제2사분위수

작성자

익명

작성일

2026.07.24

조회수

버전

제2사분위수 중앙값 통계학 상자 그림 왜도 NumPy Pandas 초급

📋 문서 버전

이 문서는 2개의 버전이 있습니다. 현재 최신 버전을 보고 있습니다.

제2사분위수 (Second Quartile)

제2사분위수(Second Quartile, $Q_2$)는 데이터를 4등분 하는 세 개의 지점 중 두 번째 지점으로, 전체 데이터의 정확히 50%가 이 값보다 작거나 같고 나머지 50%가 이 값보다 크거나 같은 지점을 의미한다.

1. 정의 및 개념

분위수(Quantile)란 전체 데이터를 크기 순으로 나열했을 때 특정 비율에 해당하는 지점의 값을 말한다. 그중 데이터를 4등분 하는 지점을 사분위수(Quartile)라고 하며, 제2사분위수는 그 중심축이 되는 지점이다.

제2사분위수의 가장 핵심적인 특징은 통계학의 [중앙값]과 완전히 동일한 값이라는 점이다. 데이터의 분포가 정규분포를 따르지 않더라도, 제2사분위수는 항상 데이터 집합의 물리적 중앙 위치를 나타내므로 데이터의 중심 경향성을 파악하는 핵심 지표로 사용된다.

2. 계산 방법 및 원리

제2사분위수를 구하기 위해서는 먼저 모든 데이터를 오름차순(작은 값에서 큰 값 순)으로 정렬해야 한다. 이후 데이터의 총 개수($n$)에 따라 다음과 같은 방식으로 결정한다.

2.1 계산 단계

데이터 정렬: 주어진 데이터셋을 오름차순으로 정렬한다.
위치 계산: 중앙값의 위치를 찾는다.
값 결정: 위치에 해당하는 데이터를 선택하거나, 두 데이터의 평균을 구한다.

2.2 데이터 개수에 따른 계산 차이

데이터의 $k$번째 값을 $x_{(k)}$라고 표기할 때, 계산 방식은 다음과 같다.

구분	계산 방법 (수식)	결과 값
데이터 개수가 홀수일 때	$x_{(\frac{n+1}{2})}$	정중앙에 위치한 단일 값
데이터 개수가 짝수일 때	$\frac{x_{(n/2)} + x_{(n/2+1)}}{2}$	중앙에 위치한 두 값의 산술 평균

3. 다른 통계 지표와의 관계

제2사분위수는 제1사분위수($Q_1$)와 제3사분위수($Q_3$) 사이의 가교 역할을 하며, 데이터의 분산 정도를 파악하는 기준점이 된다.

3.1 사분위수 요약 표

지표	명칭	정의	누적 비율
$Q_1$	제1사분위수	하위 25% 지점	$25\%$
$Q_2$	제2사분위수	[[중앙값]] (50% 지점)	$50\%$
$Q_3$	제3사분위수	상위 25% (하위 75%) 지점	$75\%$

3.2 평균값(Mean)과의 차이점

제2사분위수([[중앙값]])와 평균값은 모두 데이터의 중심을 나타내지만, 데이터의 분포 특성에 따라 큰 차이를 보인다.

평균값(Mean): 모든 데이터 값을 더해 개수로 나눈 값이다. 모든 데이터가 계산에 참여하므로, 극단적으로 크거나 작은 값인 [이상치]가 존재할 경우 값이 크게 왜곡되는 경향이 있다.
제2사분위수(Median): 데이터의 순서에 기반한 위치 값이다. 극단적인 값이 추가되더라도 중앙의 위치는 크게 변하지 않으므로, 이상치에 매우 강건(Robust)한 특성을 가진다.

4. 데이터 분석에서의 활용

제2사분위수는 데이터의 편향성을 확인하고 중심 경향성을 분석하는 데 활용된다.

4.1 [상자 그림]에서의 의미

[[상자 그림]]은 사분위수를 시각화한 대표적인 도구이다. 상자 내부의 중앙선을 가로지르는 선이 바로 제2사분위수($Q_2$)를 나타낸다.

[상자 그림 시각화 구조 예시]

      Minimum          Q1       Q2       Q3          Maximum
         |------------[  |-------|-------|  ]------------|
         ^            ^          ^       ^               ^
      (최솟값)    (제1사분위수) (제2사분위수) (제3사분위수)  (최댓값)
                      (25%)      (50%)     (75%)

* 중앙선($Q_2$)의 위치: 중앙선이 상자의 정중앙에 있다면 데이터가 대칭적으로 분포한 것이며, 한쪽으로 치우쳐 있다면 데이터가 [왜도]를 가지고 있음을 의미한다.

