확률·통계분산과 표준편차#232

분산과 표준편차

Variance and Standard Deviation

분산은 하나 이상의 자료에서 편차 제곱의 합을 자료 수로 나눈 값이고, 표준편차는 분산의 음이 아닌 제곱근이다. 평균이 같은 가상 자료로 편차의 합이 0인 이유, 모르는 편차 구하기, 모든 값에 같은 수를 더하거나 곱할 때의 변화, 표준편차로 분포를 비교하는 법을 익힌다.

읽는 시간
약 9분
선수 개념
대푯값제곱근

직관 — 같은 중심에 모인 점들의 간격

직관

줄 위에 놓인 점들이 같은 곳을 중심으로 모여 있어도, 간격은 촘촘할 수도 넓을 수도 있다. 중심만 표시하면 이 차이가 사라진다. 중심에서 각 점까지의 차이를 함께 살펴야 퍼짐이 보인다.

점 하나는 자료값 하나, 중심은 평균에 대응한다. 자료가 흩어진 정도를 하나의 수로 나타낸 값을 산포도라고 한다. 분산과 표준편차는 대표적인 산포도이며, 평균이 같은 두 자료의 퍼짐을 비교하게 해 준다.

분산과 표준편차는 평균을 기준으로 퍼짐을 나타낸다

분산은 각 자료값에서 평균을 뺀 편차를 제곱하여 평균한 값이다. 표준편차는 분산의 음이 아닌 제곱근이다.

실수로 나타낸 자료값이 nn개 있고 nn은 양의 정수라고 하자. 이 글은 주어진 자료 각각을 같은 비중으로 다루며, 같은 값이 반복되어도 각각 센다. x1,…,xnx_1,\ldots,x_n은 차례로 첫째부터 nn번째 자료값(변량)이다. 평균을 xˉ\bar{x}, 분산을 VV, 표준편차를 ss로 적으면 정의는 식 (1)과 같다.

xˉ=x1+⋯+xnn,V=(x1−xˉ)2+⋯+(xn−xˉ)2n,s=V.(1)\begin{aligned} \bar{x}&=\frac{x_1+\cdots+x_n}{n},\\ V&=\frac{(x_1-\bar{x})^2+\cdots+(x_n-\bar{x})^2}{n},\\ s&=\sqrt{V}. \end{aligned} \tag{1}
정의
기호이름원어뜻
nn자료 수number of observations중복된 값도 각각 세는 양의 정수
xix_i자료값observationii번째 값, i=1,…,ni=1,\ldots,n
xˉ\bar{x}평균mean자료값의 합을 nn으로 나눈 값
xi−xˉx_i-\bar{x}편차deviation평균보다 크면 양수, 작으면 음수인 차
VV분산variance편차 제곱의 평균을 나타내는 이 글의 기호
ss표준편차standard deviationV\sqrt{V}를 나타내는 이 글의 기호

교과서는 기호 없이 '(편차)=(변량)−(평균)', '(분산)={(편차)²의 총합}÷(변량의 개수)', '(표준편차)=√(분산)'처럼 말로 쓴다. 이 글의 xi−xˉx_i-\bar{x}, VV, ss가 각각 그것이다.

분모는 자료 수 nn이다. 제곱근에 ±\pm를 붙이지 않는 까닭은 근호가 음이 아닌 한 값을 나타내기 때문이다. 실제 길이 자료가 cm 단위라면 편차도 cm, 분산은 cm², 표준편차는 다시 cm 단위가 된다. 분산의 cm²는 차이를 제곱하여 생긴 단위이며, 어떤 도형의 넓이를 측정했다는 뜻은 아니다.

편차의 합은 왜 분산 대신 쓸 수 없을까?

편차를 그대로 더하면 어떤 자료든 합이 0이 되어 퍼짐을 구별할 수 없다. 다음 두 가상 길이 자료는 모두 평균이 10 cm10\text{ cm}이지만, B의 끝값이 평균에서 더 멀다.

순서A의 값(cm)B의 값(cm)
186
21010
31010
41214

A의 평균은 (8+10+10+12)/4=10(8+10+10+12)/4=10, B의 평균도 (6+10+10+14)/4=10(6+10+10+14)/4=10이다. 두 자료에는 각각 값 10이 두 번 있다. 그림 1은 이 두 관측값을 위로 쌓아 표시한다. 두 패널의 가로축 눈금과 축척은 같고, 세로 위치는 같은 값의 개수를 구별할 뿐 다른 측정량을 뜻하지 않는다.

