정규분포를 따르는 자료에서 평균으로부터 ±1표준편차 범위 내에 포함되는 자료의 비율은 약 얼마인가?

정규분포의 경험법칙에 따르면, 평균에서 ±1표준편차 범위에는 약 68%, ±2표준편차 범위에는 약 95%, ±3표준편차 범위에는 약 99.7%의 자료가 포함된다.

보건행정 핵심 해설 이 문제는 정규분포(Normal Distribution)의 경험법칙(Empirical Rule)에 대한 기본적인 이해를 묻고 있어요. 보건행정, 특히 보건통계학과 건강보험 자료 분석, 의료 질 지표(QI) 평가에서 정규분포는 매우 중요한 개념이에요. 환자 대기 시간, 검사 수치, 병원 재원일수 등 많은 의료 데이터가 정규분포를 따른다고 가정하고 분석하기 때문이죠. 핵심 개념 분석 (Key Concept) 정규분포는 평균(Mean)을 중심으로 좌우 대칭인 종 모양의 확률분포예요. 이 분포의 형태는 평균과 표준편차(Standard Deviation) 두 가지 매개변수로 완전히 결정돼요. 핵심! 여기서 말하는 '경험법칙' 또는 '68-95-99.7 법칙'은 정규분포를 따르는 자료에서 평균과 표준편차 사이의 관계를 간단히 정리한 거예요. 이 법칙은 통계적 추정과 가설 검정의 기초가 되며, 보건행정에서도 자료의 이상치(Outlier) 판단이나 신뢰구간(Confidence Interval) 설정에 활용돼요. 정답 근거 (Answer Rationale) 정규분포의 경험법칙에 따르면, 자료의 약 68%가 평균으로부터 ±1표준편차 범위 내에, 약 95%가 ±2표준편차 범위 내에, 약 99.7%가 ±3표준편차 범위 내에 위치해요. 따라서 평균 ±1표준편차 범위의 비율은 68%가 정답이에요. 이 수치는 통계학의 기본 중의 기본으로, 반드시 암기해야 할 필수 지식이에요. 오답 분석 (Distractor Analysis) 혼동 주의! 각 오답은 다른 표준편차 범위에 해당하는 비율과 혼동하기 쉽게 구성되어 있어요. ① 95%: 이는 평균으로부터 ±2표준편차 범위에 해당하는 비율이에요. 가장 흔히 사용되는 신뢰구간(95% 신뢰구간)의 근거가 되는 수치죠. ③ 99.7%: 이는 평균으로부터 ±3표준편차 범위에 해당하는 비율이에요. 거의 모든 자료를 포함한다고 볼 수 있어요. ④ 50%: 정규분포에서 평균을 중심으로 좌우 대칭이므로, 평균보다 작은 자료나 큰 자료는 각각 50%씩 차지해요. 하지만 특정 표준편차 범위와는 직접적인 관계가 없는 수치예요. ⑤ 75%: 정규분포의 경험법칙과는 관련이 없는 임의의 비율이에요. 연관 개념 정리 (Related Concepts) 이 문제를 통해 표준정규분포(Standard Normal Distribution, Z~N(0,1))와 Z-점수(Z-score) 개념도 함께 떠올려보세요. Z-점수는 '해당 값이 평균에서 몇 표준편차만큼 떨어져 있는지'를 나타내는 지표로, 정규분포를 표준화하여 비교할 때 사용해요. 또한, 보건행정 실무에서 통계적 공정 관리(Statistical Process Control, SPC) 차트를 그릴 때 관리 한계선을 설정하는 데에도 이 경험법칙이 적용될 수 있어요. 개념 정리

범위 (평균 ± kσ)	포함 비율 (경험법칙)	보건행정 적용 예시
±1 표준편차	약 68%	혈압, 혈당 등 정상 범위 설정 참고
±2 표준편차	약 95%	95% 신뢰구간, 대부분의 통계적 검정
±3 표준편차	약 99.7%	통계적 공정 관리(SPC)에서의 관리 한계, 이상치 탐지

한눈에 비교!

