핵심 해설
이 문제는 자료의 중심 경향을 나타내는 대푯값 중 극단적인 값(이상치, Outlier)에 가장 취약한 통계량을 묻고 있어요.
중심 경향(Central Tendency)은 데이터가 어느 한 곳으로 모여드는 성질을 나타내며, 대표적으로
평균(Mean),
중앙값(Median),
최빈값(Mode)이 있습니다. 이 중 평균은 모든 관측치를 합산하여 전체 개수로 나누는 산술적 방법이기 때문에, 하나의 극단값이 전체 합계에 큰 영향을 주어 왜곡(Distortion)이 발생합니다. 반면 중앙값은 순서대로 나열했을 때 가운데 위치한 값이므로 극단값의 영향이 거의 없고, 최빈값은 가장 빈번하게 나타나는 값이라 이상치에 전혀 영향을 받지 않습니다.
핵심! 예를 들어, 환자의 체온 데이터가
36.5℃, 36.7℃, 36.8℃, 37.0℃, 41.5℃일 때, 평균은
37.7℃로 실제 대다수의 체온보다 높아집니다. 하지만 중앙값은
36.8℃로 정상 범위를 잘 반영합니다. 이처럼 간호 연구나 임상 데이터 해석 시 평균만 맹신하면 오해할 수 있으니, 반드시 데이터의 분포와 이상치 유무를 함께 확인해야 합니다.
개념 정리
| 대푯값 | 정의 | 극단값 영향 |
|---|
| 평균(Mean) | 모든 값을 합산하여 개수로 나눈 값 | 가장 많이 받음 (왜곡 위험 큼) |
| 중앙값(Median) | 데이터를 순서대로 정렬했을 때 중앙에 위치한 값 | 거의 받지 않음 (순서 기반) |
| 최빈값(Mode) | 가장 빈번하게 나타나는 값 | 전혀 받지 않음 (빈도 기반) |
한눈에 비교!
혼동 주의! 분산(Variance)과
표준편차(Standard Deviation)는 중심 경향이 아니라
산포도(Dispersion)를 나타내는 측도입니다. 즉, 데이터가 평균을 중심으로 얼마나 퍼져 있는지를 나타내므로 이 문제에서 묻는 "대푯값"의 범주에 속하지 않습니다.
국시 빈출 포인트
간호 연구나 근거 중심 간호(Evidence-Based Nursing) 파트에서 통계 개념이 출제될 때, "이상치가 포함된 데이터에서 어떤 대푯값을 사용해야 하는가?"를 묻는 문제가 자주 나옵니다. 예를 들어, 특정 약물의 효과를 평가할 때 한 환자가 극단적인 반응을 보였다면 평균보다 중앙값이 더 대표성 있는 값입니다.