표준편차

작성자

익명

작성일

2026.06.20

조회수

None

버전

표준편차 통계학 분산 정규분포 모표준편차 표본표준편차 산포도 변동성

표준편차 (Standard Deviation)

표준편차(Standard Deviation)는 확률론 및 통계학에서 사용되는 산포도(Spread)의 척도 중 하나로, 데이터 집합이 평균(Average)으로부터 얼마나 떨어져 있는지를 나타내는 수치입니다. 일반적으로 그리스 문자 시그마($\sigma$)로 표기하며, 분산(Variance)의 제곱근 값입니다. 표준편차가 작을수록 데이터가 평균 주위에 밀집되어 있음을 의미하며, 클수록 데이터가 평균으로부터 넓게 퍼져 있음을 나타냅니다.

1. 개요 및 정의

표준편차는 데이터의 변동성(Variability)이나 이질성(Heterogeneity)을 정량화하는 가장 대표적인 지표입니다. 일상생활에서는 시험 점수의 분포, 금융 시장에서의 주가 변동성, 공업 생산품의 품질 관리 등 다양한 분야에서 활용됩니다.

통계학적으로 표준편차는 모표준편차(Population Standard Deviation)와 표본표준편차(Sample Standard Deviation)로 구분됩니다.

모표준편차 ($\sigma$): 전체 모집단(Population)의 데이터를 모두 포함하여 계산한 표준편차입니다.
표본표준편차 ($s$ 또는 $S$): 모집단에서 추출한 일부 표본(Sample)의 데이터를 바탕으로 모집단의 표준편차를 추정할 때 사용됩니다.

2. 계산 방법

표준편차는 평균과의 편차(차이)를 제곱하여 평균낸 후, 다시 제곱근을 취하는 과정을 통해 구합니다.

2.1 모표준편차 계산 공식

모집단의 크기를 $N$, 각 데이터 값을 $x_i$, 모평균을 $\mu$라고 할 때, 모표준편차 $\sigma$는 다음과 같이 계산됩니다.

$$ \sigma = \sqrt{\frac{1}{N} \sum_{i=1}^{N} (x_i - \mu)^2} $$

여기서 $\sum_{i=1}^{N} (x_i - \mu)^2$는 편차제곱합이며, 이를 $N$으로 나눈 값이 분산(Variance)입니다.

2.2 표본표준편차 계산 공식

표본의 크기를 $n$, 표본평균을 $\bar{x}$라고 할 때, 표본표준편차 $s$는 다음과 같이 계산됩니다. 모표준편차와 달리 분모가 $N$이 아닌 $n-1$인 것이 특징입니다. 이는 불편추정량(Unbiased Estimator) 성질을 만족시키기 위함으로, 표본을 통해 모집단을 추정할 때 발생하는 편향을 보정하는 역할(Bessel's correction)을 합니다.

$$ s = \sqrt{\frac{1}{n-1} \sum_{i=1}^{n} (x_i - \bar{x})^2} $$

3. 표준편차의 해석과 활용

3.1 변동성의 척도

표준편차는 데이터가 평균을 중심으로 얼마나 퍼져 있는지를 직관적으로 이해하게 해줍니다. * 표준편차가 작음: 데이터들이 평균 근처에 밀집되어 있어 예측 가능성이 높고 안정적입니다. (예: 정밀 공작 기계의 부품 치수) * 표준편차가 큼: 데이터들이 평균으로부터 멀리 흩어져 있어 변동성이 크고 예측이 어렵습니다. (예: 주식 시장의 일일 수익률)

3.2 정규분포와 경험 법칙

데이터가 정규분포(Normal Distribution)를 따른다고 가정할 때, 표준편차는 다음과 같은 중요한 성질을 가집니다. * 평균 $\pm$ 1표준편차 범위 내에 약 68.27%의 데이터가 포함됩니다. * 평균 $\pm$ 2표준편차 범위 내에 약 95.45%의 데이터가 포함됩니다. * 평균 $\pm$ 3표준편차 범위 내에 약 99.73%의 데이터가 포함됩니다.

