이 계산기는 입력한 숫자 목록의 평균, 중앙값, 최빈값, 분산, 표준편차, 범위를 한 번에 구하고, 모집단 기준(n으로 나눔)과 표본 기준(n−1로 나눔) 값을 나란히 보여줍니다. 시험 점수 분포 확인, 실험 측정값의 흩어진 정도 파악, 월별 지출이나 매출의 변동성 점검처럼 "평균만으로는 설명이 안 되는" 상황에서 쓰도록 만들었습니다. 결과 아래에는 평균과 편차 제곱합까지 계산 과정을 문장으로 풀어 보여주므로 손계산이나 엑셀 값과 대조할 수 있습니다.
각 통계값이 의미하는 것
- 평균(산술평균): 모든 값을 더해 개수로 나눈 값입니다. 모든 값이 계산에 들어가므로 극단값에 끌려갑니다.
- 중앙값: 값을 크기순으로 세웠을 때 가운데 값입니다. 개수가 짝수면 가운데 두 값의 평균을 씁니다. 극단값에 거의 흔들리지 않습니다.
- 최빈값: 가장 자주 나온 값입니다. 모든 값이 한 번씩만 나오면 최빈값이 없고, 같은 빈도로 여러 값이 최다이면 여러 개가 됩니다.
- 분산: 각 값과 평균의 차이(편차)를 제곱해 평균 낸 값입니다. 단위가 원자료의 제곱이라 직관적 해석은 어렵습니다.
- 표준편차: 분산의 제곱근으로, 원자료와 같은 단위입니다. "값들이 평균에서 대략 이 정도씩 떨어져 있다"로 읽습니다.
- 범위: 최댓값 − 최솟값. 계산이 가장 쉽지만 양 끝 두 값만 반영합니다.
계산 공식과 n 대 n−1
평균 μ = Σx ÷ n
모분산 σ² = Σ(x − μ)² ÷ n, 모표준편차 σ = √σ²
표본분산 s² = Σ(x − x̄)² ÷ (n − 1), 표본표준편차 s = √s²
어느 쪽을 쓸지는 "가진 데이터가 전부인가, 일부인가"로 정합니다. 학급 전원의 점수처럼 대상 전체를 다 가졌다면 모집단 공식(n)이 맞습니다. 설문조사 응답이나 일부 제품 측정값처럼 더 큰 집단에서 뽑은 표본이라면 표본 공식(n−1)을 씁니다. 표본 평균은 표본 안의 값들에 가장 가깝게 맞춰져 있어서 n으로 나누면 전체의 흩어짐을 평균적으로 작게 추정하기 때문에, 분모를 n−1로 줄여 보정합니다(베셀 보정). 엑셀의 STDEV.S는 n−1, STDEV.P는 n을 사용하며, 계산기·통계 프로그램마다 기본값이 다를 수 있어 보고서에 쓸 때는 어느 쪽인지 명시해야 합니다.
두 값의 비율은 √(n÷(n−1)) 이고 표본이 작을수록 차이가 큽니다.
| 데이터 개수 n | 표본 SD ÷ 모 SD | 표본 SD가 더 큰 정도 |
|---|---|---|
| 2개 | 1.4142 | 약 41.4% |
| 3개 | 1.2247 | 약 22.5% |
| 5개 | 1.1180 | 약 11.8% |
| 10개 | 1.0541 | 약 5.4% |
| 30개 | 1.0171 | 약 1.7% |
| 100개 | 1.0050 | 약 0.5% |
n이 30을 넘으면 차이가 2% 안팎으로 줄어 실무에서는 큰 문제가 되지 않지만, 2~5개 같은 소규모 데이터에서는 10~40% 넘게 벌어집니다(n=2는 약 41.4%).
