[중3-2 수학: 실전개념 ②] 산포도의 본질: 편차의 합이 항상 0인 이유, 분산과 표준편차의 계산법 & 변량 변환(ax+b) 공식 완전 정복
중3-2 수학 · 실전개념 ② [통계: 산포도와 분산]
산포도의 본질: 편차의 합이 0인 대수적 이유, 분산·표준편차 고속 연산법과 변량 변환($ax+b$) 완전 정복
평균 주변에 흩어진 정도를 수치화하는 법, 편차 제곱의 평균, '자료가 고르다'의 진정한 의미
🌱 평균이 같아도 집단의 성격은 완전히 다를 수 있다는 통계적 깨달음
두 사격 선수가 있습니다. A 선수는 과녁의 10점과 6점을 번갈아 쏘아 평균 8점을 기록했고, B 선수는 꾸준하게 8점 주변만을 쏘아 평균 8점을 기록했습니다. 평균이라는 대푯값만 보면 두 선수는 완전히 동일한 실력처럼 보입니다.
하지만 올림픽 결승전에 내보내야 할 선수는 당연히 기복 없이 안정적인 B 선수입니다. "자료가 평균을 중심으로 얼마나 빽빽하게 모여 있는가, 아니면 넓게 흩어져 있는가?"를 수치로 측정해야만 비로소 집단의 진짜 성격을 파악할 수 있습니다.
이 흩어진 정도를 나타내는 척도가 바로 '산포도(Dispersion)'이며, 그 중심에 '편차', '분산', '표준편차'가 있습니다. 이 개념들은 고등학교 '확률과 통계'의 확률분포 단원으로 그대로 직결되는 절대적 주춧돌입니다.
하지만 올림픽 결승전에 내보내야 할 선수는 당연히 기복 없이 안정적인 B 선수입니다. "자료가 평균을 중심으로 얼마나 빽빽하게 모여 있는가, 아니면 넓게 흩어져 있는가?"를 수치로 측정해야만 비로소 집단의 진짜 성격을 파악할 수 있습니다.
이 흩어진 정도를 나타내는 척도가 바로 '산포도(Dispersion)'이며, 그 중심에 '편차', '분산', '표준편차'가 있습니다. 이 개념들은 고등학교 '확률과 통계'의 확률분포 단원으로 그대로 직결되는 절대적 주춧돌입니다.
🎯 [중3 산포도] 율초의 4대 실전 행동 강령 (Golden Action Protocols)
1. 편차의 정의(변량 - 평균)를 거꾸로 빼지 않도록 주의하라: 편차는 항상 (변량) - (평균)입니다. 평균이 변량보다 크면 편차는 음수가 되고, 변량이 평균보다 크면 편차는 양수가 됩니다.
2. '편차의 총합은 항상 0'이라는 절대 불변식을 미지수 추적의 첫 번째 무기로 삼아라: 편차들을 다 더하면 플러스와 마이너스가 완벽히 상쇄되어 항상 $0$이 되므로, 편차의 단순 평균은 산포도로 쓸 수 없습니다. 문제에 미지수 $x$가 있으면 편차의 합이 $0$임을 먼저 이용하십시오.
3. 분산의 본질을 '편차 제곱의 평균'으로 각인하라: 음수를 없애기 위해 편차를 각각 제곱한 뒤 그 평균을 낸 것이 분산입니다. 표준편차는 분산에 루트($\sqrt{\phantom{x}}$)를 씌워 원래 변량의 단위로 되돌린 값입니다.
4. '자료가 고르다'는 일상 언어의 함정을 극복하라: 수학에서 자료가 '고르다(Consistent)'는 것은 평균 주변에 옹기종기 모여 있어 분산과 표준편차가 작다는 뜻입니다. 값이 1등부터 꼴찌까지 골고루 퍼져 있다는 뜻이 절대 아닙니다!