가상 길이 자료 A와 B의 점그래프. 가로축의 단위는 cm이며 두 축척이 같다. 점 하나가 자료값 하나이고, 세로로 쌓인 두 점은 값 10이 두 번 있다는 뜻이다. 점선은 공통 평균 10을 표시한다.
그림 1 가상 길이 자료 A와 B의 점그래프. 가로축의 단위는 cm이며 두 축척이 같다. 점 하나가 자료값 하나이고, 세로로 쌓인 두 점은 값 10이 두 번 있다는 뜻이다. 점선은 공통 평균 10을 표시한다. figures/equal_mean_spread.py

평균을 뺀 A의 편차는 −2,0,0,2-2,0,0,2, B의 편차는 −4,0,0,4-4,0,0,4이다. 어느 쪽도 더하면 0이 된다. 이 현상은 우연이 아니다. 평균의 정의에서 x1+⋯+xn=nxˉx_1+\cdots+x_n=n\bar{x}이므로 모든 자료에 대해 식 (2)가 성립한다.

(x1−xˉ)+⋯+(xn−xˉ)=(x1+⋯+xn)−nxˉ=0.(2)\begin{aligned} &(x_1-\bar{x})+\cdots+(x_n-\bar{x})\\ &=(x_1+\cdots+x_n)-n\bar{x}=0. \end{aligned} \tag{2}

분산은 이 상쇄를 막기 위해 편차를 제곱한다. 제곱한 값은 모두 0 이상이며, 평균에서 더 멀수록 더 큰 값이 된다. A에서 값 8의 편차 −2-2와 값 12의 편차 22는 제곱하면 둘 다 4가 되어 서로 지우지 않는다.

분산 대신 편차의 절댓값을 평균해도 되나요?

퍼짐을 재는 값으로는 쓸 수 있다. 편차의 절댓값을 평균한 값을 평균편차라고 하며, A는 (2+0+0+2)÷4=1 cm(2+0+0+2)\div4=1\text{ cm}이다. 다만 이 값은 분산이나 표준편차(A는 2 cm\sqrt{2}\text{ cm})와 다른 산포도이므로 섞어 비교하지 않는다.

편차의 합이 0이면 모르는 편차를 어떻게 구할까?

편차 하나를 몰라도 나머지 편차의 합에 부호를 바꾸면 그 편차가 나온다. 식 (2)에서 모든 편차의 합이 0이기 때문이다. 구한 편차에 평균을 더하면 그 자료값도 되돌릴 수 있다.

가상 막대 다섯 개의 길이를 쟀더니 평균이 20 cm20\text{ cm}이고, 편차가 차례로 3,−1,x,0,−43,-1,x,0,-4(cm)였다고 하자. 다섯 편차를 모두 더하면 0이어야 한다.

3+(−1)+x+0+(−4)=0(3)3+(-1)+x+0+(-4)=0 \tag{3} x−2=0,x=2(4)x-2=0,\qquad x=2 \tag{4}

그림 2의 오른쪽 두 기둥은 양의 편차와 음의 편차를 각각 이어 붙인 것이다. 위로 솟은 3+2=53+2=5와 아래로 내려간 1+4=51+4=5의 길이가 같아야 합이 0이 된다. 그래서 세 번째 막대 xx는 위로 2만큼 솟는다.

가상 막대 다섯 개의 편차를 평균 20 cm의 가로선에서 위아래 막대로 그렸다. 세 번째 막대가 모르는 편차 x이다. 오른쪽 두 기둥은 양의 편차 3과 2, 음의 편차 −1과 −4를 이어 붙인 것으로 위아래 길이가 5로 같다.
그림 2 가상 막대 다섯 개의 편차를 평균 20 cm의 가로선에서 위아래 막대로 그렸다. 세 번째 막대가 모르는 편차 x이다. 오른쪽 두 기둥은 양의 편차 3과 2, 음의 편차 −1과 −4를 이어 붙인 것으로 위아래 길이가 5로 같다. figures/deviation_bars.py

자료값은 '(변량)=(평균)+(편차)'로 되돌린다. 다섯 길이는 차례로 23,19,22,20,1623,19,22,20,16(cm)이다. 이 값들의 합은 100이므로 평균이 100÷5=20100\div5=20이 되어 처음 조건과 맞는다.

분산과 표준편차는 어떻게 계산할까?