예시로 보는 계산 결과
아래 표는 이 페이지가 빌드될 때 같은 공식으로 직접 계산한 값입니다.
| 데이터 | 평균 | 중앙값 | 모 SD | 표본 SD |
|---|---|---|---|---|
| 시험 점수 5개 (85, 90, 78, 92, 88) | 86.6 | 88 | 4.88 | 5.46 |
| 월 지출 6개 (30, 32, 35, 31, 33, 300) | 76.83 | 32.5 | 99.82 | 109.34 |
| 편차 예제 8개 (2, 4, 4, 4, 5, 5, 7, 9) | 5 | 4.5 | 2 | 2.14 |
예시 1. 시험 점수 85, 90, 78, 92, 88. 합계는 433이므로 평균은 433 ÷ 5 = 86.6입니다. 편차 제곱합은 119.2이고, 모분산은 119.2 ÷ 5 = 23.84, 모표준편차는 약 4.88입니다. 표본으로 보면 119.2 ÷ 4 = 29.8, 표준편차는 약 5.46입니다. 점수가 평균 86.6점을 기준으로 대략 ±5점 안에서 움직인다는 뜻입니다.
예시 2. 이상치가 섞인 월 지출 30, 32, 35, 31, 33, 300(만 원). 한 달만 300이어도 평균은 약 76.83으로 뛰지만 중앙값은 32.5로 대부분의 달을 잘 대표합니다. 모표준편차는 약 99.82로, 평균(76.83)보다도 커서 이 평균이 "보통의 달"이 아님을 숫자로 알려줍니다. 이런 경우 평균 하나만 보고하면 오해를 낳으므로 중앙값을 함께 제시합니다.
예시 3. 2, 4, 4, 4, 5, 5, 7, 9. 평균은 5이고 편차 제곱합은 32, 모분산은 32 ÷ 8 = 4, 모표준편차는 정확히 2입니다. 통계 교재에 자주 나오는 손계산용 예제여서 계산기 결과를 검증하기 좋습니다. 최빈값은 4입니다.
이상치 하나가 각 통계값을 얼마나 움직이는가
예시 2의 월 지출에서 300을 빼고 나머지 다섯 값만 계산한 결과와 비교한 표입니다(빌드 시 계산).
| 데이터 | 평균 | 중앙값 | 모 SD | 표본 SD |
|---|---|---|---|---|
| 이상치 제외 (30, 32, 35, 31, 33) | 32.2 | 32 | 1.72 | 1.92 |
| 이상치 포함 (여기에 300 추가) | 76.83 | 32.5 | 99.82 | 109.34 |
값 하나가 늘었을 뿐인데 평균은 32.2에서 약 76.83으로, 표본 SD는 약 1.92에서 약 109.34로 뛰는 반면 중앙값은 32에서 32.5로 거의 그대로입니다. 평균과 SD는 모든 값, 그것도 편차를 제곱해서 반영하기 때문에 극단값에 특히 민감하고, 중앙값은 순서만 보기 때문에 안정적입니다.
값을 더하거나 곱하면 통계값은 어떻게 바뀌나
단위를 바꾸거나(cm→mm) 기준점을 옮길 때(점수에 가산점 부여) 통계값이 어떻게 따라 움직이는지 아래 표로 확인할 수 있습니다.
| 데이터 | 평균 | 표본 SD | 변동계수(표본 SD ÷ 평균) |
|---|---|---|---|
| 1, 2, 3, 4, 5 (기준) | 3 | 1.58 | 52.7% |
| 각 값에 10을 더함: 11~15 | 13 | 1.58 | 12.2% |
| 각 값에 10을 곱함: 10~50 | 30 | 15.81 | 52.7% |
모든 값에 같은 수를 더하면 평균은 그만큼 이동하지만 SD는 변하지 않습니다(흩어진 정도는 그대로). 모든 값에 같은 수를 곱하면 평균과 SD가 모두 그 배수가 됩니다. 변동계수는 더할 때는 달라지고 곱할 때는 같습니다. 그래서 단위가 다른 자료의 변동성을 견줄 때는 변동계수가, 기준점이 없는(0이 의미 없는) 자료에서는 SD 자체가 더 적합합니다. 변동계수는 평균이 0에 가까우면 불안정해지므로 온도처럼 0이 임의의 기준인 자료에는 쓰지 않습니다.
더 많은 활용 시나리오 (node로 검산한 가상의 숫자)
- 두 반의 전체 평균: A반 20명 평균 72점, B반 30명 평균 80점이라면 전체 평균은 (20×72 + 30×80) ÷ 50 = 76.8점입니다. 두 평균을 단순 평균하면 76점이 되어 0.8점 어긋납니다. 사람 수가 다른 집단을 합칠 때는 가중해야 합니다.
