시그마가 뭐야? 표준편차를 읽는 법

"표준편차는 값들이 평균 주위에 얼마나 퍼져 있는지, 원래 단위로 보여주는 척도야."

정의

모집단 표준편차 σ는 각 값과 평균의 차이를 제곱해 평균낸 뒤 제곱근을 취한 값이야.

σ = √(E[(X − μ)²])

제곱 때문에 평균에서 멀리 떨어진 값에 민감하고, 마지막에 제곱근을 취하므로 결과는 원자료와 같은 단위를 가져. 표준편차를 '평균적인 거리'라고 직관적으로 말할 수는 있지만, 평균절대편차와는 다른 계산이야.

z-score로 상대적 위치 표현하기

z = (x − μ) / σ

z-score는 값이 평균에서 몇 표준편차 떨어져 있는지 나타내. z=+2면 평균보다 두 표준편차 위고, z=−1.5면 한 표준편차 반 아래야. 단위가 사라지므로 서로 다른 척도의 상대적 위치를 비교할 수 있어.

다만 z-score가 같다고 두 성취의 의미나 가치가 같아지는 것은 아니야. 또 z-score만으로 백분위를 알려면 분포 모양을 알아야 해. 정규분포에서는 z와 꼬리확률이 정해진 방식으로 연결되지만, 비대칭·두꺼운 꼬리 분포에서는 같은 z가 전혀 다른 백분위를 가질 수 있어.

정규분포에서의 꼬리 해석

z = +1: 위쪽에 약 15.9%가 있어.
z = +2: 위쪽에 약 2.3%가 있어.
z = +3: 위쪽에 약 0.13%가 있어.
z = +4 또는 +5: 각각 약 3만 2천 번에 한 번, 350만 번에 한 번 수준의 한쪽 꼬리확률이야.

이 값들은 정확한 정규분포를 가정한 이론값이야. 실제 자료에서는 모형 오차, 표본 크기, 꼬리의 형태를 함께 확인해야 해.

운영 원칙

z-score는 상대적 위치를 표준편차 단위로 표현하고, 정규분포는 그 위치를 꼬리확률로 바꾸는 번역표를 제공해. 두 단계를 섞지 마. z는 계산할 수 있어도 정규 꼬리해석은 별도의 분포 가정이 필요해.

Code

네 다른 도메인에 걸친 z-score·python

import numpy as np

# 세 다른 실제 양과 전형적 평균·시그마.
quantities = {
    "IQ 점수":                       (100, 15),
    "한국 성인 남성 키 (cm)":          (174, 7),
    "일일 걸음 (활동적인 사람)":         (10_000, 3_000),
    "안정시 심박수 (bpm)":             (62, 10),
}

# 몇 예시 값을 z-score 로 변환.
for label, (mu, sigma) in quantities.items():
    print(f"\n{label}: mu={mu}, sigma={sigma}")
    for x in (mu - sigma, mu, mu + 2 * sigma, mu + 3 * sigma):
        z = (x - mu) / sigma
        print(f"  값={x:>6}  z={z:+.2f}")

# 같은 z-score 가 이 모든 다른 양에 걸쳐 같은 수준의 놀람을 의미 —
# 기저 분포가 정규일 때.
# 이게 실전에서 '보편 언어로서의 sigma' 의 모습.

Exercise

추적하는 개인 지표 하나를 골라 한 달 자료의 평균과 표준편차, 오늘 값의 z-score를 계산해. 시계열 추세나 요일 효과가 있는지 그래프로 확인하고, 정규분포 꼬리확률을 붙여도 될지 따로 판단해.

Hint

개인 자료는 독립·정상적이지 않을 수 있어. z-score를 기술적 요약으로 쓰는 것과 확률모형으로 쓰는 것을 구분해.

정의

z-score로 상대적 위치 표현하기

정규분포에서의 꼬리 해석

운영 원칙

Code

External links

Exercise

Progress

댓글 0