직관 — 같은 중심에 모인 점들의 간격
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 개 있고 은 양의 정수라고 하자. 이 글은 주어진 자료 각각을 같은 비중으로 다루며, 같은 값이 반복되어도 각각 센다. 은 차례로 첫째부터 번째 자료값(변량)이다. 평균을 , 분산을 , 표준편차를 로 적으면 정의는 식 (1)과 같다.
| 기호 | 이름 | 원어 | 뜻 |
|---|---|---|---|
| 자료 수 | number of observations | 중복된 값도 각각 세는 양의 정수 | |
| 자료값 | observation | 번째 값, | |
| 평균 | mean | 자료값의 합을 으로 나눈 값 | |
| 편차 | deviation | 평균보다 크면 양수, 작으면 음수인 차 | |
| 분산 | variance | 편차 제곱의 평균을 나타내는 이 글의 기호 | |
| 표준편차 | standard deviation | 를 나타내는 이 글의 기호 |
교과서는 기호 없이 '(편차)=(변량)−(평균)', '(분산)={(편차)²의 총합}÷(변량의 개수)', '(표준편차)=√(분산)'처럼 말로 쓴다. 이 글의 , , 가 각각 그것이다.
분모는 자료 수 이다. 제곱근에 를 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 이지만, B의 끝값이 평균에서 더 멀다.
| 순서 | A의 값(cm) | B의 값(cm) |
|---|---|---|
| 1 | 8 | 6 |
| 2 | 10 | 10 |
| 3 | 10 | 10 |
| 4 | 12 | 14 |
A의 평균은 , B의 평균도 이다. 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.
figures/equal_mean_spread.py평균을 뺀 A의 편차는 , B의 편차는 이다. 어느 쪽도 더하면 0이 된다. 이 현상은 우연이 아니다. 평균의 정의에서 이므로 모든 자료에 대해 식 (2)가 성립한다.
분산은 이 상쇄를 막기 위해 편차를 제곱한다. 제곱한 값은 모두 0 이상이며, 평균에서 더 멀수록 더 큰 값이 된다. A에서 값 8의 편차 와 값 12의 편차 는 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 이다. 다만 이 값은 분산이나 표준편차(A는 )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 이고, 편차가 차례로 (cm)였다고 하자. 다섯 편차를 모두 더하면 0이어야 한다.
그림 2의 오른쪽 두 기둥은 양의 편차와 음의 편차를 각각 이어 붙인 것이다. 위로 솟은 와 아래로 내려간 의 길이가 같아야 합이 0이 된다. 그래서 세 번째 막대 는 위로 2만큼 솟는다.
figures/deviation_bars.py자료값은 '(변량)=(평균)+(편차)'로 되돌린다. 다섯 길이는 차례로 (cm)이다. 이 값들의 합은 100이므로 평균이 이 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.
| 순서 | A 편차(cm) | A 편차 제곱(cm²) | B 편차(cm) | B 편차 제곱(cm²) |
|---|---|---|---|---|
| 1 | −2 | 4 | −4 | 16 |
| 2 | 0 | 0 | 0 | 0 |
| 3 | 0 | 0 | 0 | 0 |
| 4 | 2 | 4 | 4 | 16 |
| 합 | 0 | 8 | 0 | 32 |
식 (1)에 표의 값을 넣으면 식 (5)를 얻는다. 아래 첨자 A와 B는 어느 자료의 값인지 구별한다.
A의 분산은 , 표준편차는 이다. B의 분산은 , 표준편차는 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.
figures/deviation_squares.py편차를 이미 알면 그 제곱부터 시작한다. 앞 절의 다섯 막대는 편차가 이므로 분산은 식 (6)과 같다.
따라서 다섯 막대의 분산은 , 표준편차는 이다.
계산기로 구한 표준편차가 다른 이유는 무엇인가요?