평균을 구한 뒤 각 편차를 제곱하고, 그 합을 자료 수로 나누면 분산이다. 마지막에 음이 아닌 제곱근을 구하면 표준편차가 된다. 앞의 A와 B를 빠뜨리지 않고 표로 정리하자.

순서A 편차(cm)A 편차 제곱(cm²)B 편차(cm)B 편차 제곱(cm²)
1−24−416
20000
30000
424416
합08032

식 (1)에 표의 값을 넣으면 식 (5)를 얻는다. 아래 첨자 A와 B는 어느 자료의 값인지 구별한다.

VA=4+0+0+44=2,sA=2,VB=16+0+0+164=8,sB=22.(5)\begin{aligned} V_A&=\frac{4+0+0+4}{4}=2, &s_A&=\sqrt{2},\\ V_B&=\frac{16+0+0+16}{4}=8, &s_B&=2\sqrt{2}. \end{aligned} \tag{5}

A의 분산은 2 cm22\text{ cm}^2, 표준편차는 2 cm≈1.41 cm\sqrt{2}\text{ cm}\approx1.41\text{ cm}이다. B의 분산은 8 cm28\text{ cm}^2, 표준편차는 22 cm≈2.83 cm2\sqrt{2}\text{ cm}\approx2.83\text{ cm}이다. 근삿값은 소수 셋째 자리에서 반올림했다. 정확한 비교에는 근호가 있는 값을 그대로 사용해도 된다.

같은 단위로 측정한 두 자료에서 B의 분산과 표준편차가 더 크므로, B가 평균을 기준으로 더 크게 퍼져 있다고 설명할 수 있다. 분산은 4배지만 표준편차는 2배이다. 제곱근을 구했으므로 두 배율이 같지는 않다.

그림 3은 편차 제곱을 한 변이 편차의 크기인 정사각형으로 그려 본 모형이다. A의 두 정사각형 넓이는 4, B는 16이고, 값 10은 편차가 0이라 정사각형이 없다. 각 자료에서 0인 편차 제곱 두 개까지 포함한 네 값의 평균이 분산이고, 그 평균 넓이를 가진 정사각형의 한 변이 표준편차다. 제곱근은 넓이처럼 cm² 단위가 된 퍼짐을 다시 자료와 같은 cm 단위로 되돌린다.

A와 B의 각 자료값과 평균 10 사이를 한 변으로 하는 정사각형을 그렸다. 안의 수는 편차 제곱이다. 오른쪽 파선 정사각형은 넓이가 편차 제곱의 평균, 곧 분산 V와 같고 그 한 변이 표준편차 s다. 두 패널의 축척은 같다.
그림 3 A와 B의 각 자료값과 평균 10 사이를 한 변으로 하는 정사각형을 그렸다. 안의 수는 편차 제곱이다. 오른쪽 파선 정사각형은 넓이가 편차 제곱의 평균, 곧 분산 V와 같고 그 한 변이 표준편차 s다. 두 패널의 축척은 같다. figures/deviation_squares.py

편차를 이미 알면 그 제곱부터 시작한다. 앞 절의 다섯 막대는 편차가 3,−1,2,0,−43,-1,2,0,-4이므로 분산은 식 (6)과 같다.

V=32+(−1)2+22+02+(−4)25=305=6(6)V=\frac{3^2+(-1)^2+2^2+0^2+(-4)^2}{5}=\frac{30}{5}=6 \tag{6}

따라서 다섯 막대의 분산은 6 cm26\text{ cm}^2, 표준편차는 6 cm≈2.45 cm\sqrt{6}\text{ cm}\approx2.45\text{ cm}이다.

계산기로 구한 표준편차가 다른 이유는 무엇인가요?

계산기의 표준편차가 이 글과 다르면 편차 제곱의 합을 자료 수 nn 대신 n−1n-1로 나눈 뒤 제곱근을 구한 값을 읽었을 수 있다. 계산기에 따라 nn을 쓰는 표준편차(σx 등)와 n−1n-1을 쓰는 표준편차(sx 등)를 함께 보여 준다. A의 편차 제곱의 합 8을 3으로 나누어 제곱근을 구하면 8/3≈1.63 cm\sqrt{8/3}\approx1.63\text{ cm}로 이 글의 2≈1.41 cm\sqrt{2}\approx1.41\text{ cm}와 다르다. 값 10을 두 번 입력했는지도 확인한다.

모든 값에 같은 수를 더하거나 곱하면 분산은 어떻게 변할까?

