분산 계산기 - 표본 및 모집단 분산

분산은 각 데이터 포인트와 데이터셋 평균의 차이를 제곱한 값들의 평균으로, 분포가 얼마나 퍼져 있는지 정량화합니다. 분산이 0이면 모든 값이 같고, 분산이 크다는 것은 값들이 평균 주변에 넓게 퍼져 있다는 뜻입니다. 분산은 제곱 단위로 표현되므로 그 제곱근인 표준편차가 더 직관적인 경우가 많지만, 분산 자체는 가법성을 가지며 많은 고급 기법의 기반이 되기 때문에 통계 이론에서 매우 중요합니다. 이 분산 계산기는 근본적으로 다른 두 가지 사용 사례를 구분합니다. 모집단 분산(σ²)은 제곱 편차의 합을 n, 즉 값의 총 개수로 나눕니다. 예를 들어 한 반의 모든 학생 키처럼 설명하려는 전체 집단이 데이터일 때 사용합니다. 표본 분산(s²)은 n − 1로 나누며 베셀 보정을 적용해, 표본 평균이 추정치이므로 실제 모집단의 퍼짐을 약간 과소평가하는 점을 보정합니다. 유한한 표본에서는 보정값이 항상 비보정값보다 조금 더 큽니다. 더 큰 집단에서 뽑은 표본이라면 표본 분산이 표준 선택입니다. 분산 외에도 이 계산기는 완전한 기술 통계 요약을 제공합니다. 평균은 산술평균, 즉 합계를 개수로 나눈 값입니다. 중앙값은 데이터를 정렬했을 때 가운데 값이며, 짝수 개라면 가운데 두 값의 평균입니다. 이상치에 강하고, 치우친 분포에서는 평균보다 더 유용할 때가 많습니다. 최빈값은 가장 자주 나타나는 값(또는 값들)이며, 모든 숫자가 한 번씩만 나오면 최빈값 없음으로 설명합니다. 범위는 최댓값과 최솟값의 차이입니다. 사분위 범위(IQR)는 데이터의 가운데 50%가 차지하는 폭으로, 25번째 백분위수부터 75번째 백분위수까지를 말하며, 특히 이상치를 식별하는 데 유용합니다. 분산과 그 관련 지표인 표준편차, IQR, 범위는 데이터 분석 전반에서 쓰입니다. 품질 엔지니어는 분산으로 생산 일관성을 감시하고 사양에서 벗어난 배치를 찾아냅니다. 투자 분석가는 분산을 포트폴리오 변동성의 척도로 사용합니다. 수익률 분산이 높을수록 자산 위험도 높아집니다. 교육자는 시험 점수가 좁게 모여 있는지(낮은 분산, 일관된 이해) 아니면 흩어져 있는지(높은 분산, 이해 수준이 다양함)를 판단하는 데 사용합니다. 역학자는 질병 발생의 지역별 분포를 설명하는 데 모집단 분산을 쓰고, 사회과학자는 인구 집단 간 불평등을 비교하는 데 이를 사용합니다. 이 도구는 정수, 소수, 양수, 음수를 포함한 어떤 숫자 목록이든 처리하며, 모든 통계량을 한 번에 계산합니다. 매우 크거나 매우 작은 숫자는 가독성과 정확도의 균형을 맞추기 위해 유효숫자 최대 6자리까지 표시됩니다.