표준편차 계산 방법 완벽 정리 - 공식부터 엑셀 함수까지 한 번에
평균만으로는 데이터를 제대로 읽을 수 없습니다. 표준편차 계산 방법을 단계별 예제와 함께 정리하고, 모표준편차와 표본표준편차 차이까지 명확하게 알려드립니다.
시험 평균이 똑같이 70점인 두 반이 있다고 해봅시다. 한 반은 모두 65점에서 75점 사이에 몰려 있고, 다른 반은 30점부터 100점까지 흩어져 있습니다. 평균은 같지만 두 반의 상태는 전혀 다릅니다. 이 차이를 숫자 하나로 잡아내는 도구가 바로 표준편차입니다.
평균은 데이터의 중심을 알려주지만, 데이터가 얼마나 퍼져 있는지는 말해주지 않습니다. 표준편차 계산 방법을 알면 데이터의 흩어진 정도, 즉 변동성을 정확히 읽을 수 있습니다. 공식이 복잡해 보이지만 순서대로 따라가면 누구나 손으로 구할 수 있습니다.
평균만으로는 부족한 이유
아래 두 데이터 묶음을 보겠습니다. 둘 다 평균은 50으로 같습니다.
| 구분 | 데이터 | 평균 | 퍼진 정도 |
|---|---|---|---|
| A 그룹 | 48, 49, 50, 51, 52 | 50 | 좁음 |
| B 그룹 | 10, 30, 50, 70, 90 | 50 | 넓음 |
평균만 보면 두 그룹이 똑같아 보입니다. 하지만 A 그룹은 안정적이고 B 그룹은 들쭉날쭉합니다. 이 차이를 수치로 표현하지 못하면 데이터를 절반밖에 이해하지 못한 것입니다. 표준편차는 바로 이 빈자리를 채워줍니다.
평균은 데이터가 어디에 모이는지 알려주고, 표준편차는 데이터가 얼마나 흔들리는지 알려줍니다. 두 숫자를 함께 봐야 데이터의 전체 모습이 보입니다.
표준편차란 무엇인가
표준편차는 각 데이터가 평균에서 평균적으로 얼마나 떨어져 있는지를 나타내는 값입니다. 값이 작을수록 데이터가 평균 근처에 몰려 있고, 값이 클수록 넓게 흩어져 있습니다.
분산과의 관계
표준편차를 이해하려면 먼저 분산을 알아야 합니다. 둘의 관계는 단순합니다.
- 분산: 각 데이터와 평균의 차이를 제곱한 값들의 평균
- 표준편차: 분산에 제곱근을 씌운 값
왜 제곱을 했다가 다시 제곱근을 씌울까요. 편차를 그냥 더하면 양수와 음수가 상쇄되어 항상 0이 됩니다. 그래서 제곱으로 부호를 없앤 뒤 평균을 내고, 단위를 원래대로 되돌리기 위해 마지막에 제곱근을 씌우는 것입니다. 분산은 단위가 제곱(예: 점이 점제곱)이라 직관적이지 않지만, 표준편차는 원래 데이터와 같은 단위를 가집니다.
표준편차 계산 방법 5단계
실제 데이터로 손으로 계산해 보겠습니다. 어떤 학생의 5과목 점수가 다음과 같다고 합시다. 70, 80, 90, 100, 60
1단계 - 평균 구하기
모든 값을 더한 뒤 개수로 나눕니다. (70 + 80 + 90 + 100 + 60) ÷ 5 = 400 ÷ 5 = 80
2단계 - 편차 구하기
각 값에서 평균을 뺍니다.
| 점수 | 편차(점수 - 80) | 편차 제곱 |
|---|---|---|
| 70 | -10 | 100 |
| 80 | 0 | 0 |
| 90 | 10 | 100 |
| 100 | 20 | 400 |
| 60 | -20 | 400 |
3단계 - 편차 제곱하기
위 표의 오른쪽 열처럼 각 편차를 제곱합니다. 음수가 양수로 바뀌어 상쇄 문제가 사라집니다.
4단계 - 분산 구하기
편차 제곱을 모두 더한 뒤 개수로 나눕니다. 합은 100 + 0 + 100 + 400 + 400 = 1000입니다. 1000 ÷ 5 = 200(분산)
5단계 - 제곱근 씌우기
분산 200의 제곱근을 구하면 √200 ≈ 14.14입니다. 이 학생의 점수 표준편차는 약 14.14점입니다.