4.2 분위수 계산 방법론의 차이

소프트웨어나 통계 패키지에 따라 분위수를 계산하는 알고리즘이 다를 수 있다. * Exclusive (배타적): $Q_1$과 $Q_3$를 계산할 때 중앙값을 제외하고 계산하는 방식 (주로 Excel의 QUARTILE.EXC 사용). * Inclusive (포괄적): 중앙값을 포함하여 사분위수를 계산하는 방식 (주로 Excel의 QUARTILE.INC 사용). * Interpolation (보간법): 데이터가 정확히 정수 위치에 떨어지지 않을 때, 인접한 두 값 사이의 거리를 비율로 계산하여 값을 추정하는 방식 (Python NumPy의 기본 방식).

5. 실례 및 적용

5.1 데이터 개수가 홀수인 경우

데이터 집합: [10, 15, 20, 25, 30, 35, 100] 1. 정렬: 이미 오름차순으로 정렬되어 있음. 2. 개수 확인: $n = 7$ (홀수). 3. 위치 계산: $\frac{7+1}{2} = 4$ 번째 값. 4. 결과: 4번째 값인 25가 제2사분위수($Q_2$)가 된다.

5.2 데이터 개수가 짝수인 경우

데이터 집합: [10, 15, 20, 25, 30, 35, 40, 100] 1. 정렬: 이미 오름차순으로 정렬되어 있음. 2. 개수 확인: $n = 8$ (짝수). 3. 위치 계산: $\frac{8}{2} = 4$ 번째 값과 $\frac{8}{2}+1 = 5$ 번째 값의 평균. 4. 결과: 4번째 값(25)과 5번째 값(30)의 평균인 $\frac{25+30}{2} = \mathbf{27.5}$가 제2사분위수($Q_2$)가 된다.

5.3 Python 코드를 이용한 구현

Python의 NumPy와 <a href="/doc/%EA%B8%B0%EC%88%A0/%EB%8D%B0%EC%9D%B4%ED%84%B0%EA%B3%BC%ED%95%99/%EB%8D%B0%EC%9D%B4%ED%84%B0%20%EB%B6%84%EC%84%9D/Pandas" class="wiki-link">Pandas</a> 라이브러리를 사용하여 제2사분위수를 구하는 방법은 다음과 같다.

import numpy as np
import pandas as pd

# 데이터셋 정의
data = [10, 15, 20, 25, 30, 35, 100]

# 1. NumPy를 이용한 중앙값(Q2) 계산
q2_numpy = np.median(data)
print(f"NumPy Median: {q2_numpy}")

# 2. Pandas를 이용한 분위수 계산
df = pd.DataFrame(data, columns=['Value'])
q2_pandas = df['Value'].quantile(0.5)
print(f"Pandas 0.5 Quantile: {q2_pandas}")

# 결과 출력: 둘 다 25.0으로 동일함
# NumPy Median: 25.0
# Pandas 0.5 Quantile: 25.0

제2사분위수와 데이터 분포의 왜도

제2사분위수($Q_2$)와 산술 평균($\text{Mean}$)의 상대적 위치를 비교하면 데이터 분포의 치우침 정도인 왜도(Skewness)를 판별할 수 있다. 평균은 극단값에 민감하게 반응하지만, $Q_2$는 위치 기반 지표이므로 두 값의 차이는 분포의 비대칭성을 나타내는 중요한 근거가 된다.

관계식	분포의 형태	왜도(Skewness)	특징
$\text{Mean} \approx Q_2$	대칭 분포	$\text{Skewness} \approx 0$	좌우 분포가 균형을 이룸 (예: 정규분포)
$\text{Mean} > Q_2$	오른쪽으로 꼬리가 긴 분포	$\text{Skewness} > 0$ (양의 왜도)	고소득자 등 매우 큰 값이 존재하여 평균을 끌어올림
$\text{Mean} < Q_2$	왼쪽으로 꼬리가 긴 분포	$\text{Skewness} < 0$ (음의 왜도)	매우 작은 값이 존재하여 평균을 낮춤

다른 분위수 체계와의 비교

제2사분위수는 데이터를 나누는 기준(분할 단위)에 따라 명칭이 달라질 뿐, 수학적으로는 모두 동일한 지점(데이터의 50% 지점)을 가리킨다.

십분위수(Decile): 데이터를 10등분 한 지점 중 다섯 번째 지점인 제5십분위수($D_5$)와 같다.
백분위수(Percentile): 데이터를 100등분 한 지점 중 50번째 지점인 제50백분위수($P_{50}$)와 같다.