모든 값에 같은 수를 더하면 분산과 표준편차는 그대로다. 모든 값에 양수 kk를 곱하면 분산은 k2k^2배, 표준편차는 kk배가 된다. 평균은 더한 수만큼 커지거나 kk배가 된다.

이유는 편차에 있다. 모든 값에 aa를 더하면 평균도 aa만큼 커지므로 편차는 변하지 않는다.

(xi+a)−(xˉ+a)=xi−xˉ(7)(x_i+a)-(\bar{x}+a)=x_i-\bar{x} \tag{7}

모든 값에 kk를 곱하면 평균도 kk배가 되어 편차가 kk배가 된다. 그 제곱은 k2k^2배이므로 분산은 k2k^2배이고, 분산의 제곱근인 표준편차는 kk배다.

kxi−kxˉ=k(xi−xˉ)(8)kx_i-k\bar{x}=k(x_i-\bar{x}) \tag{8} {k(xi−xˉ)}2=k2(xi−xˉ)2(9)\{k(x_i-\bar{x})\}^2=k^2(x_i-\bar{x})^2 \tag{9}

그림 4의 가운데 줄은 A의 모든 값에 5를 더한 자료다. 평균이 15로 옮겨 갔지만 분산은 2 그대로여서 막대의 폭이 같다. 아래 줄은 모든 값에 2를 곱한 16,20,20,2416,20,20,24이다. 평균은 20, 분산은 22×2=82^2\times2=8, 표준편차는 222\sqrt{2}가 되어 막대 폭이 두 배로 넓어진다.

A의 값 8, 10, 10, 12(위), 모든 값에 5를 더한 자료(가운데), 모든 값에 2를 곱한 자료(아래)를 같은 눈금에 찍었다. 파선은 평균, 점 아래 막대는 평균에서 양쪽으로 표준편차만큼이다. 5를 더하면 막대가 옮겨 가기만 하고, 2를 곱하면 막대 폭도 2배가 된다.
그림 4 A의 값 8, 10, 10, 12(위), 모든 값에 5를 더한 자료(가운데), 모든 값에 2를 곱한 자료(아래)를 같은 눈금에 찍었다. 파선은 평균, 점 아래 막대는 평균에서 양쪽으로 표준편차만큼이다. 5를 더하면 막대가 옮겨 가기만 하고, 2를 곱하면 막대 폭도 2배가 된다. figures/shift_scale.py

단위를 바꿀 때 이 성질을 쓴다. A를 mm로 적으면 모든 값이 10배인 80,100,100,12080,100,100,120이 된다. 분산은 102×2=200 mm210^2\times2=200\text{ mm}^2, 표준편차는 102 mm≈14.1 mm10\sqrt{2}\text{ mm}\approx14.1\text{ mm}이다. 1 cm2=100 mm21\text{ cm}^2=100\text{ mm}^2이므로 2 cm22\text{ cm}^2와 같은 양이다.

분산과 표준편차가 0인 자료는 무엇이 다를까?

분산과 표준편차가 0인 자료는 모든 값이 서로 같다. 편차의 제곱은 음수가 아니므로 그 합이 0이려면 각각이 모두 0이어야 하고, 그러면 모든 자료값이 평균과 같기 때문이다. 거꾸로 모든 값이 같으면 편차가 전부 0이므로 분산과 표준편차도 0이다. 예를 들어 7,7,77,7,7은 평균이 7이고 세 편차가 모두 0이다.

자료가 한 개일 때도 그 값이 곧 평균이어서 분산과 표준편차는 0이다. 자료가 하나도 없으면 n=0n=0이므로 식 (1)로 평균·분산·표준편차를 정할 수 없다.

표준편차로 자료의 분포를 어떻게 설명할까?

표준편차가 작을수록 자료가 평균 가까이 모여 있고, 클수록 평균에서 멀리 흩어져 있다. 그래서 같은 단위의 자료끼리 표준편차를 비교하면 어느 자료가 더 고르게 분포하는지 말할 수 있다.

다음은 가상 세 모둠의 멀리뛰기 기록을 평균과 표준편차로만 정리한 표다. 단위는 모두 cm이다.

모둠평균(cm)표준편차(cm)
가1728
나18015
다1655

기록이 평균 가까이 가장 고르게 모인 모둠은 표준편차가 가장 작은 다 모둠이다. 평균이 가장 높은 모둠은 나 모둠이지만, 표준편차가 가장 커서 기록이 가장 넓게 흩어져 있다. 평균은 중심의 위치를, 표준편차는 그 주변의 퍼짐을 말하므로 두 질문에 따로 답한다.