2. '편차의 총합은 항상 0'이라는 절대 불변식을 미지수 추적의 첫 번째 무기로 삼아라: 편차들을 다 더하면 플러스와 마이너스가 완벽히 상쇄되어 항상 $0$이 되므로, 편차의 단순 평균은 산포도로 쓸 수 없습니다. 문제에 미지수 $x$가 있으면 편차의 합이 $0$임을 먼저 이용하십시오.
3. 분산의 본질을 '편차 제곱의 평균'으로 각인하라: 음수를 없애기 위해 편차를 각각 제곱한 뒤 그 평균을 낸 것이 분산입니다. 표준편차는 분산에 루트($\sqrt{\phantom{x}}$)를 씌워 원래 변량의 단위로 되돌린 값입니다.
4. '자료가 고르다'는 일상 언어의 함정을 극복하라: 수학에서 자료가 '고르다(Consistent)'는 것은 평균 주변에 옹기종기 모여 있어 분산과 표준편차가 작다는 뜻입니다. 값이 1등부터 꼴찌까지 골고루 퍼져 있다는 뜻이 절대 아닙니다!
1. 편차(Deviation)의 정의와 총합이 항상 0이 되는 대수적 원리
편차는 어떤 변량이 평균으로부터 얼마나 떨어져 있는가를 나타내는 값입니다. 변량에서 평균을 뺀 차이로 정의됩니다.
[핵심 정리 1] 편차의 정의와 대수적 증명
1. 편차 공식: $\mathbf{\text{편차} = (\text{변량}) - (\text{평균})}$
2. 편차의 부호 의미:
편차가 양수($+$)이면 변량이 평균보다 크다는 뜻입니다.
편차가 $0$이면 변량이 평균과 정확히 같다는 뜻입니다.
편차가 음수($-$)이면 변량이 평균보다 작다는 뜻입니다.
3. 편차의 총합이 항상 0이 되는 증명:
$n$개의 변량 $x_1, x_2, \dots, x_n$의 평균을 $m$이라 하면, 평균의 정의에 의해 $x_1 + x_2 + \dots + x_n = nm$입니다.
각 변량의 편차들의 합을 구해보면:
$(x_1 - m) + (x_2 - m) + \dots + (x_n - m)$
$= (x_1 + x_2 + \dots + x_n) - nm = nm - nm = \mathbf{0}$
따라서 어떤 자료이든 편차의 총합은 예외 없이 무조건 0입니다!
2. 편차의 부호 의미:
편차가 양수($+$)이면 변량이 평균보다 크다는 뜻입니다.
편차가 $0$이면 변량이 평균과 정확히 같다는 뜻입니다.
편차가 음수($-$)이면 변량이 평균보다 작다는 뜻입니다.
3. 편차의 총합이 항상 0이 되는 증명:
$n$개의 변량 $x_1, x_2, \dots, x_n$의 평균을 $m$이라 하면, 평균의 정의에 의해 $x_1 + x_2 + \dots + x_n = nm$입니다.
각 변량의 편차들의 합을 구해보면:
$(x_1 - m) + (x_2 - m) + \dots + (x_n - m)$
$= (x_1 + x_2 + \dots + x_n) - nm = nm - nm = \mathbf{0}$
따라서 어떤 자료이든 편차의 총합은 예외 없이 무조건 0입니다!
✏️ [실전 예제 1] 편차의 총합 조건을 이용한 미지의 변량 역추적
어떤 학생 $5$명의 수학 점수의 편차가 각각 $-3, \; 5, \; x, \; -2, \; 1$ (점)이었다. 이 학생들의 수학 점수의 평균이 $80$점일 때, $x$에 해당하는 학생의 실제 수학 점수를 구하시오.
💡 율초의 실전팁: 편차의 합은 무조건 $0$입니다!
1. 편차의 합: $(-3) + 5 + x + (-2) + 1 = 0 \implies x + 1 = 0 \implies \mathbf{x = -1}$
2. 실제 점수 환산: 편차가 $-1$이고 평균이 $80$점이므로:
실제 점수 $= (\text{평균}) + (\text{편차}) = 80 + (-1) = \mathbf{79}$점입니다!