계산기의 표준편차가 이 글과 다르면 편차 제곱의 합을 자료 수 대신 로 나눈 뒤 제곱근을 구한 값을 읽었을 수 있다. 계산기에 따라 을 쓰는 표준편차(σx 등)와 을 쓰는 표준편차(sx 등)를 함께 보여 준다. A의 편차 제곱의 합 8을 3으로 나누어 제곱근을 구하면 로 이 글의 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 를 곱하면 분산은 배, 표준편차는 배가 된다. 평균은 더한 수만큼 커지거나 배가 된다.
이유는 편차에 있다. 모든 값에 를 더하면 평균도 만큼 커지므로 편차는 변하지 않는다.
모든 값에 를 곱하면 평균도 배가 되어 편차가 배가 된다. 그 제곱은 배이므로 분산은 배이고, 분산의 제곱근인 표준편차는 배다.
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 이다. 평균은 20, 분산은 , 표준편차는 가 되어 막대 폭이 두 배로 넓어진다.
figures/shift_scale.py단위를 바꿀 때 이 성질을 쓴다. A를 mm로 적으면 모든 값이 10배인 이 된다. 분산은 , 표준편차는 이다. 이므로 와 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 은 평균이 7이고 세 편차가 모두 0이다.
자료가 한 개일 때도 그 값이 곧 평균이어서 분산과 표준편차는 0이다. 자료가 하나도 없으면 이므로 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.
| 모둠 | 평균(cm) | 표준편차(cm) |
|---|---|---|
| 가 | 172 | 8 |
| 나 | 180 | 15 |
| 다 | 165 | 5 |
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.
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 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 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.
- 자료 의 평균·분산·표준편차를 구하라. 각각의 단위도 적어라.
- 자료 C는 , 자료 D는 이다. 평균이 같은지 확인한 뒤 분산과 표준편차로 어느 자료가 더 퍼졌는지 비교하라.
- 평균이 인 다섯 자료의 편차가 차례로 이다. 와 다섯 자료값을 구하고, 분산과 표준편차를 구하라.
- 자료 의 평균이 6, 분산이 2이고 이다. 와 를 구하라.
- 1번 자료의 모든 값에 3을 더한 자료와, 모든 값에 3을 곱한 자료의 분산과 표준편차를 각각 구하라. 편차를 다시 계산하지 말고 1번의 결과를 이용하라.
답
- 평균은 이다. 편차는 이므로 분산은 , 표준편차는 이다.
- 두 자료의 평균은 모두 이다. C의 편차는 여서 분산 , 표준편차 이다. D의 편차는 여서 분산 , 표준편차 이다. D가 평균을 기준으로 더 퍼져 있다.
- 편차의 합이 0이므로 , 에서 이다. 자료값은 평균에 편차를 더한 이다. 분산은 , 표준편차는 이다.
- 평균이 6이므로 다섯 값의 합은 30이고 이다. 편차로 보면 과 은 합이 0인 두 수다. 편차 제곱의 합은 이고 4와 8의 편차 제곱이 각각 4라서, 이다. 두 편차가 서로 부호만 다르므로 각각의 제곱이 1이고, 에서 , 이다. 따라서 , 이다.
- 3을 더하면 편차가 그대로이므로 분산 , 표준편차 이다. 평균만 로 바뀐다. 3을 곱하면 분산은 , 표준편차는 이고 평균은 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
- 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
- 2026-11-16 · 현재판 독립 검수 VSD1 반영 · 계산기 표준편차의 나눗셈 대상과 제곱근 단계를 명확히 함
- 2026-11-16 · 에이전트 초안
- 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)
- 2026-11-16 · 전수 검수(에이전트 편집·독립 검증) 통과 — 주인 요청으로 완성으로 올림
- 2026-11-16 · 확률·통계 재검수 — 분산을 구할 때 그림에 면적이 없는 0인 편차도 포함함을 명시 (에이전트 수정)