이러한 성질은 통계적 가설 검정, 신뢰 구간 설정, 이상치 탐지 등에 널리 활용됩니다.

3.3 표준편차와 분산의 차이

분산은 편차의 제곱을 평균한 값이므로 단위가 원래 데이터의 제곱 단위(예: $cm^2$)가 되어 해석이 직관적이지 않을 수 있습니다. 반면, 표준편차는 제곱근을 취함으로써 원래 데이터와 동일한 단위(예: $cm$)를 가지므로, 실제 데이터의 분포를 이해하는 데 더 유용합니다.

4. 관련 개념 및 참고 자료

분산 (Variance): 표준편차의 제곱값으로, 데이터의 산포도를 제곱 단위로 나타냅니다.
변계계수 (Coefficient of Variation, CV): 표준편차를 평균으로 나눈 값으로, 단위가 다른 데이터 집합 간 변동성을 비교할 때 사용됩니다. ($CV = \frac{\sigma}{\mu}$)
평균 절대 편차 (Mean Absolute Deviation): 편차의 절댓값을 평균한 것으로, 표준편차보다 계산이 간단하지만 수학적으로 다루기 어려운 단점이 있습니다.

참고 문헌

Montgomery, D. C., & Runger, G. C. (2014). Applied Statistics and Probability for Engineers. Wiley.
한국통계학회. (2020). 통계학 개론. 서울: 한빛아카데미.
Wolfram MathWorld. "Standard Deviation." Retrieved from https://mathworld.wolfram.com/StandardDeviation.html

본 문서는 통계학의 기본 개념인 표준편차에 대해 설명하며, 정확한 계산을 위해서는 데이터의 특성(모집단 또는 표본)에 따라 적절한 공식을 선택해야 합니다.

📝 마크다운 원본

이 문서의 마크다운 원본 내용입니다.

# 표준편차 (Standard Deviation)

**표준편차**(Standard Deviation)는 확률론 및 통계학에서 사용되는 산포도(Spread)의 척도 중 하나로, 데이터 집합이 평균(Average)으로부터 얼마나 떨어져 있는지를 나타내는 수치입니다. 일반적으로 그리스 문자 시그마($\sigma$)로 표기하며, 분산(Variance)의 제곱근 값입니다. 표준편차가 작을수록 데이터가 평균 주위에 밀집되어 있음을 의미하며, 클수록 데이터가 평균으로부터 넓게 퍼져 있음을 나타냅니다.

## 1. 개요 및 정의

표준편차는 데이터의 변동성(Variability)이나 이질성(Heterogeneity)을 정량화하는 가장 대표적인 지표입니다. 일상생활에서는 시험 점수의 분포, 금융 시장에서의 주가 변동성, 공업 생산품의 품질 관리 등 다양한 분야에서 활용됩니다.

통계학적으로 표준편차는 **모표준편차**(Population Standard Deviation)와 **표본표준편차**(Sample Standard Deviation)로 구분됩니다.

*   **모표준편차 ($\sigma$)**: 전체 모집단(Population)의 데이터를 모두 포함하여 계산한 표준편차입니다.
*   **표본표준편차 ($s$ 또는 $S$)**: 모집단에서 추출한 일부 표본(Sample)의 데이터를 바탕으로 모집단의 표준편차를 추정할 때 사용됩니다.

## 2. 계산 방법

표준편차는 평균과의 편차(차이)를 제곱하여 평균낸 후, 다시 제곱근을 취하는 과정을 통해 구합니다.

### 2.1 모표준편차 계산 공식

모집단의 크기를 $N$, 각 데이터 값을 $x_i$, 모평균을 $\mu$라고 할 때, 모표준편차 $\sigma$는 다음과 같이 계산됩니다.

$$
\sigma = \sqrt{\frac{1}{N} \sum_{i=1}^{N} (x_i - \mu)^2}
$$

여기서 $\sum_{i=1}^{N} (x_i - \mu)^2$는 **편차제곱합**이며, 이를 $N$으로 나눈 값이 **분산(Variance)**입니다.

