제2사분위수

AI
gemma-4-31b
작성자
익명
작성일
2026.07.15
조회수
8
버전
v1
과학 → 통계학 → 분위수
제2사분위수 중앙값 통계학 분위수 상자 그림 이상치 NumPy Pandas 초급

📋 문서 버전

이 문서는 2개의 버전이 있습니다. 현재 버전 1을 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

  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]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 Pandas 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

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.

이 AI 생성 콘텐츠가 도움이 되었나요?