용어 목록 > 표준편차 (Standard Deviation)

표준편차 (Standard Deviation)

쉽게 풀면

분산은 계산 과정에서 값을 제곱하기 때문에 "cm²"처럼 원래 단위와 맞지 않는 숫자가 됩니다. 표준편차는 그 분산에 제곱근을 씌워서 다시 원래 단위(cm, 점수, kg 등)로 되돌린 값입니다. 그래서 "평균 170cm, 표준편차 5cm"처럼 평균과 나란히 놓고 감각적으로 이해하기 쉽습니다. 표준편차가 작으면 데이터가 평균 주위에 촘촘히 모여 있다는 뜻이고, 크면 값들이 넓게 퍼져 있다는 뜻입니다.

왜 중요한가

표준편차는 평균만으로는 알 수 없는 데이터의 흩어진 정도를 보여주기 때문에, 거의 모든 분야의 논문에서 참가자 특성이나 측정값의 분포를 요약할 때 기본적으로 함께 보고됩니다. 또한 t검정이나 분산분석처럼 집단 간 차이를 검정하는 여러 통계 기법의 계산 과정에도 표준편차가 직접 활용되어, 데이터를 요약하는 것을 넘어 통계적 추론의 토대가 됩니다.

계산과 범위

표본표준편차 s = √[Σ(x_i − x̄)² / (n − 1)], 모표준편차 σ = √[Σ(x_i − μ)² / N]입니다. 분산의 제곱근이어서 원자료와 같은 단위입니다.

• 범위: 0 이상. 모든 값이 같으면 0입니다.
• 평균과 함께 “평균 ± 표준편차”로 보고되며, 평균에서 보통 얼마나 떨어져 있는지의 감각을 줍니다(정확히는 편차 제곱평균의 제곱근이어서 평균 절대편차와는 다릅니다).
• 상수를 더해도 변하지 않고, 상수 a를 곱하면 |a|배가 됩니다.
• 극단값에 민감합니다. 표본이 작으면 s의 불확실성도 큽니다.
• n − 1로 나눈 s²은 모분산의 불편추정량이지만, 제곱근을 취한 s는 모표준편차를 약간 작게 추정하는 경향이 있습니다.

(직접 계산) 값 4, 8, 6, 5, 12의 표본표준편차는 √10 ≈ 3.16, 평균 7.0 대비 변동계수는 0.45(약 45%)입니다.

해석 기준

정규분포에 가까운 자료에서는 평균 ± 1, 2, 3 표준편차 안에 각각 약 68.3%, 95.4%, 99.7%가 들어갑니다(68–95–99.7 규칙). 어떤 분포든 체비쇼프 부등식에 따라 k 표준편차 안에는 최소 1 − 1/k²가 들어가므로 k = 2에서 75%, k = 3에서 약 88.9% 이상입니다.

• 치우친 분포에서는 규칙이 맞지 않습니다. 평균 1, 표준편차 1인 지수분포에서 평균 ± 1 표준편차(0~2) 안의 비율은 0.865, 평균 ± 2 표준편차(0~3) 안은 0.950입니다(정규의 .683, .954와 다름).
• 표준편차 자체의 “크다/작다”는 평균의 크기와 분야에 따라 다르므로 변동계수 등과 함께 봅니다.
• 표준편차 vs 표준오차: 표준편차(SD)는 자료의 흩어짐이고, 표준오차(SE = SD/√n)는 평균 추정의 불확실성입니다. 표본을 늘리면 SD는 거의 변하지 않고 SE는 줄어듭니다.
• (예) SD 3.16, n = 5의 SE는 1.41이지만 같은 SD로 n = 100이면 SE는 0.32입니다.

보고 방법

기술통계에서는 “M = 7.0, SD = 3.16”처럼 평균과 함께 표준편차를 적습니다. 오차막대를 그릴 때 SD인지 SE인지 95% 신뢰구간인지 반드시 밝힙니다(Altman & Bland, 2005). 자료의 변동을 보여 주려면 SD, 평균 추정의 정밀도를 보여 주려면 SE나 신뢰구간입니다.

참여자의 평균 연령은 34.2세(SD = 8.1)였다.

• (위 수치는 형식을 보여 주는 가상의 값입니다.)
• “34.2 ± 8.1”처럼 ±만 쓰면 8.1이 SD인지 SE인지 알 수 없으므로 표나 방법 절에 정의합니다.
• 치우친 변수(소득, 입원 일수 등)는 중앙값과 사분위범위를 쓰는 것이 낫습니다. 이처럼 음수가 될 수 없는 변수에서 SD가 평균보다 크면 분포가 치우쳤을 가능성이 큽니다.
• 소수점 자릿수는 평균과 맞춰 적는 것이 일반적입니다.