모표준편차와 표본표준편차 차이
표준편차 계산에서 가장 많이 헷갈리는 부분이 바로 이 지점입니다. 4단계에서 개수로 나눌 때 n으로 나누느냐, n-1로 나누느냐가 갈립니다.
- 모표준편차: 전체 집단(모집단) 데이터를 모두 가지고 있을 때. 편차 제곱의 합을 n으로 나눕니다.
- 표본표준편차: 전체 중 일부(표본)만 뽑아 전체를 추정할 때. 편차 제곱의 합을 n-1로 나눕니다.
앞의 예제를 표본으로 보면, 1000 ÷ 4 = 250이 표본분산이고 √250 ≈ 15.81이 표본표준편차입니다. 모표준편차 14.14보다 조금 큽니다.
| 구분 | 나누는 값 | 이 예제 결과 |
|---|---|---|
| 모표준편차 | n (5) | 약 14.14 |
| 표본표준편차 | n-1 (4) | 약 15.81 |
n-1로 나누는 것을 베셀 보정이라고 합니다. 표본은 모집단보다 변동성을 작게 추정하는 경향이 있어서, 분모를 줄여 값을 약간 키워 보정하는 것입니다. 설문조사나 실험처럼 일부만 측정해 전체를 추정하는 상황에서는 표본표준편차를 써야 합니다.
엑셀과 계산기로 빠르게 구하기
데이터가 많으면 손 계산은 비현실적입니다. 엑셀이나 구글 시트의 함수를 쓰면 한 줄로 끝납니다.
| 구하려는 값 | 엑셀 함수 |
|---|---|
| 모표준편차 | =STDEV.P(범위) |
| 표본표준편차 | =STDEV.S(범위) |
| 모분산 | =VAR.P(범위) |
| 표본분산 | =VAR.S(범위) |
예를 들어 A1부터 A5까지 점수가 들어 있다면 빈 칸에 =STDEV.P(A1:A5)를 입력하면 14.14가 바로 나옵니다. 함수 끝의 P는 모집단(Population), S는 표본(Sample)을 뜻합니다. 글자 하나로 결과가 달라지니 주의해야 합니다.
공학용 계산기에도 표준편차 기능이 있습니다. 통계 모드(SD 또는 STAT)로 전환한 뒤 데이터를 입력하면 σn(모표준편차)과 σn-1(표본표준편차) 버튼으로 곧바로 확인할 수 있습니다.
참고로 통계나 시간 측정 같은 작업은 굳이 프로그램을 설치하지 않아도 브라우저에서 바로 쓸 수 있는 온라인 도구가 많습니다. 실험 데이터를 일정 시간 간격으로 측정할 때 온라인 타이머 같은 무료 도구를 곁들이면 측정 조건을 일정하게 맞추기 편합니다.
실전에서 표준편차 활용하기
표준편차는 숫자를 구하는 것보다 해석하는 것이 더 중요합니다. 같은 표준편차라도 평균이 다르면 의미가 달라집니다. 그래서 변동성을 비교할 때는 표준편차를 평균으로 나눈 변동계수(CV)를 함께 보는 경우가 많습니다.
방송이나 콘텐츠 운영에서도 쓸모가 있습니다. 예를 들어 일별 시청자 수나 후원 데이터의 표준편차가 크다면 수입이 불안정하다는 뜻이고, 작다면 안정적이라는 신호입니다. 평균 시청자 수가 같아도 표준편차가 낮은 채널이 훨씬 예측 가능한 운영을 할 수 있습니다.
지금 바로 할 수 있는 두 가지를 정리합니다.
- 내 데이터(점수, 매출, 시청자 수 등)를 엑셀에 넣고 STDEV.S 함수로 표본표준편차를 구해보기
- 평균과 표준편차를 함께 기록해, 시간이 지나며 변동성이 줄어드는지 추적하기
표준편차 계산 방법 자체는 더하기, 빼기, 제곱, 제곱근의 조합일 뿐입니다. 한 번 손으로 끝까지 계산해 보면 함수가 무엇을 하는지 정확히 이해하게 되고, 그때부터 숫자가 진짜 정보로 보이기 시작합니다.