- 제조 현장의 길이 측정: 부품 5개를 재서 10.1, 10.0, 9.9, 10.2, 10.0mm가 나왔다면 평균 10.04, 중앙값 10.0, 모 SD 약 0.102, 표본 SD 약 0.114입니다. 공장 전체의 산포를 추정하려는 상황이므로 표본 SD를 보고 변동계수는 약 1.14%입니다.
- 두 매장의 매출 안정성 비교: 월 평균 매출 500만 원에 표본 SD 50만 원인 매장과 월 평균 100만 원에 SD 20만 원인 매장을 비교하면, SD는 앞쪽이 크지만 변동계수는 각각 10%와 20%라 뒤쪽 매장의 매출이 상대적으로 더 들쭉날쭉합니다.
- 내 점수의 위치: 예시 1의 점수에서 92점은 (92 − 86.6) ÷ 5.46 ≈ 0.99, 즉 평균보다 약 1 표본 SD 위이고, 78점은 약 −1.57 표본 SD 아래입니다. 여기서 쓴 SD를 모/표본 중 무엇으로 했는지에 따라 z점수가 조금 달라집니다.
입력할 때 주의할 점 (이 도구의 실제 동작)
- 천 단위 쉼표를 넣지 마세요. 쉼표는 구분자라서 1,200,000을 입력하면 하나의 값이 아니라 1, 200, 000(=0)의 세 항목으로 갈라져 계산됩니다. 쉼표 없이 1200000으로 입력하세요.
- 지수 표기와 16진수: 1e3은 1000으로, 0x1F는 31로 인식됩니다. 의도하지 않은 값이 들어가지 않도록 문자가 섞인 데이터를 먼저 정리하세요.
- 제외된 항목 안내: 숫자로 읽히지 않는 항목(예: 단위 'kg'가 붙은 '70kg')은 계산에서 빠지고 결과 아래에 어떤 항목이 빠졌는지 표시됩니다. 빠진 개수 때문에 n이 달라지니 개수 칸을 꼭 확인하세요.
- 세미콜론도 구분자입니다. 줄바꿈, 공백, 쉼표, 세미콜론이 모두 같은 구분자로 취급됩니다.
- 소수점 처리: 표시는 소수점 4자리에서 반올림하고 내부 계산은 반올림하지 않습니다. 계산 과정 문장에 나오는 값도 같은 규칙으로 표시됩니다.
흔한 실수와 오해
- 표준편차가 작으면 좋은 것이다? 그렇지 않습니다. 좋고 나쁨이 아니라 흩어진 정도일 뿐이며, 공정 품질에서는 작을수록 좋지만 투자 수익률에서는 변동이 클수록 위험이 큽니다.
- 서로 다른 단위의 SD를 직접 비교한다. 키(cm)의 SD 7과 몸무게(kg)의 SD 10은 단위가 달라 비교할 수 없습니다. 평균 대비 비율(변동계수 = SD ÷ 평균)이나 표준화 점수를 써야 합니다.
- 평균 ± 1SD 안에 항상 68%가 들어간다. 이는 종 모양의 정규분포에 가까울 때의 경험칙입니다. 치우친 분포(소득, 부동산 가격 등)에서는 맞지 않습니다.
- 집단별 평균을 단순 평균한다. 개수가 다른 집단의 평균은 개수로 가중해야 전체 평균이 됩니다. 반 평균 두 개를 그냥 평균 내면 값이 틀어집니다.
- 데이터가 1개일 때 표본 SD. n−1이 0이 되어 정의되지 않습니다. 이 계산기는 이 경우 "-"로 표시합니다.
이 계산기로 부족한 경우
신뢰구간, 가설검정, 회귀분석, 가중평균, 그룹화된 도수분포(구간별 빈도)의 평균과 분산은 다루지 않습니다. 또 이상치를 자동으로 제거하지 않으므로, 입력 실수로 생긴 값(예: 소수점 위치 오류)은 직접 확인해 지워야 합니다. 숫자가 아닌 문자가 섞이면 해당 항목은 무시하고 어떤 항목을 무시했는지 결과 아래에 안내합니다.
