# 두 변수 X와 Y 사이의 공분산이 0일 때, 이로부터 알 수 있는 사실은?

> source: MyMerci (mymerci.kr)  
> url: https://mymerci.kr/pages/nclex_q.php?qn_id=290899  
> language: ko  
> subject: 기술통계

## 문제

두 변수 X와 Y 사이의 공분산이 0일 때, 이로부터 알 수 있는 사실은?

## 보기

1. X와 Y는 독립이다.
2. X와 Y의 평균이 동일하다.
3. X와 Y의 산포도가 동일하다.
4. X의 분산과 Y의 분산이 같다.
5. X와 Y는 무상관이다. **✔ 정답**

**정답: 5**

## 해설

공분산이 0이면 두 변수 간의 선형 상관관계가 없음을 의미하며, 이를 '무상관'이라고 한다. 무상관은 독립보다 약한 조건으로, 무상관이어도 비선형 관계는 존재할 수 있다.

## 심화 해설

보건행정 핵심 해설
이 문제는 보건통계학의 기초이자, 병원 경영 데이터 분석이나 보건정책 효과 평가 시 변수 간 관계를 해석하는 데 필수적인 상관관계(Correlation)와 공분산(Covariance)의 개념을 묻고 있어요.

**핵심 개념 분석 (Key Concept)**
공분산(Covariance)은 두 확률변수가 **어떤 방향으로 함께 변동하는지**를 측정하는 지표예요. 공식은 Cov(X, Y) = E[(X - μx)(Y - μy)]로, 두 변수의 편차 곱의 평균이에요. 공분산의 부호는 관계의 방향(양의 관계/음의 관계)을, 크기는 관계의 강도를 나타내지만, 단위에 의존적이라는 한계가 있어요.

**정답 근거 (Answer Rationale)**
핵심! 공분산이 정확히 0(Cov(X, Y) = 0)이라는 것은 두 변수 간에 **선형적(Linear)인 상관관계가 없음**을 의미해요. 통계학에서는 이를 두 변수가 "무상관(Uncorrelated)"이라고 정의해요. 따라서 정답은 "X와 Y는 무상관이다."인 5번이에요.

**오답 분석 (Distractor Analysis)**
① 혼동 주의! "X와 Y는 독립이다."는 가장 흔한 오개념이에요. 두 변수가 **통계적으로 독립(Independent)**이면 공분산은 0이지만, 그 역(공분산이 0이면 독립이다)은 성립하지 않아요. 독립은 무상관보다 훨씬 강한 조건으로, 모든 종류의 관계(선형, 비선형)가 없어야 해요. 공분산이 0이어도 비선형 관계(예: X^2과 Y의 관계)는 존재할 수 있어요.
② "X와 Y의 평균이 동일하다.": 공분산은 두 변수의 평균 차이와는 전혀 무관해요. 평균이 다르더라도 공분산은 0이 될 수 있어요.
③ "X와 Y의 산포도가 동일하다.": 산포도(분산, 표준편차)는 개별 변수의 퍼짐 정도를 나타내는 지표로, 두 변수 간의 공동 변동성(공분산)과는 다른 개념이에요.
④ "X의 분산과 Y의 분산이 같다.": 분산이 같아도 공분산은 0일 수 있고, 0이 아닐 수도 있어요. 분산의 동일성은 공분산 값에 대한 정보를 주지 않아요.

**연관 개념 정리 (Related Concepts)**
공분산의 단점을 보완한 지표가 상관계수(Correlation Coefficient, r)예요. 공분산을 각 변수의 표준편차로 나누어 표준화(-1 ~ 1 사이 값)한 거죠. 보건행정 현장에서는 질병 발생률과 환경 요인 간의 상관관계, 병원 매출과 환자 수 간의 관계 분석 등에 널리 활용돼요.