1. 편차의 합: $(-3) + 5 + x + (-2) + 1 = 0 \implies x + 1 = 0 \implies \mathbf{x = -1}$
2. 실제 점수 환산: 편차가 $-1$이고 평균이 $80$점이므로:
실제 점수 $= (\text{평균}) + (\text{편차}) = 80 + (-1) = \mathbf{79}$점입니다!
해설 및 정답 보기 (클릭)
편차의 총합 $= -3 + 5 + x - 2 + 1 = 0 \implies x = -1$.
실제 점수 $= 80 + (-1) = 79$점.
정답: 79점
실제 점수 $= 80 + (-1) = 79$점.
정답: 79점
2. 분산(Variance)과 표준편차(Standard Deviation)의 본질
편차의 총합이 항상 $0$이기 때문에 편차의 단순 평균으로는 자료의 퍼짐을 측정할 수 없습니다. 따라서 편차들을 제곱하여 음수를 제거한 뒤 평균을 낸 값이 바로 분산입니다.
[핵심 정리 2] 분산과 표준편차의 수학적 정의
1. 분산(Variance)의 정의:
$$\mathbf{\text{분산} = \dfrac{(\text{편차})^2\text{의 총합}}{\text{변량의 총 개수}} = \dfrac{(x_1 - m)^2 + (x_2 - m)^2 + \dots + (x_n - m)^2}{n}}$$ 2. 표준편차(Standard Deviation)의 정의:
분산은 단위를 제곱($\text{점}^2, \text{cm}^2$)해 버렸기 때문에, 현실적인 자료의 단위와 맞추기 위해 양의 제곱근을 씌웁니다.
$$\mathbf{\text{표준편차} = \sqrt{\text{분산}}}$$ (주의: 표준편차는 반드시 단위를 붙여야 하지만, 분산은 일반적으로 단위를 생략하거나 제곱 단위를 씁니다.)
$$\mathbf{\text{분산} = \dfrac{(\text{편차})^2\text{의 총합}}{\text{변량의 총 개수}} = \dfrac{(x_1 - m)^2 + (x_2 - m)^2 + \dots + (x_n - m)^2}{n}}$$ 2. 표준편차(Standard Deviation)의 정의:
분산은 단위를 제곱($\text{점}^2, \text{cm}^2$)해 버렸기 때문에, 현실적인 자료의 단위와 맞추기 위해 양의 제곱근을 씌웁니다.
$$\mathbf{\text{표준편차} = \sqrt{\text{분산}}}$$ (주의: 표준편차는 반드시 단위를 붙여야 하지만, 분산은 일반적으로 단위를 생략하거나 제곱 단위를 씁니다.)
✏️ [실전 예제 2] 분산과 표준편차의 단계별 정석 계산
$5$개의 변량 $3, \; 6, \; 7, \; 8, \; 11$의 분산과 표준편차를 차례대로 구하시오.
💡 율초의 실전팁: 4단계 계산 프로세스를 지킵니다!
1단계: 평균 구하기 $\implies \dfrac{3 + 6 + 7 + 8 + 11}{5} = \dfrac{35}{5} = \mathbf{7}$
2단계: 편차 구하기 $\implies 3-7 = \mathbf{-4}, \; 6-7 = \mathbf{-1}, \; 7-7 = \mathbf{0}, \; 8-7 = \mathbf{1}, \; 11-7 = \mathbf{4}$
(검산: $-4 + (-1) + 0 + 1 + 4 = 0$, 완벽!)
3단계: 편차 제곱 구하기 $\implies (-4)^2 = 16, \; (-1)^2 = 1, \; 0^2 = 0, \; 1^2 = 1, \; 4^2 = 16$
4단계: 분산과 표준편차 $\implies \text{분산} = \dfrac{16 + 1 + 0 + 1 + 16}{5} = \dfrac{34}{5} = \mathbf{6.8}$
$\text{표준편차} = \mathbf{\sqrt{6.8}}$입니다!