표준편차는 분포를 설명하는 여러 수 가운데 하나다. 가운데 절반이 퍼진 정도와 양 끝값을 함께 보고 싶으면 상자그림의 사분위수를 쓴다.

핵심

분산과 표준편차는 자료가 하나 이상일 때 평균을 기준으로 퍼짐을 나타낸다. 편차 제곱의 합을 자료 수로 나눈 것이 분산, 그 음이 아닌 제곱근이 표준편차이며, 표준편차가 작을수록 자료가 평균 가까이 모여 있다.

평균이 같으면 분산과 표준편차도 같은가요?

평균이 같은 두 자료도 편차의 크기가 다르면 분산과 표준편차가 다를 수 있다. 평균이 10인 A와 B의 분산은 각각 2와 8이다. 평균만으로는 이 퍼짐의 차이를 알 수 없다.

편차와 표준편차는 어떻게 다른가요?

편차는 자료값 하나와 평균의 차이고, 표준편차는 자료 전체의 퍼짐을 나타내는 음이 아닌 수이다. A에서 값 8의 편차는 −2지만, A 전체의 표준편차는 2\sqrt{2}이다. 각 값의 편차와 자료 전체의 표준편차를 구별한다.

분산과 표준편차 중 무엇으로 퍼짐을 비교하나요?

같은 단위의 자료라면 분산과 표준편차는 퍼짐의 순서가 같아서 어느 쪽으로 비교해도 결론이 같다. 세 모둠의 분산 64, 225, 25는 표준편차 8, 15, 5와 크기 순서가 같다. 표준편차는 자료와 단위가 같아 '평균에서 몇 cm쯤 퍼졌는지'로 읽기 쉽다.

분산과 표준편차의 흔한 오해

  • 편차의 합이 0이면 모든 값이 같다 — A는 8과 12가 다른데도 편차의 합이 0이다. 모든 값이 같음을 판정하는 것은 편차 제곱의 합이 0인지 여부이다.
  • 모든 자료값은 평균에서 표준편차만큼의 거리 안에 있다 — A의 값 8과 12는 평균 10에서 2만큼 떨어져 있으며, 이 거리는 표준편차 2\sqrt{2}보다 크다. 그림 4의 맨 위 줄에서도 두 점은 막대 밖에 있다.
  • 모든 값을 2배 하면 분산도 2배가 된다 — 2를 곱한 A의 분산은 8로 원래 2의 4배다. 편차가 2배가 되고 그 제곱이 4배가 되기 때문이며, 2배가 되는 것은 표준편차다.

직접 해보기

아래는 모두 가상 길이 자료이며 단위는 cm이다. 같은 값이 반복되어도 빠뜨리지 말고 센다.

  1. 자료 2,2,8,82,2,8,8의 평균·분산·표준편차를 구하라. 각각의 단위도 적어라.
  2. 자료 C는 1,3,3,51,3,3,5, 자료 D는 1,1,5,51,1,5,5이다. 평균이 같은지 확인한 뒤 분산과 표준편차로 어느 자료가 더 퍼졌는지 비교하라.
  3. 평균이 15 cm15\text{ cm}인 다섯 자료의 편차가 차례로 −3,5,x,−1,1-3,5,x,-1,1이다. xx와 다섯 자료값을 구하고, 분산과 표준편차를 구하라.
  4. 자료 4,x,6,y,84,x,6,y,8의 평균이 6, 분산이 2이고 x<yx<y이다. xx와 yy를 구하라.
  5. 1번 자료의 모든 값에 3을 더한 자료와, 모든 값에 3을 곱한 자료의 분산과 표준편차를 각각 구하라. 편차를 다시 계산하지 말고 1번의 결과를 이용하라.
답
  1. 평균은 (2+2+8+8)/4=5 cm(2+2+8+8)/4=5\text{ cm}이다. 편차는 −3,−3,3,3-3,-3,3,3이므로 분산은 (9+9+9+9)/4=9 cm2(9+9+9+9)/4=9\text{ cm}^2, 표준편차는 3 cm3\text{ cm}이다.
  2. 두 자료의 평균은 모두 3 cm3\text{ cm}이다. C의 편차는 −2,0,0,2-2,0,0,2여서 분산 2 cm22\text{ cm}^2, 표준편차 2 cm\sqrt{2}\text{ cm}이다. D의 편차는 −2,−2,2,2-2,-2,2,2여서 분산 4 cm24\text{ cm}^2, 표준편차 2 cm2\text{ cm}이다. D가 평균을 기준으로 더 퍼져 있다.
  3. 편차의 합이 0이므로 −3+5+x−1+1=0-3+5+x-1+1=0, x+2=0x+2=0에서 x=−2x=-2이다. 자료값은 평균에 편차를 더한 12,20,13,14,1612,20,13,14,16이다. 분산은 (9+25+4+1+1)/5=40/5=8 cm2(9+25+4+1+1)/5=40/5=8\text{ cm}^2, 표준편차는 22 cm≈2.83 cm2\sqrt{2}\text{ cm}\approx2.83\text{ cm}이다.
  4. 평균이 6이므로 다섯 값의 합은 30이고 x+y=30−18=12x+y=30-18=12이다. 편차로 보면 x−6x-6과 y−6y-6은 합이 0인 두 수다. 편차 제곱의 합은 2×5=102\times5=10이고 4와 8의 편차 제곱이 각각 4라서, (x−6)2+(y−6)2=2(x-6)^2+(y-6)^2=2이다. 두 편차가 서로 부호만 다르므로 각각의 제곱이 1이고, x<yx<y에서 x−6=−1x-6=-1, y−6=1y-6=1이다. 따라서 x=5x=5, y=7y=7이다.
  5. 3을 더하면 편차가 그대로이므로 분산 9 cm29\text{ cm}^2, 표준편차 3 cm3\text{ cm}이다. 평균만 8 cm8\text{ cm}로 바뀐다. 3을 곱하면 분산은 32×9=81 cm23^2\times9=81\text{ cm}^2, 표준편차는 3×3=9 cm3\times3=9\text{ cm}이고 평균은 15 cm15\text{ cm}이다.

