# 좌우 대칭인 종 모양의 정규분포에서 평균, 중앙값, 최빈값의 관계는?

> source: MyMerci (mymerci.kr)  
> url: https://mymerci.kr/pages/nclex_q.php?qn_id=290862  
> language: ko  
> subject: 기술통계

## 문제

좌우 대칭인 종 모양의 정규분포에서 평균, 중앙값, 최빈값의 관계는?

## 보기

1. 평균 > 중앙값 > 최빈값
2. 평균 < 중앙값 < 최빈값
3. 최빈값 > 중앙값 > 평균
4. 평균과 중앙값만 같고 최빈값은 다름
5. 평균 = 중앙값 = 최빈값 **✔ 정답**

**정답: 5**

## 해설

완전히 대칭인 단봉형(unimodal) 분포에서는 평균, 중앙값, 최빈값이 모두 같은 위치(분포의 중심)에 일치한다.

## 심화 해설

보건행정 핵심 해설
이 문제는 보건통계학의 기초이자, 데이터 분석과 연구 결과 해석의 출발점이 되는 정규분포(Normal Distribution)의 기본 성질을 묻고 있어요. 보건행정 현장에서는 건강검진 데이터 분석, 의료 서비스 이용량 예측, 의약품 임상시험 결과 평가 등 다양한 분야에서 정규분포 가정이 활용되기 때문에, 그 특성을 정확히 이해하는 것이 매우 중요해요.

**핵심 개념 분석 (Key Concept)**
정규분포는 '종 모양 곡선(Bell-shaped curve)'으로 잘 알려져 있으며, 평균(Mean), 중앙값(Median), 최빈값(Mode)이라는 세 가지 중심 경향 측정치가 모두 분포의 정중앙, 즉 대칭축 위에 위치하는 것이 가장 큰 특징이에요. 핵심! 이 세 값이 일치한다는 것은 데이터가 완벽하게 좌우 대칭이며, 평균을 중심으로 데이터가 고르게 퍼져 있음을 의미해요.

**정답 근거 (Answer Rationale)**
정답은 ⑤번 '평균 = 중앙값 = 최빈값'입니다. 이는 정규분포의 정의적 성질이에요. 좌우 대칭인 단봉형(Unimodal) 분포에서는 중심의 위치가 하나로 명확하며, 평균(모든 값의 합을 개수로 나눈 값), 중앙값(값들을 크기순으로 나열했을 때 정가운데 있는 값), 최빈값(가장 자주 나타나는 값)이 모두 그 하나의 중심점에서 만나게 돼요. 보건통계 교재나 기초 통계학 서적에 명시된 기본 정리입니다.

**오답 분석 (Distractor Analysis)**
혼동 주의! ①번 '평균 > 중앙값 > 최빈값'과 ②번 '평균 < 중앙값 < 최빈값'은 왜도(Skewness)가 있는 비대칭 분포에서 나타나는 관계예요. ①번은 오른쪽으로 긴 꼬리를 가진 **우편향(양의 왜도, Positive Skew)** 분포의 특징이며, ②번은 왼쪽으로 긴 꼬리를 가진 **좌편향(음의 왜도, Negative Skew)** 분포의 특징이에요. ③번 '최빈값 > 중앙값 > 평균'은 ②번과 순서만 바뀐 형태로, 실제로는 좌편향 분포에서 최빈값이 가장 크고 평균이 가장 작은 경우를 나타내지만, 일반적인 좌편향 분포의 서열 관계 표현으로는 ②번이 더 흔히 사용돼요. ④번 '평균과 중앙값만 같고 최빈값은 다름'은 대칭이지만 단봉형이 아닌(예: 균등분포) 경우나, 특이한 형태의 분포에서 발생할 수 있지만, 문제에서 전제한 '좌우 대칭인 종 모양의 정규분포'에서는 성립하지 않아요.

**연관 개념 정리 (Related Concepts)**
정규분포는 평균(μ)과 표준편차(σ) 두 매개변수로 완전히 정의됩니다. 보건 분야에서 많은 생물학적 측정치(예: 혈압, 키, 혈중 콜레스테롤 수치)는 근사적으로 정규분포를 따르는 경우가 많아요. 또한, 중심극한정리(Central Limit Theorem)에 따라 표본 크기가 충분히 크면 표본 평균의 분포가 정규분포에 가까워지기 때문에, 통계적 추정과 가설 검정의 기초가 됩니다.

