료 비용 데이터(고액 환자 존재 시)의 대표값으로 활용
표준편차	산포도 측정, 평균과 함께 해석	질 관리(QI)에서 치료 결과의 변동성 분석, 예산 편차 분석

실무 포인트 병원 경영 데이터(예: 월별 외래 환자 수, 수술 소요 시간, 재원일수)를 분석할 때는 평균과 표준편차를 함께 보는 습관을 들여야 해요. 평균만 보면 데이터의 실제 분포를 놓칠 수 있어요. 예를 들어, 수술 시간의 표준편차가 크다면 수술 프로세스의 표준화가 필요하다는 신호일 수 있죠. 또한, 가중평균은 병원의 종합 평점을 산출하거나, 다양한 부서의 성과를 통합 평가할 때 유용하게 쓰여요. 암기 팁 "중심(中心)에는 평(Mean), 중앙(Median), 최빈(Mode)이 모여 있다"고 기억하세요. '표준편차'는 이름에 '편차'가 들어가니 중심이 아니라 '퍼짐'을 측정한다고 연상하면 됩니다. 국시 빈출 포인트 보건의료정보관리사/병원행정사 시험에서는 중심경향값 vs 산포도 지표 구분 문제가 단순 지식 확인형으로 자주 출제됩니다. 또한, 특정 데이터 특성(예: 극단값 존재, 명목척도 데이터)에 어떤 중심경향값 지표를 사용하는 것이 적절한지를 묻는 응용 문제도 나올 수 있어요. 기출 변형 주의! 동일한 개념을 다음과 같이 변형하여 출제될 수 있어요.
사례형: "한 병원의 외래 진료 대기 시간 데이터에 극단적으로 오래 기다린 몇 명의 데이터가 포함되어 있다. 대기 시간의 대표적인 중심 경향값을 보고할 때 가장 적합한 지표는?" → 정답: 중앙값
계산형: "다음 데이터의 평균과 표준편차를 구하시오." (간단한 숫자 데이터 제시)

보건행정 실무 가이드 실무 시나리오 (Clinical Scenario) "병원 기획팀에서 최근 1년간 주요 수술(예: 관상동맥우회술(CABG))의 소요 시간 데이터를 분석 중입니다. 평균 수술 시간은 4시간으로 나왔지만, 각 수술별 데이터를 보면 2시간에서 8시간까지 편차가 매우 큽니다. 원장님께 보고할 자료를 준비해야 하는데, 단순히 '평균 4시간'이라고 보고하는 것이 적절할까요?" 행정 중재 전략 (Admin Intervention) 1. 상황 파악: 평균만 제시하면 데이터의 중요한 특성인 '변동성'이 숨겨집니다. 이는 수술 팀의 숙련도 차이, 증상 중증도 차이, 비상 상황 발생 등 다양한 원인이 있을 수 있어요. 2. 법적/규정 검토: 직접적인 법규는 아니지만, 의료의 질 관리(Quality Improvement, QI)와 표준화 지침 수립을 위한 기초 데이터 분석 원칙이 적용됩니다. 3. 대응 및 처리: 핵심! 평균(4시간)과 함께 표준편차(예: ±1.5시간)를 반드시 제시해야 합니다. 더 나아가, 데이터 분포를 한눈에 보여주는 히스토그램(Histogram)이나 박스플롯(Box plot)을 첨부하면 더욱 전문적인 보고가 됩니다. 중앙값도 함께 계산해보면 극단값의 영향을 확인할 수 있어요. 4. 사후 기록/보고: "주요 수술 평균 소요 시간은 4시간(표준편차 ±1.5시간)으로 분석되었으며, 변동성이 상당히 큰 것으로 나타나 추가 원인 분석 및 프로세스 표준화 검토가 필요해 보입니다"와 같은 통찰을 포함한 보고를 합니다. 법적 안전 및 주의사항 (Precautions) 통계 데이터를 공개하거나 보고할 때는 오해의 소지가 없는 정확한 표현을 사용해야 합니다. '평균'만 강조하여 마치 모든 수술이 그 시간에 걸린다는 식의 메시지를 전달하면 안 됩니다. 이는 내부 의사결정이나 외부 평가에 잘못된 정보를 제공할 수 있어요. 업무 프로토콜

단계	행동	산출물/도구
1. 데이터 수집	전자의무기록(EMR) 또는 수술실 로그시스템에서 기간, 수술명, 소요시간 데이터 추출	Raw 데이터 파일(CSV, Excel)
2. 기술통계 계산	평균, 중앙값, 표준편차, 최소/최대값, 사분위수 계산	Excel의 AVERAGE(), MEDIAN(), STDEV.S() 함수 또는 통계 소프트웨어
3. 시각화	분포를 확인하기 위한 히스토그램 또는 박스플롯 생성	Excel 차트 도구 또는 Python (matplotlib), R
4. 보고서 작성	중심경향값과 산포도 지표를 함께 해석한 내용 포함	보고서 문서, 프레젠테이션 슬라이드

선배의 한마디 "보건행정가에게 통계는 단순한 숫자 놀이가 아니에요. 데이터 속에 숨겨진 이야기를 읽어내어 병원 운영을 개선하고, 환자 안전을 높이며, 합리적인 예산을 편성하는 데 사용하는 강력한 도구예요. '평균'과 '표준편차'라는 기본 개념만 잘 이해해도 데이터를 바라보는 눈이 완전히 달라질 거예요. 복잡한 분석보다 정확한 기본기가 실무에서 더 빛을 발합니다!"