더 읽기

  • 편차의 성질 — 금성출판사 티칭백과. 편차의 합이 0인 성질과 편차의 크기를 설명한다. ‘편차의 합은 왜 분산 대신 쓸 수 없을까?’의 근거다.
  • 분산 — 금성출판사 티칭백과. 편차 제곱의 평균과 자료 수로 나누는 계산을 확인할 수 있다. 이 글의 가상 자료는 별도로 구성했다.
  • Measures of the Spread of the Data — OpenStax, Introductory Statistics 2e, 2023, 2.7절. 분산과 표준편차의 단위, 모든 값이 같을 때의 0을 확인한다. 이 글은 주어진 자료 전체의 퍼짐을 다루며, 해당 절의 다른 추정 공식은 사용하지 않는다.

영상 노트

영상 노트
  • 00:00 평균이 같은 A와 B의 원자료를 비교한다.
  • 00:25 그림 1의 같은 축척과 반복된 값 10의 두 점을 읽는다.
  • 00:55 각 편차를 구하고 식 (2)로 편차의 합이 항상 0임을 설명한다.
  • 01:35 그림 2의 위아래 막대로 식 (3)·(4)의 모르는 편차를 구하고 자료값으로 되돌린다.
  • 02:30 식 (1)의 분산 정의에 표를 대입하여 식 (5)를 계산한다.
  • 03:10 그림 3의 정사각형으로 분산이 넓이의 평균, 표준편차가 한 변임을 보이고 단위를 구별한다.
  • 04:00 식 (7)~(9)와 그림 4로 모든 값에 더하기·곱하기를 비교하고 cm를 mm로 바꾼다.
  • 05:00 모든 편차 제곱이 0인 경우와 세 모둠의 표준편차 비교를 정리한다.
  • 05:40 직접 해보기의 모르는 편차와 두 미지수 문제를 푼다.

지도에서의 위치

이 페이지의 기록
  1. 2026-11-16 · 현재판 독립 검수 VSD1 반영 · 계산기 표준편차의 나눗셈 대상과 제곱근 단계를 명확히 함
  2. 2026-11-16 · 에이전트 초안
  3. 2026-11-16 · 전수 검수 반영 — 모르는 편차 구하기, 같은 수를 더하거나 곱할 때의 분산, 표준편차로 분포 비교, 교과서 말 공식과 계산기 n−1 모드 안내, 질문 블록 2개와 해보기 5문항 보강 (에이전트 수정, 그림 1→4)
  4. 2026-11-16 · 전수 검수(에이전트 편집·독립 검증) 통과 — 주인 요청으로 완성으로 올림
  5. 2026-11-16 · 확률·통계 재검수 — 분산을 구할 때 그림에 면적이 없는 0인 편차도 포함함을 명시 (에이전트 수정)