개념	의미	비고
경험법칙 (Empirical Rule)	정규분포에서 평균과 표준편차로 자료의 분포 비율을 추정하는 법칙	근사치(Approximation) 제공
체비셰프 부등식 (Chebyshev's Inequality)	어떤 분포든지 평균으로부터 k표준편차 이내에 있을 확률에 대한 하한을 제공	분포 형태에 관계없이 적용 가능 (예: 최소 75%가 ±2σ 내)

실무 포인트 보건의료정보관리사는 병원 성과 지표(Hospital Performance Indicators)를 분석할 때 정규분포 가정을 자주 사용해요. 예를 들어, '평균 재원일수' 데이터가 정규분포를 따른다면, 평균 ±2표준편차를 벗어나는 병원은 해당 지표에서 특이점(이상치)을 가진 것으로 판단하여 질 개선(QI) 프로젝트의 대상이 될 수 있어요. 자료의 분포를 확인하는 것은 올바른 통계 분석 방법을 선택하는 첫걸음이에요. 암기 팁 "일이삼, 육구오구구칠"이라고 외우세요! 일(1)표준편차 → 68%, 이(2)표준편차 → 95%, 삼(3)표준편차 → 99.7%라는 연결이 돼요. 국시 빈출 포인트 정규분포의 경험법칙 수치(68%, 95%, 99.7%)는 매년 빠지지 않고 출제되는 초고빈도 문제예요. 단순히 숫자만 물어보거나, "평균 100, 표준편차 15일 때 85~115 사이에 포함되는 비율은?" 같은 응용형으로 출제되기도 해요. 기출 변형 주의! * 계산형 변형: "어떤 검사 수치가 평균 120, 표준편차 10의 정규분포를 따른다. 110에서 130 사이에 포함될 환자의 비율은 약 얼마인가?" (110과 130은 각각 평균으로부터 ±1표준편차이므로 정답: 68%) * 역방향 질문: "정규분포에서 자료의 약 95%가 포함되는 범위는 평균으로부터 몇 표준편차 이내인가?" (정답: ±2표준편차)

보건행정 실무 가이드 실무 시나리오 (Clinical Scenario) "병원 기획팀에서 최근 1년간 외래 진료 대기 시간을 분석 중이에요. 데이터를 수집해보니 평균 대기 시간은 30분, 표준편차는 10분으로 계산되었고, 히스토그램을 그려보니 대략적인 정규분포 형태를 보였어요. 이제 '적정 대기 시간 관리 목표'를 설정해야 하는데, 평균 ±2표준편차(즉, 10분에서 50분)를 초과하는 경우를 '관리 대상 이상치'로 삼아 개선 프로젝트를 진행하려고 해요. 이 기준을 적용하면 전체 환자 중 약 몇 %가 관리 대상이 될까요?" 행정 중재 전략 (Admin Intervention) 1. 상황 파악: 대기 시간 데이터가 정규분포를 따른다고 가정할 수 있는지 시각적(히스토그램) 및 통계적 검정(예: Shapiro-Wilk 검정)으로 확인해요. 2. 법적/규정 검토: 이는 내부 질 관리 프로토콜 설정 문제로, 특별한 법적 제약은 없지만, 합리적인 기준 설정이 필요해요. 3. 대응 및 처리: 경험법칙에 따르면, 평균 ±2표준편차 범위(10~50분)에는 약 95%의 환자가 포함됩니다. 따라서 관리 대상이 되는 '이상치' 환자의 비율은 약 5% (100% - 95%)가 돼요. 이 5%의 사례를 심층 분석하여 대기 시간이 길어진 원인(의사 일정, 접수 시스템, 검사 대기 등)을 찾고 개선 방안을 모색해요. 4. 사후 기록/보고: 설정한 기준, 분석 결과, 개선 조치 내용을 의료의 질 개선(QI) 보고서에 체계적으로 기록하고, 정기적으로 모니터링 지표로 활용해요. 법적 안전 및 주의사항 (Precautions) 통계 분석 시 가장 중요한 것은 핵심! 데이터가 분석 가정(여기서는 정규성)을 충족하는지 먼저 확인하는 것이에요. 정규분포를 따르지 않는 데이터(예: 매우 치우친 분포)에 경험법칙을 무작정 적용하면 완전히 잘못된 결론을 내릴 수 있어요. 항상 데이터의 분포를 확인하는 습관을 들이세요. 업무 프로토콜 1. 데이터 수집 (대기 시간 로그) 2. 기술 통계량 계산 (평균, 표준편차) 3. 분포 형태 확인 (히스토그램/정규성 검정) 4. 분석 가정 충족 시 → 경험법칙 적용하여 기준 범위 설정 5. 기준 범위 벗어나는 사례 선별 및 원인 분석 6. 개선 방안 수립 및 실행 7. 지표 재측정 및 효과 평가 (PDCA 사이클) 선배의 한마디 "통계 숫자가 무섭게 느껴질 수 있지만, '68-95-99.7'이라는 마법의 숫자만 잘 기억해도 데이터를 해석하는 눈이 훨씬 밝아져요. 보건행정가는 데이터로 말하는 전문가여야 합니다. 이 간단한 법칙이 병원의 효율성, 환자 안전, 재무 건전성을 평가하는 강력한 도구가 될 수 있다는 걸 기억하세요!"