다음 중 자료의 산포 정도를 나타내는 지표가 아닌 것은?

평균은 자료의 중심 경향성을 나타내는 지표이며, 범위, 사분위수 범위, 분산, 표준편차는 모두 자료가 퍼져 있는 정도인 산포도를 측정하는 지표이다.

보건행정 핵심 해설 이 문제는 보건통계학의 기초 개념인 기술통계(Descriptive Statistics) 지표를 구분하는 능력을 평가해요. 보건행정 현장에서는 의료 데이터의 품질 평가, 병원 성과 지표 분석, 건강 불평등 연구 등 다양한 분야에서 데이터의 특성을 정확히 파악하는 것이 필수적이죠. 핵심 개념 분석 (Key Concept): 통계 지표는 크게 두 가지 목적을 가져요. 하나는 데이터의 중심이 어디인지 나타내는 중심경향치(Measures of Central Tendency)이고, 다른 하나는 데이터가 중심으로부터 얼마나 퍼져 있는지 나타내는 산포도(Measures of Dispersion)입니다. 이 둘을 명확히 구분하는 것은 데이터를 해석하는 첫걸음이에요. 정답 근거 (Answer Rationale): 정답은 ④ 평균이에요. 핵심! 평균(Mean)은 모든 관측값을 더해 개수로 나눈 값으로, 데이터의 대표적인 중심 위치를 나타냅니다. 따라서 이는 산포도가 아닌 중심경향치에 속하는 지표입니다. 오답 분석 (Distractor Analysis): - ① 사분위수 범위(IQR): 자료를 크기 순으로 배열했을 때, 상위 25%(Q3)와 하위 25%(Q1)의 차이입니다. 이는 데이터의 중간 50%가 퍼져 있는 범위를 나타내므로, 산포도 지표입니다. - ② 범위(Range): 자료의 최댓값과 최솟값의 차이로, 가장 간단한 산포도 지표입니다. 하지만 극단값(Outlier)에 매우 민감하다는 한계가 있어요. - ③ 표준편차(Standard Deviation): 각 자료값이 평균으로부터 평균적으로 얼마나 떨어져 있는지를 나타내는 가장 대표적인 산포도 지표입니다. 분산의 제곱근이에요. - ⑤ 분산(Variance): 각 자료값과 평균의 차이(편차)를 제곱한 후 평균을 낸 값입니다. 표준편차와 마찬가지로 자료의 퍼짐 정도를 측정하는 핵심 산포도 지표입니다. 연관 개념 정리 (Related Concepts): - 중심경향치에는 평균(Mean), 중앙값(Median), 최빈값(Mode)이 있습니다. - 산포도에는 범위, 사분위수 범위(IQR), 분산, 표준편차, 변동계수(Coefficient of Variation) 등이 있습니다. - 혼동 주의! 변동계수(CV)는 표준편차를 평균으로 나눈 값(%)으로, 단위가 다른 두 집단의 산포도를 비교할 때 유용한 상대적 산포도 지표입니다.
개념 정리

지표 종류	주요 지표	의미	특징/용도
중심경향치	평균(Mean)	자료의 중심 위치 (산술평균)	극단값에 민감함
	중앙값(Median)	자료를 순서대로 나열했을 때 중앙값	극단값에 강건함(Robust)
	최빈값(Mode)	가장 자주 나타나는 값	명목척도 자료에 사용
산포도	범위(Range)	최댓값 - 최솟값	간단하지만 극단값 영향 큼
	사분위수 범위(IQR)	Q3 - Q1	중간 50%의 범위, 극단값 영향 적음
	분산(Variance)	편차 제곱의 평균	산포도의 기본 측정치
	표준편차(SD)	분산의 제곱근	가장 널리 쓰이는 산포도 지표
	변동계수(CV)	(표준편차 / 평균) × 100	단위가 다른 자료의 산포 비교

한눈에 비교!

비교 항목	중심경향치	산포도
목적	데이터의 '대표값' 또는 '중심' 찾기	데이터의 '퍼짐' 또는 '변동성' 측정
핵심 질문	"전체적으로 어느 정도인가?"	"얼마나 일관적인가?/얼마나 다양하게 퍼져 있는가?"
보건행정 적용 예	병상 평균 재원일수, 의사 1인당 평균 진료 환자 수	병원별 재원일수 차이(변동), 건강검진 수치(콜레스테롤)의 개인별 편차