결과를 활용하는 방법
- 평균과 중앙값이 크게 다르면 이상치나 치우친 분포를 의심하고, 값 목록을 다시 훑어보세요.
- 표준편차를 평균으로 나눠 보면(변동계수) 평균 규모가 다른 두 집단의 안정성을 비교할 수 있습니다.
- 점수의 위치를 알고 싶다면 (내 점수 − 평균) ÷ SD로 z점수를 구해 "평균에서 몇 SD 떨어졌는가"를 확인합니다. 순위 개념은 백분위 기초 가이드에서 다룹니다.
- 보고서에는 "평균 86.6, 표본 SD 5.46 (n=5)"처럼 어느 SD인지와 n을 함께 적으세요.
자주 묻는 질문
숫자를 어떤 형식으로 입력해야 하나요?
쉼표(,), 공백, 줄바꿈 중 어느 것으로 구분해도 인식합니다. 엑셀 열을 복사해 붙여넣어도 됩니다. 음수와 소수도 가능하며, 숫자가 아닌 항목은 무시됩니다.
모표준편차와 표본표준편차 중 무엇을 써야 하나요?
가진 데이터가 대상 전체이면 모표준편차(n), 더 큰 집단에서 뽑은 일부이면 표본표준편차(n−1)입니다. 설문·실험·품질 검사처럼 일부로 전체를 추정하는 대부분의 경우는 표본 쪽입니다.
분산과 표준편차는 어떻게 다른가요?
표준편차는 분산의 제곱근입니다. 분산은 수학적으로 다루기 편하고(서로 독립인 값끼리 더할 수 있음), 표준편차는 원자료와 단위가 같아 해석하기 편합니다.
값이 짝수 개일 때 중앙값은 어떻게 구하나요?
크기순으로 정렬한 뒤 가운데 두 값의 평균입니다. 예를 들어 1, 3, 5, 9의 중앙값은 (3+5) ÷ 2 = 4입니다.
엑셀 결과와 다르게 나와요.
대부분 STDEV.P(모집단)와 STDEV.S(표본)를 혼동한 경우입니다. 이 계산기는 두 값을 모두 표시하므로 엑셀 함수에 맞는 쪽과 비교해 보세요. 화면 표시는 소수점 4자리에서 반올림합니다.
이상치가 있으면 어떻게 해야 하나요?
입력 오류라면 수정·제거하고, 실제 값이라면 지우지 말고 평균 대신 중앙값을 함께 보고하거나 이상치 포함·제외 결과를 둘 다 제시하는 것이 정직한 방법입니다.
최빈값이 '없음'으로 나오는 이유는 무엇인가요?
모든 값이 한 번씩만 나오면 가장 자주 나온 값이 따로 없다고 보고 '없음'으로 표시합니다. 같은 빈도로 둘 이상이 최다이면 해당 값을 모두 보여 줍니다. 소수가 섞인 측정값은 완전히 같은 값이 드물어 최빈값이 의미 없는 경우가 많습니다.
소수점 오차 때문에 값이 '0.1+0.2'처럼 이상하게 나오지 않나요?
컴퓨터의 부동소수점 때문에 아주 미세한 오차가 생길 수 있지만 표시할 때 소수점 4자리로 반올림하므로 일반적인 입력에서는 보이지 않습니다. 매우 큰 수와 아주 작은 수를 섞어 쓰면 정밀도가 떨어질 수 있습니다.
데이터가 몇 개 이상이어야 의미가 있나요?
계산 자체는 1개부터 되지만(표본 분산은 2개부터 정의됨), 흩어진 정도를 추정하려면 보통 더 많은 값이 필요합니다. 위 표처럼 n이 작으면 모/표본 SD 차이도 커서, 소수의 값으로 낸 SD는 불확실성이 크다고 이해하세요.
함께 보면 좋은 도구
- 표준편차 가이드: 표준편차 개념을 더 깊이 설명합니다.
- 백분위 기초 가이드
- 확률 기초 가이드
- 공학용 계산기: 제곱근·로그 등 추가 계산이 필요할 때
이 계산기의 결과는 참고용이며, 논문·품질 보고 등 공식 용도에서는 통계 전문 소프트웨어로 재검증하세요.