분산 계산기 - 표본 및 모집단 분산

분산은 각 데이터 포인트와 평균의 차이를 제곱한 값의 평균으로, 분포가 얼마나 퍼져 있는지를 나타냅니다. 분산이 0이면 모든 값이 같다는 뜻이고, 분산이 클수록 데이터가 평균 주변에 더 넓게 흩어져 있다는 의미입니다. 분산은 제곱 단위로 표현되므로 그 제곱근인 표준편차가 더 직관적인 경우가 많지만, 분산 자체는 가법성을 가지며 여러 고급 통계 기법의 기반이 되기 때문에 통계 이론에서 매우 중요합니다. 이 분산 계산기는 본질적으로 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, 데이터셋이 설명하려는 전체 모집단일 때 사용합니다. 표본 분산(s²)은 대신 n − 1로 나누며, 베셀 보정을 적용합니다. 이는 표본의 평균이 추정값이기 때문에 실제 모집단의 퍼짐을 약간 과소평가하는 점을 보정해 줍니다. 유한한 표본에서는 보정된 값이 항상 미보정 값보다 약간 큽니다. 숫자가 더 큰 집단에서 뽑은 표본이라면 표본 분산이 표준 선택입니다. 분산 외에도 이 계산기는 완전한 기술통계 요약을 제공합니다. 평균은 합계를 개수로 나눈 산술평균입니다. 중앙값은 데이터를 정렬했을 때 가운데 값이며, 짝수 개라면 가운데 두 값의 평균입니다. 이상값에 강하고, 치우친 분포에서는 평균보다 더 유용할 때가 많습니다. 최빈값은 가장 자주 나타나는 값(또는 값들)이며, 모든 숫자가 한 번씩만 나오면 최빈값이 없다고 합니다. 범위는 최댓값과 최솟값의 차이입니다. 사분위범위(IQR)는 데이터의 가운데 50%가 차지하는 폭으로, 25백분위수에서 75백분위수까지의 범위이며, 이상값을 찾는 데 특히 유용합니다. 분산과 그 관련 지표인 표준편차, IQR, 범위는 데이터 분석 전반에서 사용됩니다. 품질 엔지니어는 분산으로 생산 일관성을 점검하고 사양에서 벗어난 배치를 찾아냅니다. 투자 분석가는 포트폴리오 변동성을 측정하는 데 분산을 사용합니다. 수익률의 분산이 높을수록 자산은 더 위험합니다. 교육자들은 시험 점수가 촘촘히 모여 있는지(낮은 분산, 일관된 학급) 아니면 넓게 퍼져 있는지(높은 분산, 이해도 차이 큼)를 확인하는 데 사용합니다. 역학자들은 지역별 질병 발생 분포를 특징짓는 데 모집단 분산을 사용하고, 사회과학자들은 인구 집단 간 불평등을 비교하는 데 이를 활용합니다. 이 도구는 정수, 소수, 양수, 음수를 포함한 어떤 숫자 목록이든 처리하며, 모든 통계를 한 번에 계산합니다. 매우 크거나 작은 수는 가독성과 정확성의 균형을 위해 최대 6자리 유효숫자로 표시됩니다.