개념 정리

| 용어 | 의미 | 관계 |
| --- | --- | --- |
| 공분산 = 0 | 두 변수 간 선형 상관관계 없음 | ⇨ 무상관의 필요충분조건 |
| 무상관 | 선형 상관관계가 없음 (Cov=0) | 독립보다 약한 조건 |
| 독립 | 한 변수의 정보가 다른 변수에 대한 정보를 주지 않음 | ⇒ 무상관 (역은 성립X) |
| 상관계수 = 0 | 표준화된 무상관 상태 | 공분산=0과 동치 |

한눈에 비교!

| 구분 | 무상관 (Uncorrelated) | 독립 (Independent) |
| --- | --- | --- |
| 정의 | Cov(X,Y) = 0 (선형 관계 없음) | P(X∩Y) = P(X)P(Y) (모든 관계 없음) |
| 관계 강도 | 약한 조건 | 강한 조건 (독립 ⇒ 무상관) |
| 반례 | 무상관이지만 독립이 아닌 경우: Y = X² (X가 대칭분포) | 독립이지만 무상관이 아닌 경우: 없음 |
| 실무 적용 | 회귀분석에서 다중공선성(Multicollinearity) 체크 | 통제군-실험군 비교, 임상시험 설계 |

실무 포인트
병원 경영 데이터(예: 재원일수와 총진료비)를 분석할 때, 상관계수를 먼저 확인해 선형 관계의 유무와 방향을 파악해요. 공분산이 0에 가깝다면 두 지표는 선형적으로 연관되어 있지 않다고 해석할 수 있어요. 하지만 주의! 이는 비선형 관계가 없다는 뜻이 아니므로, 산점도(Scatter plot)를 함께 확인하는 것이 좋은 실무 습관이에요.

암기 팁
"**공0은 무상관, 독립은 더 쎄!**"

공분산이 0(Cov=0)이면 무상관이다. 독립(Independent)은 무상관을 포함하는 더 강력한 개념이다.

국시 빈출 포인트
통계학 파트에서 무상관 vs 독립의 관계는 매년 빠지지 않고 출제되는 초핵심 개념이에요. "공분산이 0이면 반드시 성립하는 것은?" 또는 "독립일 때 성립하는 것은?" 형태로 변형되어 나와요.

기출 변형 주의!
1.  **사례형**: "병원 A의 외래 환자 수와 매출 데이터를 분석했을 때 공분산이 0으로 나왔다. 이때 알 수 있는 확실한 결론은?" → **무상관** (독립이라고 단정할 수 없음).
2.  **역접형**: "두 변수가 무상관이지만 독립이 아닌 예를 들어라." → Y = X² (단, X의 분포가 평균 0에 대해 대칭일 때).

## 임상 시나리오

보건행정 실무 가이드
**실무 시나리오 (Clinical Scenario)**
"병원 기획팀에서 최근 3년간 월별 감염관리 예산과 병원 획득 감염(HAI) 발생률 데이터를 수집해 상관관계를 분석했어요. 분석 결과 두 변수의 공분산과 상관계수가 모두 0에 매우 가까웠습니다. 팀장님은 '예산을 늘려도 감염률에 영향이 없는 것 같다'고 결론 내리려고 해요. 보건행정 전문가로서 어떻게 조언할까요?"

**행정 중재 전략 (Admin Intervention)**
1.  **상황 파악**: 공분산/상관계수 ≈ 0 → 두 변수 간 **선형 관계가 없음**을 확인.
2.  **법적/규정 검토**: 통계적 해석 원칙 적용. "무상관 ≠ 영향 없음(독립)"임을 상기.
3.  **대응 및 처리**:
*   "선형 관계가 없다는 결론은 맞지만, 비선형 관계(예: 예산이 일정 수준 이상이어야 효과 발생, 또는 지연 효과)는 배제할 수 없어요."
*   "산점도를 그려 비선형 패턴(예: U자형, 역U자형)이 있는지 확인해야 해요."
*   "다른 변수(예: 병동 가동률, 신규 장비 도입)의 영향(교란 변수)을 통제한 분석이 필요할 수 있어요."
4.  **사후 기록/보고**: 분석 보고서에 "공분산이 0에 가까워 선형 상관관계는 유의하지 않았으나, 비선형 관계 가능성을 배제할 수 없으므로 추가 분석이 필요함"이라고 명시해 의사결정의 오류를 방지해요.

