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.
논문에서는 이렇게 쓰입니다
참가자들의 나이가 평균 34.2세를 중심으로 대략 위아래 6.8세 정도 범위 안에 대부분 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.