통계 데이터에서 평균 편차를 결정하는 기법
통계학에서 데이터의 "중심"을 이해하는 것만으로는 충분하지 않은 경우가 많습니다. 예를 들어 평균이나 중앙값을 통해 데이터의 중심을 파악하는 것이죠. 두 데이터 세트가 같은 평균값을 가지더라도 "분산"의 정도는 크게 다를 수 있습니다. 따라서 분산 측정값이 중요합니다. 분산 측정값 중 비교적 이해하기 쉽고 활용하기 좋은 것이 바로 평균편차입니다. 이 글에서는 다양한 형태의 통계 데이터에서 평균편차를 구하는 기법을 계산 단계와 예시를 통해 설명합니다.
평균 편차 이해하기
평균편차는 각 데이터 포인트가 중심 경향 측정값(일반적으로 산술 평균 또는 중앙값)으로부터 얼마나 떨어져 있는지를 나타내는 평균값입니다. 여기서 말하는 거리는 데이터와 중심값의 차이의 절댓값이므로, 음의 차이가 양의 차이를 상쇄하지 않습니다.
일반적으로 평균편차는 데이터가 중심값으로부터 얼마나 퍼져 있는지를 나타냅니다. 평균편차가 작을수록 데이터는 중심값 주변에 밀집되어 있고, 값이 클수록 데이터의 변동성이 큽니다.
절댓값을 사용하는 이유는 무엇일까요?
절댓값을 사용하지 않고 데이터와 평균값의 차이의 평균을 계산하면 차이의 합은 항상 0이 됩니다(평균값이 평형점이기 때문입니다). 예를 들어, 차이가 +5와 -5인 경우, 합은 0입니다. 따라서 편차가 데이터가 중심에서 얼마나 떨어져 있는지를 정확하게 나타내려면 절댓값을 사용해야 합니다.
단일 데이터에 대한 평균 편차 공식
그룹화되지 않은 개별 데이터의 경우 평균으로부터의 평균 편차는 다음과 같이 계산됩니다.
\[
SR = \frac{\sum |x_i – \bar{x}|}{n}
\]
설명 :
– \( SR \): 평균 편차
– \( x_i \): i번째 데이터
– \( \bar{x} \): 산술 평균 (평균)
– \( n \): 데이터 양
단일 데이터 계산 기법(단계)
1. 모든 데이터의 평균 \( \bar{x} \)를 계산합니다.
2. 각 데이터와 평균의 차이를 계산합니다: \( x_i – \bar{x} \).
3. 각 차이의 절댓값을 취합니다: \( |x_i – \bar{x}| \).
4. 차이의 절댓값을 모두 더합니다.
5. 데이터의 개수 \( n \)로 나눕니다.
단일 데이터 예시
값 데이터: 6, 8, 10, 12, 14
1) 평균:
\[
\bar{x}=\frac{6+8+10+12+14}{5}=\frac{50}{5}=10
\]
2) 차이의 절댓값:
– |6 − 10| = 4
– |8 − 10| = 2
– |10 − 10| = 0
– |12 − 10| = 2
– |14 − 10| = 4
합계 = 4 + 2 + 0 + 2 + 4 = 12
3) 평균 편차:
\[
SR=\frac{12}{5}=2{,}4
\]
이는 평균적으로 각 값이 평균에서 2,4 단위만큼 벗어난다는 것을 의미합니다(10).
빈번한(이산) 데이터에 대한 평균 편차
데이터가 값과 빈도의 형태로 제시된 경우(예: 표), 공식은 다음과 같습니다.
\[
SR = \frac{\sum f_i |x_i – \bar{x}|}{\sum f_i}
\]
설명 :
– \( f_i \): 데이터 빈도 \( x_i \)
주파수 데이터 계산 기법
1. 평균을 계산합니다: \(\bar{x}=\frac{\sum f_i x_i}{\sum f_i}\)
2. \( |x_i-\bar{x}| \)를 계산합니다.
3. 빈도를 곱합니다: \( f_i |x_i-\bar{x}| \)
4. 3단계의 모든 결과를 합산합니다.
5. 총 빈도수로 나눕니다.