[관계식] $$Q_2 = D_5 = P_{50} = \text{Median}$$

데이터 분할점으로서의 통계적 성질

제2사분위수는 단순한 중앙 위치를 넘어, 데이터셋을 크기가 동일한 두 개의 부분 집합으로 나누는 결정적인 '분할점(Cut-off point)'의 성질을 갖는다.

전체 표본의 크기를 $n$이라 할 때, $Q_2$를 기준으로 하위 $n/2$개의 데이터와 상위 $n/2$개의 데이터로 엄격히 분리된다. 이러한 성질은 데이터의 상위 50%와 하위 50%를 구분하여 집단을 비교 분석하는 이분법적 분석(Binary Analysis)의 기초가 된다.

상자 그림의 비대칭 해석 사례

상자 그림에서 $Q_2$의 위치와 각 사분위수 간의 거리 차이는 데이터의 밀집도와 비대칭성을 구체적으로 보여준다.

사례 1: $Q_2 - Q_1 < Q_3 - Q_2$ (우측 편향)
- 제2사분위수가 상자의 왼쪽(하단)에 치우쳐 있는 경우이다.
- 이는 하위 25%~50% 구간의 데이터가 50%~75% 구간보다 더 좁은 범위에 밀집되어 있음을 의미하며, 데이터가 오른쪽으로 길게 늘어진 형태를 띤다.
사례 2: $Q_2 - Q_1 > Q_3 - Q_2$ (좌측 편향)
- 제2사분위수가 상자의 오른쪽(상단)에 치우쳐 있는 경우이다.
- 이는 상위 25%~50% 구간의 데이터가 더 밀집되어 있으며, 데이터가 왼쪽으로 길게 늘어진 형태를 띤다.
사례 3: $Q_2 - Q_1 \approx Q_3 - Q_2$ (대칭)
- 제2사분위수가 상자의 정중앙에 위치하며, 중앙값을 중심으로 데이터가 고르게 분포되어 있음을 나타낸다.

📝 마크다운 원본

이 문서의 마크다운 원본 내용입니다.

# 제2사분위수 (Second Quartile)

제2사분위수(Second Quartile, $Q_2$)는 데이터를 4등분 하는 세 개의 지점 중 두 번째 지점으로, 전체 데이터의 정확히 50%가 이 값보다 작거나 같고 나머지 50%가 이 값보다 크거나 같은 지점을 의미한다.

## 1. 정의 및 개념
**분위수(Quantile)**란 전체 데이터를 크기 순으로 나열했을 때 특정 비율에 해당하는 지점의 값을 말한다. 그중 데이터를 4등분 하는 지점을 **사분위수(Quartile)**라고 하며, 제2사분위수는 그 중심축이 되는 지점이다.

제2사분위수의 가장 핵심적인 특징은 통계학의 [[중앙값]](Median)과 완전히 동일한 값이라는 점이다. 데이터의 분포가 정규분포를 따르지 않더라도, 제2사분위수는 항상 데이터 집합의 물리적 중앙 위치를 나타내므로 데이터의 중심 경향성을 파악하는 핵심 지표로 사용된다.

## 2. 계산 방법 및 원리
제2사분위수를 구하기 위해서는 먼저 모든 데이터를 오름차순(작은 값에서 큰 값 순)으로 정렬해야 한다. 이후 데이터의 총 개수($n$)에 따라 다음과 같은 방식으로 결정한다.

### 2.1 계산 단계
1. **데이터 정렬**: 주어진 데이터셋을 오름차순으로 정렬한다.
2. **위치 계산**: 중앙값의 위치를 찾는다.
3. **값 결정**: 위치에 해당하는 데이터를 선택하거나, 두 데이터의 평균을 구한다.

### 2.2 데이터 개수에 따른 계산 차이
데이터의 $k$번째 값을 $x_{(k)}$라고 표기할 때, 계산 방식은 다음과 같다.

| 구분 | 계산 방법 (수식) | 결과 값 |
| :--- | :--- | :--- |
| **데이터 개수가 홀수일 때** | $x_{(\frac{n+1}{2})}$ | 정중앙에 위치한 단일 값 |
| **데이터 개수가 짝수일 때** | $\frac{x_{(n/2)} + x_{(n/2+1)}}{2}$ | 중앙에 위치한 두 값의 산술 평균 |