1단계: 평균 구하기 $\implies \dfrac{3 + 6 + 7 + 8 + 11}{5} = \dfrac{35}{5} = \mathbf{7}$
2단계: 편차 구하기 $\implies 3-7 = \mathbf{-4}, \; 6-7 = \mathbf{-1}, \; 7-7 = \mathbf{0}, \; 8-7 = \mathbf{1}, \; 11-7 = \mathbf{4}$
(검산: $-4 + (-1) + 0 + 1 + 4 = 0$, 완벽!)
3단계: 편차 제곱 구하기 $\implies (-4)^2 = 16, \; (-1)^2 = 1, \; 0^2 = 0, \; 1^2 = 1, \; 4^2 = 16$
4단계: 분산과 표준편차 $\implies \text{분산} = \dfrac{16 + 1 + 0 + 1 + 16}{5} = \dfrac{34}{5} = \mathbf{6.8}$
$\text{표준편차} = \mathbf{\sqrt{6.8}}$입니다!
해설 및 정답 보기 (클릭)
평균 $= 7$. 편차제곱의 합 $= 16 + 1 + 0 + 1 + 16 = 34$.
분산 $= 34 / 5 = 6.8$. 표준편차 $= \sqrt{6.8}$.
정답: 분산: 6.8, 표준편차: $\sqrt{6.8}$
분산 $= 34 / 5 = 6.8$. 표준편차 $= \sqrt{6.8}$.
정답: 분산: 6.8, 표준편차: $\sqrt{6.8}$
3. [1등급 비기] 제곱의 평균에서 평균의 제곱을 빼는 분산 고속 연산법
평균이 정수가 아니라 소수점이나 분수로 복잡하게 나올 때, 일일이 편차를 빼서 제곱하면 계산 지옥에 빠집니다. 이때 고등학교 확률과 통계에서 사용하는 분산의 고속 변형 공식을 쓰면 단 10초 만에 풀립니다.
[핵심 정리 3] 분산의 초고속 전개 공식: 제평평제
$$\mathbf{\text{분산} = (\text{변량 제곱의 평균}) - (\text{평균})^2}$$
(증명: $\dfrac{1}{n}\sum (x_i - m)^2 = \dfrac{1}{n}\sum (x_i^2 - 2mx_i + m^2) = \dfrac{1}{n}\sum x_i^2 - 2m^2 + m^2 = \dfrac{\sum x_i^2}{n} - m^2$)
• 외우는 법: "제곱의 평균에서 평균의 제곱을 뺀다 (제평 - 평제)"
• 이 공식은 특히 변량들의 제곱의 합($x_1^2 + x_2^2 + \dots$)이 주어졌을 때 미지의 분산을 순식간에 구하는 최강의 도구입니다.
• 외우는 법: "제곱의 평균에서 평균의 제곱을 뺀다 (제평 - 평제)"
• 이 공식은 특히 변량들의 제곱의 합($x_1^2 + x_2^2 + \dots$)이 주어졌을 때 미지의 분산을 순식간에 구하는 최강의 도구입니다.
✏️ [실전 예제 3] 변량 제곱의 합을 이용한 분산의 3초 연산
$4$개의 변량 $a, b, c, d$의 평균이 $5$이고, 제곱의 총합 $a^2 + b^2 + c^2 + d^2 = 116$일 때, 이 자료의 분산과 표준편차를 구하시오.
💡 율초의 실전팁: '제평 - 평제'를 가동합니다!
1. 변량 제곱의 평균: $\dfrac{a^2 + b^2 + c^2 + d^2}{4} = \dfrac{116}{4} = \mathbf{29}$
2. 평균의 제곱: $5^2 = \mathbf{25}$
3. 분산 계산: $(\text{제곱의 평균}) - (\text{평균의 제곱}) = 29 - 25 = \mathbf{4}$
4. 표준편차: $\sqrt{4} = \mathbf{2}$입니다!
