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

> source: MyMerci (mymerci.kr)  
> url: https://mymerci.kr/pages/nclex_q.php?qn_id=290918  
> language: ko  
> subject: 기술통계

## 문제

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

## 보기

1. 95%
2. 99.7%
3. 75%
4. 50%
5. 68% **✔ 정답**

**정답: 5**

## 해설

정규분포의 경험법칙에 따르면, 평균에서 ±1 표준편차 범위 내에 약 68%, ±2 표준편차 범위 내에 약 95%, ±3 표준편차 범위 내에 약 99.7%의 자료가 위치한다.

## 심화 해설

보건행정 핵심 해설
이 문제는 정규분포(Normal Distribution)의 경험법칙(Empirical Rule)을 묻는 기초 통계 문제예요. 보건행정과 보건정보학에서 데이터 분석, 의료 질 관리(Quality Improvement), 보건 통계 해석의 토대가 되는 매우 중요한 개념이에요.

**핵심 개념 분석 (Key Concept)**: 정규분포는 평균을 중심으로 좌우 대칭인 종 모양의 확률분포로, 많은 생물학적, 의학적, 사회적 현상(예: 혈압, 키, 검사 수치)이 이 분포를 따르는 경우가 많아요. 핵심! 이 분포의 중요한 특성은 평균(μ)과 표준편차(σ)를 알면 자료가 특정 구간에 포함될 확률을 알 수 있다는 거예요. 이를 '경험법칙' 또는 '68-95-99.7 법칙'이라고 불러요.

**정답 근거 (Answer Rationale)**: 정규분포의 경험법칙에 따르면, 정확히는 다음과 같은 비율이 적용돼요.
- 평균 ± 1 표준편차 범위: 약 68.27%
- 평균 ± 2 표준편차 범위: 약 95.45%
- 평균 ± 3 표준편차 범위: 약 99.73%
따라서 문제에서 묻는 "평균으로부터 ±1 표준편차 범위"에 해당하는 비율은 약 68%가 정답이에요.

**오답 분석 (Distractor Analysis)**:
- ①번 95%: 이는 평균 ±2 표준편차 범위에 해당하는 비율이에요. 혼동 주의! 신뢰구간(Confidence Interval) 95%와도 관련이 있어 혼동하기 쉬워요.
- ②번 99.7%: 이는 평균 ±3 표준편차 범위에 해당하는 비율이에요. 통계적 공정 관리(Statistical Process Control)에서 관리한계선(Control Limits)을 설정할 때 자주 사용돼요.
- ③번 75%: 정규분포의 경험법칙과는 직접적인 관련이 없는 수치예요.
- ④번 50%: 정규분포에서 평균을 중심으로 좌우 각각 50%씩이 아니라, 평균 ± 약 0.6745 표준편차 범위에 약 50%의 자료가 포함돼요.

**연관 개념 정리 (Related Concepts)**:
- 표준정규분포(Standard Normal Distribution): 평균=0, 표준편차=1로 변환한 정규분포. Z-점수(Z-score) 계산에 사용돼요.
- 중심극한정리(Central Limit Theorem): 표본 크기가 충분히 크면 표본평균의 분포가 정규분포에 가까워진다는 정리. 보건 조사 결과 해석의 근간이 돼요.
- 왜도(Skewness)와 첨도(Kurtosis): 분포의 비대칭 정도와 뾰족한 정도를 나타내는 지표로, 자료가 정규분포에서 얼마나 벗어났는지 판단하는 데 사용해요.

개념 정리

| 범위 (평균 ± kσ) | 포함 비율 (경험법칙) | 보건행정 적용 예 |
| --- | --- | --- |
| ±1 표준편차 | 약 68% | 정상 범위(Reference Range) 설정 기초 |
| ±2 표준편차 | 약 95% | 신뢰구간, 통계적 유의성 검정 |
| ±3 표준편차 | 약 99.7% | 공정 관리도(Control Chart)의 관리한계선 |

한눈에 비교!

| 개념 | 의미 | 비고 |
| --- | --- | --- |
| 경험법칙 (68-95-99.7) | 정규분포에서 평균과 표준편차만으로 자료 분포를 추정 | 빠른 판단에 유용, 정확한 값은 Z-표에서 확인 |
| 체비셰프 부등식 (Chebyshev's Inequality) | 어떤 분포에서도 최소 포함 비율을 보장 (예: ±2σ 내 최소 75%) | 분포 형태를 모를 때 사용, 보다 보수적 추정 |

실무 포인트
- **의료 질 관리(QI)에서**: 병원 감염률, 수술 합병증률 등의 지표를 모니터링할 때, 이 지표들이 정규분포를 따른다고 가정하고 평균 ±2 표준편차(약 95%)를 벗어나는 경우를 '특이치(Outlier)'로 보고 원인 분석을 실시해요.
- **보건 통계에서**: 국민건강영양조사 결과를 해석할 때, 혈압이나 콜레스테롤 수치 같은 생체 지표는 대체로 정규분포를 따르므로, 평균과 표준편차를 보고 집단 간 비교를 해요.
- **보험 심사에서**: 특정 진료행위의 평균 재원일수나 진료비 분포를 분석하여 지나치게 벗어난(Outlier) 청구 건을 선별해 심사하는 데 활용되기도 해요.

암기 팁
"**일이삼, 육구구**"라고 외우세요! **일(1)σ → 68%**, **이(2)σ → 95%**, **삼(3)σ → 99.7%**. 숫자 순서와 비율의 첫 자리 숫자를 연결하면 쉽게 기억할 수 있어요.