## 3. 다른 통계 지표와의 관계
제2사분위수는 제1사분위수($Q_1$)와 제3사분위수($Q_3$) 사이의 가교 역할을 하며, 데이터의 분산 정도를 파악하는 기준점이 된다.

### 3.1 사분위수 요약 표
| 지표 | 명칭 | 정의 | 누적 비율 |
| :--- | :--- | :--- | :--- |
| **$Q_1$** | 제1사분위수 | 하위 25% 지점 | $25\%$ |
| **$Q_2$** | **제2사분위수** | **[[중앙값]] (50% 지점)** | **$50\%$** |
| **$Q_3$** | 제3사분위수 | 상위 25% (하위 75%) 지점 | $75\%$ |

### 3.2 평균값(Mean)과의 차이점
제2사분위수([[중앙값]])와 평균값은 모두 데이터의 중심을 나타내지만, 데이터의 분포 특성에 따라 큰 차이를 보인다.

*   **평균값(Mean)**: 모든 데이터 값을 더해 개수로 나눈 값이다. 모든 데이터가 계산에 참여하므로, 극단적으로 크거나 작은 값인 **[[이상치]](Outlier)**가 존재할 경우 값이 크게 왜곡되는 경향이 있다.
*   **제2사분위수(Median)**: 데이터의 순서에 기반한 위치 값이다. 극단적인 값이 추가되더라도 중앙의 위치는 크게 변하지 않으므로, 이상치에 매우 강건(Robust)한 특성을 가진다.

## 4. 데이터 분석에서의 활용
제2사분위수는 데이터의 편향성을 확인하고 중심 경향성을 분석하는 데 활용된다.

### 4.1 [[상자 그림]](Box Plot)에서의 의미
[[상자 그림]]은 사분위수를 시각화한 대표적인 도구이다. 상자 내부의 중앙선을 가로지르는 선이 바로 제2사분위수($Q_2$)를 나타낸다.

**[상자 그림 시각화 구조 예시]**
```text
      Minimum          Q1       Q2       Q3          Maximum
         |------------[  |-------|-------|  ]------------|
         ^            ^          ^       ^               ^
      (최솟값)    (제1사분위수) (제2사분위수) (제3사분위수)  (최댓값)
                      (25%)      (50%)     (75%)
```
*   **중앙선($Q_2$)의 위치**: 중앙선이 상자의 정중앙에 있다면 데이터가 대칭적으로 분포한 것이며, 한쪽으로 치우쳐 있다면 데이터가 [[왜도]](Skewness)를 가지고 있음을 의미한다.

### 4.2 분위수 계산 방법론의 차이
소프트웨어나 통계 패키지에 따라 분위수를 계산하는 알고리즘이 다를 수 있다.
*   **Exclusive (배타적)**: $Q_1$과 $Q_3$를 계산할 때 중앙값을 제외하고 계산하는 방식 (주로 Excel의 `QUARTILE.EXC` 사용).
*   **Inclusive (포괄적)**: 중앙값을 포함하여 사분위수를 계산하는 방식 (주로 Excel의 `QUARTILE.INC` 사용).
*   **Interpolation (보간법)**: 데이터가 정확히 정수 위치에 떨어지지 않을 때, 인접한 두 값 사이의 거리를 비율로 계산하여 값을 추정하는 방식 (Python NumPy의 기본 방식).

## 5. 실례 및 적용

### 5.1 데이터 개수가 홀수인 경우
데이터 집합: `[10, 15, 20, 25, 30, 35, 100]`
1.  **정렬**: 이미 오름차순으로 정렬되어 있음.
2.  **개수 확인**: $n = 7$ (홀수).
3.  **위치 계산**: $\frac{7+1}{2} = 4$ 번째 값.
4.  **결과**: 4번째 값인 **25**가 제2사분위수($Q_2$)가 된다.

### 5.2 데이터 개수가 짝수인 경우
데이터 집합: `[10, 15, 20, 25, 30, 35, 40, 100]`
1.  **정렬**: 이미 오름차순으로 정렬되어 있음.
2.  **개수 확인**: $n = 8$ (짝수).
3.  **위치 계산**: $\frac{8}{2} = 4$ 번째 값과 $\frac{8}{2}+1 = 5$ 번째 값의 평균.
4.  **결과**: 4번째 값(25)과 5번째 값(30)의 평균인 $\frac{25+30}{2} = \mathbf{27.5}$가 제2사분위수($Q_2$)가 된다.