1. 변량 제곱의 평균: $\dfrac{a^2 + b^2 + c^2 + d^2}{4} = \dfrac{116}{4} = \mathbf{29}$
2. 평균의 제곱: $5^2 = \mathbf{25}$
3. 분산 계산: $(\text{제곱의 평균}) - (\text{평균의 제곱}) = 29 - 25 = \mathbf{4}$
4. 표준편차: $\sqrt{4} = \mathbf{2}$입니다!
해설 및 정답 보기 (클릭)
변량 제곱의 평균 $= 116 / 4 = 29$.
평균의 제곱 $= 25$.
분산 $= 29 - 25 = 4$. 표준편차 $= 2$.
정답: 분산: 4, 표준편차: 2
평균의 제곱 $= 25$.
분산 $= 29 - 25 = 4$. 표준편차 $= 2$.
정답: 분산: 4, 표준편차: 2
4. [수능·내신 킬러] 변량의 선형 변환 ($Y = aX + b$)에 따른 산포도 변화 공식
모든 변량에 일정한 수를 더하거나 곱할 때, 평균과 분산이 어떻게 변화하는지 묻는 문제는 내신 객관식 마지막 번호에 단골로 출제되는 핵심 테마입니다.
[불변의 공식] 원래 변량 $X$에서 $Y = aX + b$로 변환될 때
기존 변량 $X$의 평균을 $m$, 분산을 $V$, 표준편차를 $s$라 할 때:
1. 새로운 평균: $\mathbf{m' = am + b}$ (더한 값과 곱한 값이 모두 반영됨)
2. 새로운 분산: $\mathbf{V' = a^2 V}$ (더해진 $b$는 흩어진 간격에 영향이 없으므로 무시되고, $a$는 제곱되어 $a^2$배 됨!)
3. 새로운 표준편차: $\mathbf{s' = |a| s}$ (제곱근을 취하므로 $a$의 절댓값 배가 됨)
• 직관적 원리: 모든 학생의 점수에 똑같이 $10$점을 더해줘도 학생들 사이의 점수 격차(산포도)는 전혀 변하지 않습니다! 따라서 더하거나 뺀 수($+b$)는 분산과 표준편차에 아무런 영향을 주지 않습니다!
1. 새로운 평균: $\mathbf{m' = am + b}$ (더한 값과 곱한 값이 모두 반영됨)
2. 새로운 분산: $\mathbf{V' = a^2 V}$ (더해진 $b$는 흩어진 간격에 영향이 없으므로 무시되고, $a$는 제곱되어 $a^2$배 됨!)
3. 새로운 표준편차: $\mathbf{s' = |a| s}$ (제곱근을 취하므로 $a$의 절댓값 배가 됨)
• 직관적 원리: 모든 학생의 점수에 똑같이 $10$점을 더해줘도 학생들 사이의 점수 격차(산포도)는 전혀 변하지 않습니다! 따라서 더하거나 뺀 수($+b$)는 분산과 표준편차에 아무런 영향을 주지 않습니다!
✏️ [실전 예제 4] 변량 변환 공식의 1초 적용
$5$개의 변량 $x_1, x_2, x_3, x_4, x_5$의 평균이 $10$이고 표준편차가 $3$일 때, 새로운 $5$개의 변량 $-2x_1 + 7, \; -2x_2 + 7, \dots, \; -2x_5 + 7$의 평균과 분산을 각각 구하시오.
💡 율초의 실전팁: 공식을 기계처럼 적용합니다!
원래 상태: 평균 $m = 10$, 분산 $V = 3^2 = 9$
변환 형태: $Y = -2X + 7$ ($a = -2, b = 7$)
1. 새로운 평균: $-2(10) + 7 = -20 + 7 = \mathbf{-13}$
2. 새로운 분산: $(-2)^2 \times V = 4 \times 9 = \mathbf{36}$
(새로운 표준편차는 $|-2| \times 3 = 6$이므로 분산은 $6^2 = 36$으로도 일치합니다!)
따라서 새로운 평균은 $-13$, 분산은 $36$입니다!