### 2.2 표본표준편차 계산 공식

표본의 크기를 $n$, 표본평균을 $\bar{x}$라고 할 때, 표본표준편차 $s$는 다음과 같이 계산됩니다. 모표준편차와 달리 분모가 $N$이 아닌 $n-1$인 것이 특징입니다. 이는 **불편추정량(Unbiased Estimator)** 성질을 만족시키기 위함으로, 표본을 통해 모집단을 추정할 때 발생하는 편향을 보정하는 역할(Bessel's correction)을 합니다.

$$
s = \sqrt{\frac{1}{n-1} \sum_{i=1}^{n} (x_i - \bar{x})^2}
$$

## 3. 표준편차의 해석과 활용

### 3.1 변동성의 척도
표준편차는 데이터가 평균을 중심으로 얼마나 퍼져 있는지를 직관적으로 이해하게 해줍니다.
*   **표준편차가 작음**: 데이터들이 평균 근처에 밀집되어 있어 예측 가능성이 높고 안정적입니다. (예: 정밀 공작 기계의 부품 치수)
*   **표준편차가 큼**: 데이터들이 평균으로부터 멀리 흩어져 있어 변동성이 크고 예측이 어렵습니다. (예: 주식 시장의 일일 수익률)

### 3.2 정규분포와 경험 법칙
데이터가 정규분포(Normal Distribution)를 따른다고 가정할 때, 표준편차는 다음과 같은 중요한 성질을 가집니다.
*   평균 $\pm$ 1표준편차 범위 내에 약 **68.27%**의 데이터가 포함됩니다.
*   평균 $\pm$ 2표준편차 범위 내에 약 **95.45%**의 데이터가 포함됩니다.
*   평균 $\pm$ 3표준편차 범위 내에 약 **99.73%**의 데이터가 포함됩니다.

이러한 성질은 통계적 가설 검정, 신뢰 구간 설정, 이상치 탐지 등에 널리 활용됩니다.

### 3.3 표준편차와 분산의 차이
분산은 편차의 제곱을 평균한 값이므로 단위가 원래 데이터의 제곱 단위(예: $cm^2$)가 되어 해석이 직관적이지 않을 수 있습니다. 반면, 표준편차는 제곱근을 취함으로써 원래 데이터와 동일한 단위(예: $cm$)를 가지므로, 실제 데이터의 분포를 이해하는 데 더 유용합니다.

## 4. 관련 개념 및 참고 자료

*   **분산 (Variance)**: 표준편차의 제곱값으로, 데이터의 산포도를 제곱 단위로 나타냅니다.
*   **변계계수 (Coefficient of Variation, CV)**: 표준편차를 평균으로 나눈 값으로, 단위가 다른 데이터 집합 간 변동성을 비교할 때 사용됩니다. ($CV = \frac{\sigma}{\mu}$)
*   **평균 절대 편차 (Mean Absolute Deviation)**: 편차의 절댓값을 평균한 것으로, 표준편차보다 계산이 간단하지만 수학적으로 다루기 어려운 단점이 있습니다.

### 참고 문헌
1.  Montgomery, D. C., & Runger, G. C. (2014). *Applied Statistics and Probability for Engineers*. Wiley.
2.  한국통계학회. (2020). *통계학 개론*. 서울: 한빛아카데미.
3.  Wolfram MathWorld. "Standard Deviation." Retrieved from https://mathworld.wolfram.com/StandardDeviation.html

---
*본 문서는 통계학의 기본 개념인 표준편차에 대해 설명하며, 정확한 계산을 위해서는 데이터의 특성(모집단 또는 표본)에 따라 적절한 공식을 선택해야 합니다.*

AI 생성 콘텐츠 안내

이 문서는 AI 모델(qwen/qwen3.6-35b-a3b)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