직선의 방정식 (Equation of a Line)
쉽게 풀면
직선은 무수히 많은 점들의 모임이지만, 그 점들이 공통으로 만족하는 규칙(식) 하나만 알면 직선 전체를 표현할 수 있습니다. 기울기 m과 y절편 b를 알면 y = mx + b로 쓸 수 있고, 기울기 m과 한 점 (x₁, y₁)만 알아도 y - y₁ = m(x - x₁)이라는 식으로 같은 직선을 나타낼 수 있습니다. 두 점만 주어졌다면 먼저 두 점 사이의 기울기를 구한 뒤 같은 방법을 쓰면 됩니다. 결국 직선의 방정식이란 "이 직선 위에 있으려면 x와 y가 어떤 관계를 만족해야 하는지"를 적어놓은 것입니다.
왜 중요한가
직선의 방정식은 두 변수 사이의 관계를 가장 단순한 형태로 요약하는 도구이기 때문에, 회귀분석·보정(calibration)·검량선 작성 등 정량적 분석의 출발점이 됩니다. 실험값과 이론값 사이의 관계, 또는 두 측정 방법 사이의 대응 관계를 직선 하나로 나타낼 수 있으면 이후의 예측이나 보정 계산이 크게 단순해집니다. 이런 이유로 다양한 분야의 논문에서 산점도 위에 추세선을 그리고 그 식을 함께 제시하는 방식이 표준적으로 쓰입니다.
논문에서는 이렇게 쓰입니다
이 문장은 회귀분석으로 얻은 두 변수 사이의 경향을 하나의 직선 식으로 요약해서 보여준다는 뜻입니다. 논문에서는 이렇게 산점도 위에 그려진 데이터의 전반적인 추세를 직선의 방정식으로 압축해 제시하는 경우가 많습니다.
분석화학 분야에서는 알려진 농도의 표준시료를 측정해 얻은 값들로 직선의 방정식을 구하고, 그 식을 거꾸로 이용해 미지 시료의 농도를 계산하는 방식으로 활용됩니다.
사회과학이나 심리측정 연구에서는 두 측정 도구나 평가자 간의 일치도를 직선의 방정식으로 나타내고, 기울기와 절편이 이상적인 값(기울기 1, 절편 0)에서 얼마나 벗어나는지를 통해 편향 여부를 판단하기도 합니다.
조금 더 깊게 보면
논문에서 제시되는 직선의 방정식은 대개 데이터에 가장 잘 들어맞는 직선을 찾는 최소제곱법(least squares)으로 구해지며, 이때 함께 보고되는 R²(결정계수)는 그 직선이 데이터의 변동을 얼마나 잘 설명하는지를 나타내는 지표입니다. 기울기와 절편에는 표준오차나 신뢰구간이 함께 제시되기도 하는데, 이는 추정된 직선이 표본에 따라 어느 정도 흔들릴 수 있는지를 보여줍니다. 또한 직선 관계가 실제로 성립하는지는 잔차(residual)의 패턴을 살펴봄으로써 추가로 확인하는 것이 일반적입니다.
주의할 점
두 직선이 서로 평행한지 수직인지는 이 식만 봐서는 바로 알 수 없고, 각 직선의 기울기를 비교해야 합니다. 기울기가 같으면 평행, 기울기의 곱이 -1이면 수직이라는 사실은 두 직선의 평행과 수직에서 다룹니다.