개념 정리

| 용어 | 정의 | 정규분포에서의 위치 |
| --- | --- | --- |
| 평균(Mean) | 모든 관측값의 합을 관측값 개수로 나눈 값 | 모두 동일한 분포의 중심(대칭축)에 위치 |
| 중앙값(Median) | 관측값을 크기순으로 정렬했을 때 정가운데 있는 값 |  |
| 최빈값(Mode) | 가장 빈번하게 관측되는 값 |  |

한눈에 비교!

| 분포 형태 | 평균, 중앙값, 최빈값 관계 | 보건 분야 예시 (가능성) |
| --- | --- | --- |
| 정규분포 (대칭, 단봉) | 평균 = 중앙값 = 최빈값 | 성인 남성의 키, 정상 혈압 수치 |
| 우편향 분포 (양의 왜도) | 평균 > 중앙값 > 최빈값 | 병원 입원 기간, 개인 의료비 지출 (소수 고액 환자 존재) |
| 좌편향 분포 (음의 왜도) | 평균 < 중앙값 < 최빈값 | 시험 점수 (대부분 고득점, 소수 저득점), 일부 생존 분석 데이터 |

실무 포인트
병원 경영 데이터(예: 외래 환자 대기 시간, 수술 소요 시간)를 분석할 때, 먼저 데이터의 분포 형태(히스토그램 등으로 확인)를 살펴야 해요. 데이터가 정규분포를 따른다면 평균이 전체를 잘 대표하므로 평균값을 중심으로 서비스 수준을 평가하거나 자원을 계획할 수 있어요. 하지만 우편향된 데이터(예: 대부분 환자는 30분 이내 대기하지만, 극소수는 3시간 이상 대기)에서는 평균만 보면 실제 상황을 왜곡할 수 있으므로, 중앙값이나 백분위수를 함께 확인하는 것이 현명한 행정 판단의 열쇠가 돼요.

암기 팁
"**정규는 똑같아(평=중=최), 우편은 평균이 킹(평>중>최), 좌편은 최빈이 짱(평

## 임상 시나리오

보건행정 실무 가이드
**실무 시나리오 (Clinical Scenario)**
"병원 기획팀에서 신규 건강검진 패키지의 소요 시간을 예측하고 있습니다. 작년 동종 검진의 완료 시간 데이터를 분석해 보니, 평균 120분, 중앙값 110분, 최빈값 105분으로 나타났어요. 검진실 배치와 스태프 스케줄을 이 평균값 120분을 기준으로 계획하려고 합니다. 이 계획에 문제가 있을까요?"

**행정 중재 전략 (Admin Intervention)**
1.  **상황 파악**: 평균(120) > 중앙값(110) > 최빈값(105) 관계가 성립합니다. 이는 데이터 분포가 우편향되었음을 강력히 시사해요. 즉, 대부분의 검진은 105~110분 내에 끝나지만, 소수의 오래 걸리는 케이스가 평균을 끌어올린 것이에요.
2.  **법적/규정 검토**: 특별한 법규는 없지만, 효율적인 자원 운영과 환자 서비스 품질(Quality of Service) 차원에서 검토가 필요해요.
3.  **대응 및 처리**: 평균값 120분을 기준으로 스태프를 배치하면, 대부분의 시간에는 스태프가 여유롭게 되어 비효율적일 수 있어요. 더 현실적인 계획을 세우기 위해 **중앙값(110분)이나 80-90번째 백분위수**를 추가로 확인하는 것이 좋아요. 또한, '왜 소수의 검진은 시간이 많이 소요되는가?'를 분석(예: 추가 검사 필요, 고령 환자 비율)하여 예외 케이스를 줄이는 방안을 모색하는 것이 근본적인 해결책이 될 수 있어요.
4.  **사후 기록/보고**: 데이터 분석 결과(분포 형태, 주요 중심 경향치 및 산포도)와 이를 반영한 자원 계획안을 보고서로 작성하여 관리부서에 제출합니다.

**법적 안전 및 주의사항 (Precautions)**
이 경우 직접적인 법적 리스크는 낮지만, 잘못된 데이터 해석으로 인한 비효율적 자원 배치는 병원의 재정적 손실(인건비 낭비)과 환자 대기 시간 증가로 이어져 서비스 만족도 하락을 초래할 수 있어요. 데이터 기반 의사결정(Data-Driven Decision Making)의 정확성이 중요합니다.