**법적 안전 및 주의사항 (Precautions)**
보건정책이나 병원 경영 지표를 평가할 때, 통계 수치를 피상적으로 해석하면 잘못된 결론으로 이어져 자원 낭비나 정책 실패를 초래할 수 있어요. 핵심! "상관관계는 인과관계를 의미하지 않는다(Correlation does not imply causation)"는 원칙을 항상 염두에 두세요.

업무 프로토콜

| 단계 | 행동 | 검토 포인트 |
| --- | --- | --- |
| 1. 데이터 확인 | 산점도(Scatter plot) 시각화 | 이상치(Outlier) 존재 여부 |
| 2. 관계 측정 | 공분산, 상관계수 계산 | 값의 크기와 통계적 유의성(p-value) |
| 3. 해석 | ① 선형 관계 해석 ② 비선형 가능성 검토 | "무상관=독립" 오해 금지 |
| 4. 보고 | 결과와 한계점 명시 | 인과관계 주장 자제 |

선배의 한마디
"통계 숫자는 말을 해요. 하지만 그 말을 제대로 이해하려면 개념의 뿌리를 알아야 해요. '공분산 0 = 무상관'이라는 단순한 공식이, 실제 병원 데이터를 해석할 때는 '어? 그런데 왜 예산을 줄이면 문제가 생기지?'라는 깊은 질문으로 이어질 수 있어요. 원리를 이해하면 데이터에 숨겨진 진짜 이야기를 들을 수 있는 보건행정 전문가가 될 거예요!"

## 핵심 개념

- **공분산** — 두 확률변수가 함께 어떻게 변동하는지를 측정하는 지표. 양수면 동방향, 음수면 반대방향, 0이면 선형적 무관계(무상관)를 의미.
- **무상관** — 두 확률변수의 공분산이 0인 상태. 선형적인 상관관계가 없음을 의미하며, 독립보다 약한 조건이다.
- **독립** — 한 사건의 발생이 다른 사건의 발생 확률에 영향을 주지 않는 상태. 독립이면 무상관이지만, 무상관이라고 해서 반드시 독립은 아니다.
- **상관계수 (Correlation Coefficient)** — 공분산을 각 변수의 표준편차로 나누어 표준화(-1 ~ +1)한 지표. 두 변수 간 선형 관계의 방향과 강도를 나타낸다.
- **선형 관계 (Linear Relationship)** — 두 변수 간의 관계가 직선으로 표현될 수 있는 형태. 공분산이나 상관계수는 이러한 선형 관계의 유무와 강도를 측정한다.

## 같은 주제 문제

- [다음 중 자료의 산포 정도를 나타내는 지표가 아닌 것은?](https://mymerci.kr/pages/nclex_q.php?qn_id=290890)
- [분산의 단점을 보완하기 위해 제곱근을 취하여 원래 자료의 단위와 일치시킨 산포도 지표는?](https://mymerci.kr/pages/nclex_q.php?qn_id=290891)
- [두 집단의 평균이 크게 다른 경우, 평균의 차이를 보정하여 순수한 산포 정도를 비교할 수 있는 지표는?](https://mymerci.kr/pages/nclex_q.php?qn_id=290892)
- [극단값(outlier)의 영향을 가장 덜 받는 산포도 측정치는?](https://mymerci.kr/pages/nclex_q.php?qn_id=290893)
- [표본분산을 계산할 때, 편차 제곱합을 (n-1)로 나누는 주된 이유는?](https://mymerci.kr/pages/nclex_q.php?qn_id=290894)
- [모든 관측값이 동일한 값을 가질 때, 다음 산포도 지표 중 0이 아닌 값을 가지는 것은?](https://mymerci.kr/pages/nclex_q.php?qn_id=290895)
- [정규분포를 따르는 자료에서 평균 ± 1표준편차 범위 내에 포함되는 자료의 비율은 약 얼마인가?](https://mymerci.kr/pages/nclex_q.php?qn_id=290896)
- [다음 중 산포도가 가장 큰 자료 집단을 판별하는 직접적인 방법으로 가장 적절한 것은?](https://mymerci.kr/pages/nclex_q.php?qn_id=290897)

---

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

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