# 데이터가 오른쪽으로 치우친(왼쪽 꼬리가 긴) 양의 왜도를 가질 때, 일반적인 평균, 중앙값, 최빈값의 크기 관계는?

> source: MyMerci (mymerci.kr)  
> url: https://mymerci.kr/pages/nclex_q.php?qn_id=290872  
> language: ko  
> subject: 기술통계

## 문제

데이터가 오른쪽으로 치우친(왼쪽 꼬리가 긴) 양의 왜도를 가질 때, 일반적인 평균, 중앙값, 최빈값의 크기 관계는?

## 보기

1. 최빈값 < 평균 < 중앙값
2. 평균 = 중앙값 = 최빈값
3. 최빈값 < 중앙값 < 평균 **✔ 정답**
4. 중앙값 < 최빈값 < 평균
5. 평균 < 중앙값 < 최빈값

**정답: 3**

## 해설

오른쪽으로 치우친 분포에서는 평균이 극단값에 끌려 중앙값보다 크고, 중앙값은 최빈값보다 크다. 따라서 최빈값 < 중앙값 < 평균의 관계가 성립한다.

## 심화 해설

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 < 평균**이 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 < 최빈값**이 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).

## 임상 시나리오

보건행정 실무 가이드
**실무 시나리오 (Clinical Scenario)**
"의료기관평가인증원에서 병원 경영 성과 지표를 분석 중이에요. '일반병동 평균 재원일수'가 전국 상급종합병원(Tertiary care hospital) 평균보다 2일 길게 나왔습니다. 병원장님께 이 수치를 그대로 보고하면, '우리 병원 효율이 나쁘다'는 오해를 살 수 있어요. 어떻게 데이터를 추가로 분석하고 보고해야 할까요?"

**행정 중재 전략 (Admin Intervention)**
1.  **상황 파악**: 단순 평균 비교는 데이터 분포를 보지 못하게 합니다. 먼저 재원일수 데이터의 분포(히스토그램)와 중앙값을 확인하세요.
2.  **데이터 검토**: 데이터가 오른쪽으로 치우쳤는지(양의 왜도) 확인합니다. 소수의 장기 입원 환자(예: 중증 화상, 장기 이식 후 합병증 환자)가 평균을 끌어올렸을 가능성이 높아요.
3.  **대응 및 보고**:
*   핵심! 보고서에 **"평균 재원일수: X일, 중앙값 재원일수: Y일"**을 함께 명시합니다.
*   "중앙값은 전국 평균과 유사하며, 평균이 높게 나타난 것은 소수의 고위험·장기 입원 환자에 기인한 것입니다"라고 설명을 추가합니다.
*   필요하다면, 해당 장기 입원 환자군을 별도로 분리하여 분석(예: DRG(포괄수가제)별, 중증도별)하면 더 정교한 경영 분석이 가능해져요.
4.  **사후 기록**: 이러한 분석 방법과 보고 형식을 표준 운영 절차(SOP)에 반영하여, 향후 유사한 지표 분석 시 일관된 접근을 할 수 있도록 합니다.

**법적 안전 및 주의사항 (Precautions)**
*   통계 데이터를 왜곡하거나 오해의 소지가 있게 보고하는 것은 윤리적 문제를 일으킬 수 있어요. 핵심! 항상 데이터의 전체적인 맥락(분포, 극단값)을 투명하게 공개하는 것이 전문가의 자세입니다.
*   공식 제출 자료(예: 건강보험심사평가원 제출 자료)에서 평균값만을 사용해야 하는 경우에는, 내부 분석 시 반드시 중앙값 등 다른 측정치를 참고하여 데이터의 건강 상태(Data Health)를 점검하세요.

업무 프로토콜
**병원 성과 지표 분석 및 보고 프로토콜**
1.  **데이터 수집**: 원무정보시스템(HIS)에서 기간별, 부서별 성과 지표(재원일수, 의료비 등) Raw 데이터 추출.
2.  **기초 분석**: 평균, 중앙값, 최빈값, 표준편차 계산. 히스토그램/박스플롯으로 분포 시각화.
3.  **이상치 탐색**: 평균과 중앙값 차이가 크다면, 극단값(이상치)을 식별하고 그 원인(특정 환자, 특수 케이스)을 조사.
4.  **보고서 작성**: 평균값과 함께 중앙값 제시. 분포 특성과 이상치 영향에 대한 설명문 포함.
5.  **의사결정 지원**: 분석 결과를 바탕으로 부서별 개선 과제 도출 또는 자원 배분 논의에 활용.

선배의 한마디
"보건행정에서 숫자는 말을 합니다. 하지만 그 숫자가 속임수일 수도 있어요. 평균 하나에 현혹되지 마세요. 데이터의 '모양'(분포)을 항상 들여다보는 습관이, 병원 경영의 핵심 문제를 정확히 진단하는 첫걸음이에요. 통계는 단순한 계산이 아니라, 데이터 속에 숨은 이야기를 읽어내는 기술이랍니다!"

## 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)
- [좌우 대칭인 종 모양의 정규분포에서 평균, 중앙값, 최빈값의 관계는?](https://mymerci.kr/pages/nclex_q.php?qn_id=290862)

---

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

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