보건행정 핵심 해설
이 문제는 보건통계학의 기초이자, 병원 경영 데이터(예: 입원일수, 의료비 분포)를 해석할 때 반드시 알아야 할
왜도(Skewness)와 중심경향치(Central Tendency)의 관계를 묻고 있어요. 보건행정사와 보건의료정보관리사는 병원 성과 지표, 환자 만족도 조사 결과, 의료비 지출 데이터 등을 분석할 때 데이터의 분포 형태를 정확히 이해해야 올바른 의사결정을 할 수 있어요.
핵심 개념 분석 (Key Concept)
*
왜도(Skewness): 데이터 분포가 대칭에서 얼마나 벗어났는지를 나타내는 지표예요. 오른쪽으로 치우친 분포(양의 왜도, Positive Skew)는 소수의 매우 큰 값(극단값, Outlier)이 분포의 오른쪽 꼬리를 길게 만듭니다. 병원에서의 의료비 지출, 응급실 대기 시간 등은 대부분 이와 같은 분포를 보이는 경우가 많아요.
*
중심경향치(Central Tendency): 데이터를 대표하는 하나의 값으로, 주로
평균(Mean),
중앙값(Median),
최빈값(Mode)을 사용해요.
정답 근거 (Answer Rationale)
핵심! 오른쪽으로 치우친(양의 왜도) 분포에서는 평균이 극단적으로 큰 값들의 영향을 가장 크게 받아 오른쪽으로 끌려가요. 중앙값은 순서상 가운데 위치한 값이므로 평균보다는 극단값의 영향을 덜 받습니다. 최빈값은 가장 자주 나타나는 값으로, 분포의 정점(Peak)에 해당하며 일반적으로 가장 왼쪽에 위치해요. 따라서 일반적인 크기 관계는
최빈값 < 중앙값 < 평균이 성립합니다. 이는 통계학의 기본 원리이며, 보건행정 데이터 해석의 토대가 돼요.
오답 분석 (Distractor Analysis)
*
혼동 주의! ①번 '최빈값 < 평균 < 중앙값': 평균과 중앙값의 순서가 뒤바뀌었어요. 평균이 중앙값보다 항상 크다는 점을 기억하세요.
* ②번 '평균 = 중앙값 = 최빈값': 이 관계는 완벽한 대칭 분포(예: 정규분포)에서만 성립해요. 왜도가 있는 분포에서는 적용되지 않습니다.
* ④번 '중앙값 < 최빈값 < 평균': 최빈값과 중앙값의 순서가 뒤바뀌었어요. 양의 왜도에서는 최빈값이 중앙값보다 항상 작아요.
* ⑤번 '평균 < 중앙값 < 최빈값': 이 관계는 왼쪽으로 치우친(음의 왜도, Negative Skew) 분포의 특징이에요. 방향을 정반대로 이해한 경우입니다.
연관 개념 정리 (Related Concepts)
*
음의 왜도(Negative Skewness): 데이터가 왼쪽으로 치우친 경우예요. 이때는 평균이 극단적으로 작은 값에 끌려 가장 왼쪽에 위치하며, 관계는
평균 < 중앙값 < 최빈값이 성립해요.
*
실무 적용: 평균은 극단값에 민감하므로, 의료비나 입원일수처럼 오른쪽 꼬리가 긴 데이터를 보고할 때는
핵심! 중앙값을 함께 제시하는 것이 데이터를 왜곡 없이 전달하는 방법이에요. 예를 들어, "평균 입원일수는 10일이지만, 중앙값은 7일입니다"라고 보고하면, 소수의 장기 입원 환자로 인해 평균이 늘어났음을 알 수 있어요.
개념 정리
| 분포 형태 | 왜도 | 평균, 중앙값, 최빈값 관계 | 보건행정 예시 |
|---|
| 대칭 분포 | 0 (무왜도) | 평균 = 중앙값 = 최빈값 | 정상 성인의 혈압 분포 |
| 오른쪽 치우침 | 양의 왜도(Positive) | 최빈값 < 중앙값 < 평균 | 입원 환자의 의료비, 응급실 체류 시간 |
| 왼쪽 치우침 | 음의 왜도(Negative) | 평균 < 중앙값 < 최빈값 | 시험 점수(대부분 고득점), 예방접종 완료율 |
한눈에 비교!
| 중심경향치 | 정의 | 장점 | 단점 | 적합한 상황 |
|---|
| 평균(Mean) | 모든 관측값의 합을 개수로 나눈 값 | 모든 데이터를 활용, 수학적 처리 용이 | 극단값(Outlier)에 매우 민감 | 대칭 분포, 극단값이 없는 데이터 |
| 중앙값(Median) | 데이터를 크기순으로 나열했을 때 가운데 위치한 값 | 극단값의 영향을 받지 않음, 강건함(Robust) | 모든 데이터의 크기 정보를 활용하지 않음 | 왜도가 있는 분포, 순위 데이터 |
| 최빈값(Mode) | 가장 자주 관측되는 값 | 직관적 이해 쉬움, 명목척도 데이터에 사용 가능 | 유일하지 않을 수 있음(다중최빈값), 불안정함 | 범주형 데이터, 가장 일반적인 사례 파악 |
실무 포인트
*
병원 리포트 작성 시: KPI(핵심성과지표)를 보고할 때, 데이터 분포를 먼저 확인하세요. 의료비, 재원일수 등은 대부분 오른쪽 치우침을 보이므로,
평균과 중앙값을 모두 제시하여 데이터를 정확히 전달하세요.
*
보험 심사 자료 분석 시: 특정 질환군의 평균 청구 금액이 갑자기 증가했다면, 소수의 고액 청구 사례(극단값) 때문인지, 전체적인 상승인지 중앙값 변화를 통해 확인할 수 있어요.
*
환자 만족도 조사 시: 리커트 척도(Likert scale) 결과는 순위 데이터에 가까우므로, 평균보다
중앙값과 최빈값을 해석에 더 중점을 두는 것이 좋아요.
암기 팁
*
방향 기억법: "오른쪽(양의)으로 치우치면 평균이 제일
오른쪽(큰 값)으로 끌려가!" → 따라서 평균이 가장 크다.
*
순서 기억법: "오(른쪽) - 중 - 최" → 오른쪽 치우침에서는 평균(가장 오른쪽) > 중앙값 > 최빈값.
국시 빈출 포인트
* 왜도의 방향(양/음)과 세 중심경향치의 크기 관계를 직접 묻는 문제가 가장 많이 출제됩니다.
* 주어진 히스토그램이나 박스플롯(Box plot)을 보고 분포의 형태와 중심경향치 관계를 추론하는 문제도 나올 수 있어요.
* 평균, 중앙값, 최빈값 각각의 정의와 특징을 구분하여 물어보는 문제도 함께 준비하세요.
기출 변형 주의!
*
사례형: "A 병원의 코로나19 환자 입원일수 데이터를 분석했더니 평균 15일, 중앙값 10일, 최빈값 7일이 나왔다. 이 데이터의 분포 형태는?" → 정답: 오른쪽으로 치우친 분포(양의 왜도).
*
역방향 질문: "평균 < 중앙값 < 최빈값 관계가 성립하는 분포의 형태는?" → 정답: 왼쪽으로 치우친 분포(음의 왜도).