이산 데이터 예시
| 값(x) | 빈도(f) |
|—|—|
| 5 | 2 |
| 7 | 3 |
| 9 | 1 |
총 빈도수: \(2+3+1=6\)
평균:
\[
\bar{x}=\frac{(5)(2)+(7)(3)+(9)(1)}{6}=\frac{10+21+9}{6}=\frac{40}{6}=6{,}67
\]
편차를 계산하세요:
– x=5일 때: |5−6,67|=1,67 → f=2 → 3,34
– x=7일 때: |7−6,67|=0,33 → f=3 → 0,99
– x=9일 때: |9−6,67|=2,33 → f=1 → 2,33
합계: 3,34 + 0,99 + 2,33 = 6,66
평균 편차:
\[
SR=\frac{6{,}66}{6}=1{,}11
\]
그룹화된 데이터의 평균 편차(계급 구간)
그룹화된 데이터(예: 구간 빈도 분포)에서는 데이터 값이 개별적으로 표시되지 않고 계급으로 표시됩니다. 이를 위해 계급의 중간값(xi)을 사용하여 각 계급 내의 데이터를 나타냅니다.
공식은 다음과 같습니다.
\[
SR=\frac{\sum f_i |x_i-\bar{x}|}{\sum f_i}
\]
그러나 \(x_i\)는 클래스의 중간점입니다.
그룹 데이터 계산 기법
1. 각 계급의 중간점을 구하십시오.
\[
x_i=\frac{\text{하한 + 상한}}{2}
\]
2. 그룹 평균을 계산하세요:
\[
\bar{x}=\frac{\sum f_i x_i}{\sum f_i}
\]
3. \( |x_i-\bar{x}| \)를 계산합니다.
4. 주파수 \( f_i \)를 곱합니다.
5. 모든 결과를 더한 다음 총 빈도수로 나눕니다.
그룹 데이터 예시
| 클래스 | f |
|—|—|
| 10–14 | 3 |
| 15–19 | 5 |
| 20–24 | 2 |
중간 지점:
– 10–14 → 12
– 15–19 → 17
– 20–24 → 22
총 f = 10
평균:
\[
\bar{x}=\frac{(12)(3)+(17)(5)+(22)(2)}{10}=\frac{36+85+44}{10}=\frac{165}{10}=16{,}5
\]
편차:
– |12−16,5|=4,5 → ×3 = 13,5
– |17−16,5|=0,5 → ×5 = 2,5
– |22−16,5|=5,5 → ×2 = 11
합계 = 13,5 + 2,5 + 11 = 27
평균 편차:
\[
SR=\frac{27}{10}=2{,}7
\]
중앙값으로부터의 평균 편차
평균 외에도 중앙값을 이용하여 평균 편차를 계산할 수 있습니다. 원리는 동일하며, 중심값만 다릅니다. 중앙값은 극단적인 값에 더 강인하기 때문에 데이터에 이상치가 포함되어 있을 때 유용합니다.
단일 데이터의 경우:
\[
SR_{Me}=\frac{\sum |x_i-Me|}{n}
\]
빈도 데이터의 경우:
\[
SR_{Me}=\frac{\sum f_i|x_i-Me|}{\sum f_i}
\]
평균편차의 장점과 한계
Kelebihan :
1. 데이터 센터와의 "평균 거리"를 사용하기 때문에 이해하기 쉽습니다.
2. 특정 데이터만 사용하지 말고 모든 데이터를 활용하세요.
3. 다양한 데이터 표현 방식에 대해 계산할 수 있습니다.
케테르바타산:
1. 고급 통계 분석에서 표준 편차보다 덜 일반적입니다.
2. 절댓값의 사용으로 인해 일부 대수적 조작이 불편해집니다.
3. 많은 추론 방법에서 표준 편차만큼 강력한 지표는 아닙니다.
폐회
통계 데이터에서 평균 편차를 구하는 기법은 기본적으로 일관된 패턴을 따릅니다. 먼저 중심값(평균 또는 중앙값)을 구하고, 각 데이터 포인트(또는 각 계급의 중간값)와 중심값 사이의 절대 거리를 계산한 다음, 이 값들을 평균냅니다. 데이터가 표 형태로 제시된 경우에는 빈도도 고려해야 합니다. 평균 편차는 데이터의 변동성을 직관적으로 설명하는 편리한 분산 측정 지표입니다. 이러한 단계를 이해하면 데이터 세트 간의 변동성을 비교하고 데이터 세트의 안정성을 더욱 정확하게 평가할 수 있습니다.
원하시면, 이 글을 학교 과제 형식(서론-토론-결론)으로 바꾸거나, 토론 부분에 연습 문제를 추가하는 것을 도와드릴 수 있습니다.