업무 프로토콜
**의료 서비스 데이터 분석 시 고려사항**
1.  데이터 수집: 정확하고 일관된 측정 기준 적용.
2.  탐색적 분석: 히스토그램/상자그림으로 분포 형태 시각화 확인.
3.  중심 경향 측정: 평균, 중앙값, 최빈값 모두 계산 및 비교.
4.  산포도 측정: 표준편차, 사분위범위(IQR) 확인.
5.  의사결정: 분포 형태에 따라 적절한 대표값(평균 or 중앙값)과 계획 마진(백분위수 활용) 선택.
6.  보고: 분석 근거와 함께 제안서 제출.

선배의 한마디
"보건행정에서 숫자와 데이터는 우리의 가장 강력한 동료예요! 하지만 데이터는 말을 하지 않죠. 우리가 제대로 '읽어야' 해요. 평균 하나만 보지 말고, 데이터가 어떤 이야기를 들려주는지(분포 형태)를 꼭 들어보세요. 그 이야기가 바로 더 현명한 병원 운영의 힌트가 된답니다. 통계는 단순 계산이 아니라, 숨겨진 패턴을 발견하는 '통찰의 도구'라는 걸 잊지 마세요!"

## 핵심 개념

- **정규분포(Normal Distribution)** — 좌우 대칭의 종 모양 곡선을 가지는 연속 확률분포로, 평균, 중앙값, 최빈값이 모두 일치하며 평균(μ)과 표준편차(σ)로 정의됩니다.
- **평균** — 모든 관측값의 합을 관측값의 개수로 나눈 값으로, 데이터의 중심 경향을 나타내는 대표값 중 하나입니다.
- **중앙값** — 관측값을 크기순으로 정렬했을 때 정가운데 위치하는 값으로, 극단값의 영향을 받지 않아 비대칭 분포의 대표값으로 유용합니다.
- **최빈값** — 데이터 집합에서 가장 빈번하게 나타나는 값입니다. 정규분포에서는 단일 최빈값을 가지며 평균, 중앙값과 일치합니다.
- **왜도** — 확률분포의 비대칭 정도를 나타내는 통계량입니다. 양의 값은 우편향(오른쪽 꼬리 길다), 음의 값은 좌편향(왼쪽 꼬리 길다)을 의미합니다.

## 같은 주제 문제

- [다음 데이터 세트의 중앙값(median)은?데이터: 12, 7, 15, 9, 13, 18, 5](https://mymerci.kr/pages/nclex_q.php?qn_id=290855)
- [어떤 학급의 시험 점수 분포가 오른쪽으로 치우쳐 있을 때, 평균, 중앙값, 최빈값의 관계로 옳은 것은?](https://mymerci.kr/pages/nclex_q.php?qn_id=290856)
- [다음 중 극단값(outlier)의 영향을 가장 많이 받는 중심경향 측정치는?](https://mymerci.kr/pages/nclex_q.php?qn_id=290857)
- [질적 자료(명목척도 또는 순서척도)의 중심경향을 나타내는 데 가장 적합한 측정치는?](https://mymerci.kr/pages/nclex_q.php?qn_id=290858)
- [5명의 환자 입원 기간(일)이 다음과 같을 때, 평균 입원 기간은?입원 기간: 3, 7, 4, 10, 6](https://mymerci.kr/pages/nclex_q.php?qn_id=290859)
- [다음 데이터 세트의 최빈값(mode)은?데이터: 8, 5, 8, 3, 5, 8, 2, 5](https://mymerci.kr/pages/nclex_q.php?qn_id=290860)
- [성장률이나 비율 데이터의 평균을 계산할 때 주로 사용되는 중심경향 측정치는?](https://mymerci.kr/pages/nclex_q.php?qn_id=290861)
- [다음 중 중심경향값(central tendency)을 측정하는 지표가 아닌 것은?](https://mymerci.kr/pages/nclex_q.php?qn_id=290863)

---

More free questions: [기출문제](https://mymerci.kr/)

_학습 참고용입니다. 실제 임상은 최신 지침과 소속 기관 프로토콜을 따르세요._