실무 포인트 보건행정 실무에서 데이터를 분석할 때는 평균만 보면 안 돼요! 반드시 산포도(표준편차 등)를 함께 확인해야 데이터의 전모를 이해할 수 있습니다. 예를 들어, 두 병원의 평균 수술 시간이 같아도, 한 병원은 표준편차가 커서(수술 시간 편차가 큼) 수술 프로세스의 표준화가 덜 되어 있을 수 있습니다. 이는 의료의 질(Quality of Care) 관리와 직접 연결되는 중요한 통찰이에요.
암기 팁 "중심(평균, 중앙값)은 모아요, 산포(범위, 분산)는 퍼져요"라고 외우세요. 또는 산포도 지표들은 대부분 '차이(범위)', '편차(표준편차, 분산)', '범위(사분위수 범위)'라는 단어를 포함하고 있다는 점을 기억하세요.
국시 빈출 포인트 이 주제는 기본 개념 구분형으로 매년 빠지지 않고 출제됩니다. "다음 중 중심경향치/산포도에 속하는/속하지 않는 것은?" 형태의 문제가 대부분이에요. 평균, 중앙값, 최빈값, 범위, 사분위수 범위, 분산, 표준편차, 변동계수 이 8가지 지표의 속성을 정확히 암기해두세요.
기출 변형 주의! 동일한 개념을 다음과 같이 변형하여 출제할 수 있어요. - 사례 적용형: "어느 병원의 입원일수 자료가 극단적으로 긴 값(Outlier)을 포함하고 있을 때, 중심경향치와 산포도를 각각 무엇으로 측정하는 것이 가장 적절한가?" (정답: 중심경향치 → 중앙값, 산포도 → 사분위수 범위) - 계산/해석형: 표준편차와 평균 값이 주어졌을 때 변동계수(CV)를 계산하거나, 변동계수의 의미를 해석하는 문제.

보건행정 실무 가이드 실무 시나리오 (Clinical Scenario): "병원 기획팀에서 외래 진료 대기 시간을 줄이기 위한 프로젝트를 진행 중입니다. A과와 B과의 '평균 진료 대기 시간'을 조사했더니 둘 다 30분으로 동일했습니다. 따라서 두 과의 대기 시간 문제는 비슷한 수준이라고 결론지어도 될까요?" 행정 중재 전략 (Admin Intervention): 1. 상황 파악: 평균만으로 판단하는 것은 위험합니다. 평균이 같아도 데이터의 분포는 완전히 다를 수 있거든요. 2. 데이터/규정 검토: 두 과의 진료 대기 시간 데이터의 산포도를 추가로 분석해야 합니다. 표준편차와 사분위수 범위(IQR)를 계산해보세요. 3. 대응 및 처리: - 만약 A과의 표준편차가 5분이고 B과의 표준편차가 20분이라면, B과는 대기 시간의 변동이 매우 크다는 의미입니다. 어떤 환자는 바로 진료받고, 어떤 환자는 1시간 이상 기다리는 등 서비스의 균일성(Uniformity)이 낮은 것이죠. - 이 경우, B과에 대한 개선 프로젝트는 "대기 시간의 예측 가능성과 일관성을 높이는 것"에 초점을 맞춰야 합니다 (예: 진료 슬롯 관리 개선, 예약 시스템 조정). 4. 사후 기록/보고: 성과 보고서에는 반드시 평균과 함께 산포도 지표(표준편차, IQR)를 병기하여 데이터의 전체적인 특성을 명확히 전달해야 합니다. 법적 안전 및 주의사항 (Precautions): 이는 법적 문제라기보다는 데이터 기반 의사결정(Data-Driven Decision Making)의 정확성 문제입니다. 잘못된 데이터 해석은 비효율적인 자원 배분이나 잘못된 정책 수립으로 이어질 수 있어요. 항상 '평균의 함정'에 주의하세요.
업무 프로토콜 병원 성과 지표(KPI) 분석 시 필수 체크리스트 1. 중심경향치(평균 또는 중앙값) 계산 2. 산포도(표준편차, 범위, IQR) 계산 → 데이터의 변동성 확인 3. 분포 형태 확인 (히스토그램 등) → 정규분포 여부, 극단값 존재 여부 확인 4. 극단값(Outlier)이 있다면, 그 원인 분석 (데이터 오류? 특수 사례?) 5. 최종 해석 시 중심경향치와 산포도를 종합적으로 고려하여 보고서 작성
선배의 한마디 "보건행정가는 숫자에 약해서는 안 돼요! 평균 하나로 모든 걸 설명하려다 보면 중요한 신호를 놓치게 됩니다. 환자 만족도, 재원일수, 비용 데이터를 분석할 때는 항상 '이 숫자들은 얼마나 몰려 있고, 얼마나 퍼져 있을까?'를 묻는 습관을 들이세요. 그게 바로 전문가와 아마추어를 가르는 차이입니다. 통계는 무서운 게 아니라, 우리가 더 현명한 결정을 내리도록 도와주는 친구라고 생각해보세요!"