원래 상태: 평균 $m = 10$, 분산 $V = 3^2 = 9$
변환 형태: $Y = -2X + 7$ ($a = -2, b = 7$)
1. 새로운 평균: $-2(10) + 7 = -20 + 7 = \mathbf{-13}$
2. 새로운 분산: $(-2)^2 \times V = 4 \times 9 = \mathbf{36}$
(새로운 표준편차는 $|-2| \times 3 = 6$이므로 분산은 $6^2 = 36$으로도 일치합니다!)
따라서 새로운 평균은 $-13$, 분산은 $36$입니다!
해설 및 정답 보기 (클릭)
새로운 평균 $= -2(10) + 7 = -13$.
새로운 분산 $= (-2)^2 \times 9 = 36$.
정답: 평균: -13, 분산: 36
새로운 분산 $= (-2)^2 \times 9 = 36$.
정답: 평균: -13, 분산: 36
5. ⚠️ 시험장에서 10점 감점되는 산포도 3대 빈출 함정
🚨 [함정 1] '자료가 고르다'를 점수가 골고루 분포되어 있다는 뜻으로 착각하는 오류
• 치명적 오답: "점수가 골고루 퍼져 있으니 분산이 크겠구나"라고 생각하는 경우.
• 팩트 체크: 통계에서 '자료의 분포가 고르다'는 것은 기복 없이 고른 상태를 뜻하므로, 평균 주변에 변량들이 밀집해 있어 분산과 표준편차가 작을 때를 의미합니다.
• 팩트 체크: 통계에서 '자료의 분포가 고르다'는 것은 기복 없이 고른 상태를 뜻하므로, 평균 주변에 변량들이 밀집해 있어 분산과 표준편차가 작을 때를 의미합니다.
🚨 [함정 2] 편차를 구할 때 '평균 - 변량'으로 순서를 거꾸로 빼는 실수
• 치명적 오답: 평균 70점, 학생 점수 60점인데 편차를 $+10$점이라고 적는 경우.
• 팩트 체크: 편차는 반드시 (변량) - (평균)입니다. 점수가 평균보다 낮으면 편차는 반드시 음수($-10$)여야 서술형 감점을 피합니다.
• 팩트 체크: 편차는 반드시 (변량) - (평균)입니다. 점수가 평균보다 낮으면 편차는 반드시 음수($-10$)여야 서술형 감점을 피합니다.
🚨 [함정 3] 분산에 단위를 붙이거나, 표준편차에 단위를 생략하는 실수
• 치명적 오답: 분산 구하라는 문제에 '점'을 붙여 답을 적거나, 표준편차에 단위를 빼먹는 경우.
• 팩트 체크: 분산은 편차를 제곱한 값이므로 단위가 달라져 보통 단위를 적지 않지만, 표준편차는 원래 변량과 단위가 완벽히 같으므로 반드시 원래 자료의 단위(점, cm, kg 등)를 표기해야 합니다.
• 팩트 체크: 분산은 편차를 제곱한 값이므로 단위가 달라져 보통 단위를 적지 않지만, 표준편차는 원래 변량과 단위가 완벽히 같으므로 반드시 원래 자료의 단위(점, cm, kg 등)를 표기해야 합니다.
🌿 율초의 한마디
"대푯값이 데이터 집단의 '무게중심'을 가리킨다면, 산포도는 그 집단의 '흔들림과 안정감'을 보여주는 지진계와 같습니다. 편차의 합이 0인 대수적 이유와 분산의 연산 메커니즘을 온전히 이해할 때 고등 통계의 모든 공식이 자연스럽게 하나로 연결됩니다."
편차의 정의부터 분산·표준편차의 4단계 정석 계산법, 제평평제 고속 연산, 그리고 선형 변환 $ax+b$ 공식까지 산포도 단원의 핵심 뼈대를 완벽히 정리했습니다.
다음 시간에는 이 개념을 시험장 킬러 문제에 직접 적용해보는 [중3-2 수학: 실전유형 ②] 산포도 15대 1등급 킬러 유형 & 1:1 쌍둥이 진단으로 찾아오겠습니다.

댓글
댓글 쓰기