논문에서는 이렇게 쓰입니다

실제 논문에서

국내 학술지 논문에서 이 용어가 쓰인 문장을 그대로 옮겼습니다. 제목·학술지·연도와 원문 링크를 함께 적었습니다.

• “대상자의 일반적인 특성, 학습관련 특성, 학업적 자기효능감과 학습동기 값은 빈도와 백분율, 평균과 표준편차를 구하였다.”

  플립러닝을 적용한 기본간호학 실습교육의 효과, Journal of The Korean Data Analysis Society, 2016 · KCI 한국학술지인용색인 · 원문 보기 ↗

• “본 연구대상은 유치원과 어린이집을 다니는 만 4, 5, 6세의 어머니 387명이었으며, 수집된 자료는 평균, 표준편차, χ², Cramer’s V계수, 탐색적 요인분석, 확인적 요인분석, 상관관계, Cronbach’s α를 사용하여 개발된 척도의 타당도와 신뢰도를 검증하였다.”

  부모의 수학적 태도 척도 타당화 연구, 인간발달연구, 2016 · KCI 한국학술지인용색인 · 원문 보기 ↗

• “연구방법: 1개 광역시와 3개 중소도시 지역에 소재하는 유치원과 어린이집에 자녀를 보내고 있는 어머니 총 387명으로부터 회수된 설문 조사 자료는 SPSS 23.0 프로그램을 이용하여 평균, 표준편차, t-검증, 일변량분산분석과 Scheffé 사후검정을 실시하였다.”

  유아의 사회인구학적 변인과 모 공동체생활 역량 요소에 따른 유아의 친사회적 행동 연구, 교육혁신연구, 2017 · KCI 한국학술지인용색인 · 원문 보기 ↗

예시 문장

아래는 용어의 쓰임을 보여 주려고 만든 예시로, 실제 논문에서 가져온 문장이 아닙니다.

참가자들의 나이가 평균 34.2세를 중심으로 대략 위아래 6.8세 정도 범위 안에 상당수(정규분포에 가까우면 약 68%)가 분포해 있다는 뜻입니다.

인지심리학이나 실험 연구에서는 집단 간 평균 차이뿐 아니라 표준편차의 크기 차이도 함께 보고해, 반응의 일관성이 집단마다 어떻게 다른지를 설명하는 경우가 많습니다.

환경과학 논문에서는 여러 지점에서 채취한 시료의 측정값이 얼마나 균질한지 또는 편차가 큰지를 표준편차로 나타내는 경우가 흔합니다.

조금 더 깊게 보면

표준편차를 평균으로 나눈 값인 변동계수(coefficient of variation)는 단위가 다르거나 평균 크기가 다른 두 데이터셋의 상대적 산포도를 비교할 때 유용하게 쓰입니다. 또한 정규분포를 따르는 데이터에서는 평균을 중심으로 표준편차 1개, 2개 범위 안에 각각 대략 어느 정도의 데이터가 분포하는지에 대한 경험칙이 널리 알려져 있어, 표준편차 값만으로도 데이터의 대략적인 분포 형태를 가늠하는 데 활용됩니다.

주의할 점

표준편차는 극단값(이상치)에 민감하게 반응합니다. 소수의 매우 크거나 작은 값이 있으면 실제 데이터의 전형적인 퍼짐 정도보다 표준편차가 과장되게 커질 수 있습니다.

헷갈리기 쉬운 용어

흩어짐을 나타내는 값들은 무엇이 흩어지는지가 다릅니다.

참고 문헌

1. Altman, D. G., & Bland, J. M. (2005). Standard deviations and standard errors. BMJ, 331(7521), 903.
2. Lang, T. A., & Altman, D. G. (2015). Basic statistical reporting for articles published in biomedical journals: The “Statistical Analyses and Methods in the Published Literature” or the SAMPL guidelines. International Journal of Nursing Studies, 52(1), 5–9.
3. Casella, G., & Berger, R. L. (2002). Statistical Inference (2nd ed.). Duxbury.
4. Rice, J. A. (2007). Mathematical Statistics and Data Analysis (3rd ed.). Cengage Learning.

표의 기준값은 위 문헌에 근거한 관례이며, 분야·학술지마다 다른 기준을 쓸 수 있습니다.

관련 용어