국시 빈출 포인트
정규분포의 경험법칙 숫자 자체를 묻는 단순 문제부터, 신뢰구간 해석, Z-점수 계산, 또는 의료 질 관리 지표 해석 사례형 문제로 다양하게 출제돼요. 핵심! 68%, 95%, 99.7%라는 세 숫자와 각각이 몇 표준편차에 해당하는지는 반드시 외워야 해요.

기출 변형 주의!
- **계산형**: "평균 100, 표준편차 15인 정규분포에서 115 이상일 확률은?" (115는 평균+1σ 이므로, 상위 약 16% → 답: 약 16%)
- **사례형**: "어느 병원의 평균 재원일수가 7일, 표준편차가 2일일 때, 재원일수가 11일 이상인 환자는 전체의 약 몇 %로 추정되는가?" (11일 = 평균+2σ → 상위 약 2.5%)

## 임상 시나리오

보건행정 실무 가이드
**실무 시나리오 (Clinical Scenario)**: "의료 질 개선(QI) 팀에서 최근 1년간 수술 후 합병증 발생률을 분석하고 있어요. 데이터를 보니 평균 발생률은 2%, 표준편차는 0.5%예요. 팀장님이 '정규분포를 가정했을 때, 관리한계선을 평균 ±3 표준편차로 설정하자'고 말씀하셨어요. 이때 관리한계선의 상한은 얼마로 설정해야 할까요?"

**행정 중재 전략 (Admin Intervention)**:
1. **상황 파악**: 합병증률 데이터가 정규분포를 따른다고 가정하고, 통계적 공정 관리(SPC) 원리를 적용해 관리한계선을 설정하려는 상황이에요.
2. **법적/규정 검토**: 이는 법규보다는 의료 질 관리(Healthcare Quality Management)와 통계적 공정 관리(Statistical Process Control)의 원칙이 적용돼요. 병원 인증 기준(JCI, KOIHA)에서도 데이터에 기반한 지표 모니터링을 요구해요.
3. **대응 및 처리**: 경험법칙에 따라 평균 ±3σ 범위에는 약 99.7%의 데이터가 포함돼요. 따라서 관리한계선 상한(UCL)은 평균(2%) + 3 * 표준편차(0.5%) = 3.5%로 계산해요. 이 선을 넘는 합병증률은 '특별한 원인(Special Cause)'에 의한 것으로 보고 철저한 원인 분석을 실시해야 해요.
4. **사후 기록/보고**: 설정한 관리한계선과 그 근거(정규분포 가정, 경험법칙 적용)를 QI 회의록에 명시하고, 관리한계선을 초과하는 경우에 대한 대응 프로토콜(원인 분석, 개선 조치 보고)도 함께 문서화해요.

**법적 안전 및 주의사항 (Precautions)**:
- 모든 데이터가 정규분포를 따른다고 맹목적으로 가정하면 안 돼요. 먼저 히스토그램이나 정규성 검정(Normality test)으로 분포를 확인해야 해요.
- 관리한계선은 공정의 변동을 이해하고 개선하기 위한 도구지, 직원을 평가하거나 처벌하기 위한 도구가 아님을 명심해야 해요. 이 원칙을 지키지 않으면 데이터 왜곡이나 보고 회피 문제가 발생할 수 있어요.

업무 프로토콜
**의료 지표 통계적 모니터링 절차**
1. **지표 선정**: 모니터링할 핵심 지표(예: 낙상률, 감염률) 결정.
2. **데이터 수집**: 일정 기간(월별/분기별) 데이터 수집.
3. **분포 확인**: 정규성 검정 또는 시각적 확인(히스토그램).
4. **기준선 설정**: 평균(중심선), 관리한계선(일반적 UCL/LCL = 평균 ±3σ) 계산.
5. **모니터링 및 해석**: 관리도(Control Chart)에 점을 표시하고, 관리한계선 벗어남, 런(Run), 추세(Trend) 패턴 분석.
6. **조치**: 특별한 원인 발견 시 즉시 원인 분석 및 개선 조치.

선배의 한마디
"통계는 숫자 놀음이 아니라, 데이터 속에 숨은 '이야기'를 읽어내는 도구예요. 정규분포의 68-95-99.7 법칙은 그 이야기를 시작하는 가장 기본적인 문법이에요. 병원에서 마주하는 수많은 데이터가 '정상'인지 '이상'인지 판단할 때, 이 간단한 법칙이 확실한 기준을 제시해 줘요. 통계에 대한 두려움을 버리고, 실무에 하나씩 적용해 보세요. 데이터 기반 의사결정의 힘을 느끼게 될 거예요!"

## 핵심 개념

- **정규분포 (Normal Distribution)** — 평균을 중심으로 좌우 대칭인 종 모양의 연속 확률분포. 많은 자연 및 사회 현상이 이 분포를 따름.
- **표준편차 (Standard Deviation)** — 자료가 평균으로부터 얼마나 퍼져 있는지를 나타내는 산포도 측정치. 분산의 양의 제곱근.
- **경험법칙 (Empirical Rule)** — 정규분포에서 평균과 표준편차를 이용해 자료의 분포 비율을 추정하는 법칙 (68-95-99.7 법칙).
- **Z-점수 (Z-score)** — 원래 데이터가 평균으로부터 몇 표준편차만큼 떨어져 있는지를 나타내는 표준화 점수. (관측값 - 평균) / 표준편차.
- **중심극한정리 (Central Limit Theorem)** — 표본의 크기가 충분히 크면, 모집단의 분포에 관계없이 표본평균의 분포는 정규분포에 가까워진다는 통계학의 기본 정리.

## 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._