### 5.3 Python 코드를 이용한 구현
Python의 `NumPy`와 `Pandas` 라이브러리를 사용하여 제2사분위수를 구하는 방법은 다음과 같다.

```python
import numpy as np
import pandas as pd

# 데이터셋 정의
data = [10, 15, 20, 25, 30, 35, 100]

# 1. NumPy를 이용한 중앙값(Q2) 계산
q2_numpy = np.median(data)
print(f"NumPy Median: {q2_numpy}")

# 2. Pandas를 이용한 분위수 계산
df = pd.DataFrame(data, columns=['Value'])
q2_pandas = df['Value'].quantile(0.5)
print(f"Pandas 0.5 Quantile: {q2_pandas}")

# 결과 출력: 둘 다 25.0으로 동일함
# NumPy Median: 25.0
# Pandas 0.5 Quantile: 25.0
```

## 제2사분위수와 데이터 분포의 왜도
제2사분위수($Q_2$)와 산술 평균($\text{Mean}$)의 상대적 위치를 비교하면 데이터 분포의 치우침 정도인 **왜도(Skewness)**를 판별할 수 있다. 평균은 극단값에 민감하게 반응하지만, $Q_2$는 위치 기반 지표이므로 두 값의 차이는 분포의 비대칭성을 나타내는 중요한 근거가 된다.

| 관계식 | 분포의 형태 | 왜도(Skewness) | 특징 |
| :--- | :--- | :--- | :--- |
| $\text{Mean} \approx Q_2$ | 대칭 분포 | $\text{Skewness} \approx 0$ | 좌우 분포가 균형을 이룸 (예: 정규분포) |
| $\text{Mean} > Q_2$ | 오른쪽으로 꼬리가 긴 분포 | $\text{Skewness} > 0$ (양의 왜도) | 고소득자 등 매우 큰 값이 존재하여 평균을 끌어올림 |
| $\text{Mean} < Q_2$ | 왼쪽으로 꼬리가 긴 분포 | $\text{Skewness} < 0$ (음의 왜도) | 매우 작은 값이 존재하여 평균을 낮춤 |

## 다른 분위수 체계와의 비교
제2사분위수는 데이터를 나누는 기준(분할 단위)에 따라 명칭이 달라질 뿐, 수학적으로는 모두 동일한 지점(데이터의 50% 지점)을 가리킨다.

*   **십분위수(Decile)**: 데이터를 10등분 한 지점 중 다섯 번째 지점인 **제5십분위수($D_5$)**와 같다.
*   **백분위수(Percentile)**: 데이터를 100등분 한 지점 중 50번째 지점인 **제50백분위수($P_{50}$)**와 같다.

**[관계식]**
$$Q_2 = D_5 = P_{50} = \text{Median}$$

## 데이터 분할점으로서의 통계적 성질
제2사분위수는 단순한 중앙 위치를 넘어, 데이터셋을 **크기가 동일한 두 개의 부분 집합**으로 나누는 결정적인 '분할점(Cut-off point)'의 성질을 갖는다. 

전체 표본의 크기를 $n$이라 할 때, $Q_2$를 기준으로 하위 $n/2$개의 데이터와 상위 $n/2$개의 데이터로 엄격히 분리된다. 이러한 성질은 데이터의 상위 50%와 하위 50%를 구분하여 집단을 비교 분석하는 이분법적 분석(Binary Analysis)의 기초가 된다.

## 상자 그림의 비대칭 해석 사례
상자 그림에서 $Q_2$의 위치와 각 사분위수 간의 거리 차이는 데이터의 밀집도와 비대칭성을 구체적으로 보여준다.

*   **사례 1: $Q_2 - Q_1 < Q_3 - Q_2$ (우측 편향)**
    *   제2사분위수가 상자의 왼쪽(하단)에 치우쳐 있는 경우이다.
    *   이는 하위 25%~50% 구간의 데이터가 50%~75% 구간보다 더 좁은 범위에 밀집되어 있음을 의미하며, 데이터가 오른쪽으로 길게 늘어진 형태를 띤다.
*   **사례 2: $Q_2 - Q_1 > Q_3 - Q_2$ (좌측 편향)**
    *   제2사분위수가 상자의 오른쪽(상단)에 치우쳐 있는 경우이다.
    *   이는 상위 25%~50% 구간의 데이터가 더 밀집되어 있으며, 데이터가 왼쪽으로 길게 늘어진 형태를 띤다.
*   **사례 3: $Q_2 - Q_1 \approx Q_3 - Q_2$ (대칭)**
    *   제2사분위수가 상자의 정중앙에 위치하며, 중앙값을 중심으로 데이터가 고르게 분포되어 있음을 나타낸다.

AI 생성 콘텐츠 안내

이 문서는 AI 모델(gemma-4-31b)에 의해 생성된 콘텐츠입니다.

주의사항: AI가 생성한 내용은 부정확하거나 편향된 정보를 포함할 수 있습니다. 중요한 결정을 내리기 전에 반드시 신뢰할 수 있는 출처를 통해 정보를 확인하시기 바랍니다.

위키너와나