평균과 중앙값, 같은 자료가 다르게 읽히는 이유

14분과 5분이 모두 맞는 이유

학습용으로 만든 다섯 번의 대기 시간은 3분, 4분, 5분, 8분, 50분입니다. 합은 70분이므로 산술평균은 70 ÷ 5 = 14분입니다. 작은 값부터 정렬했을 때 가운데인 중앙값은 5분입니다. 계산이 틀린 것이 아닙니다. 평균은 전체 대기 시간의 합을 다섯 건에 똑같이 나눈 값이고, 중앙값은 순서상 가운데 위치를 설명합니다.

대기 시간 합계가 필요한 담당자에게는 평균이 유용합니다. 다른 조건이 같다면 14분에 건수를 곱해 총 대기 시간을 계산할 수 있습니다. 방문자가 겪는 전형적인 대기 수준을 짧게 설명하려면 중앙값도 함께 볼 만합니다. 다만 중앙값 5분만 말하면 마지막 한 건이 50분이었다는 불편이 사라져 보입니다. 어느 쪽이 더 좋은 숫자인지 고르기 전에 누구의 어떤 질문에 답하려는지 확인해야 합니다.

이 예제에서는 모든 값이 한 번씩 나옵니다. 교재나 프로그램에 따라 최빈값을 여러 개로 처리하기도 하지만, 실질적으로 빈도가 두드러지는 대표값은 없습니다. 서로 다른 정의를 섞지 않고 문제의 설명을 따르는 것이 좋습니다.

중앙값을 구할 때 빠지는 두 단계

중앙값은 입력된 순서의 가운데 값이 아닙니다. 자료를 정렬한 뒤 위치를 찾아야 합니다. 8, 3, 50, 4, 5의 가운데를 그냥 고르면 50이 되지만, 정렬하면 3, 4, 5, 8, 50이고 중앙값은 5입니다. 관측값이 홀수 개이면 (n + 1) ÷ 2번째 값이 가운데에 놓입니다.

숫자 자료가 짝수 개이면 가운데 두 값의 산술평균을 사용합니다. 3, 4, 5, 8, 10, 50에서는 세 번째 값 5와 네 번째 값 8을 평균 내 중앙값 6.5를 얻습니다. 실제 관측값 중에 6.5가 없어도 문제없습니다. 중앙값은 자료를 요약한 통계량이지 반드시 관측된 값 하나를 골라야 하는 규칙은 아닙니다.

순위나 만족도처럼 순서만 의미 있는 자료는 조금 다릅니다. 매우 불만, 불만, 보통, 만족, 매우 만족에 1부터 5까지 번호를 붙였다고 해서 이웃 범주의 간격이 같아지지는 않습니다. 이런 자료에서 중앙 위치의 범주를 설명할 수는 있지만, 숫자 평균을 해석하려면 간격을 어떻게 가정했는지 먼저 밝혀야 합니다. 명목형 자료인 색상이나 지역 코드에는 수치 평균을 붙이지 않습니다.

큰 값 하나가 바뀌면 무엇이 움직일까

처음 자료의 50분을 100분으로 바꾸면 합이 120분으로 늘어납니다. 평균은 24분이 되지만 중앙값은 여전히 5분입니다. 평균은 값의 크기를 모두 반영하므로 큰 관측값의 변화에 민감합니다. 중앙값은 정렬한 가운데 위치에 의존하므로 이 경우 끝에 있는 값의 크기가 커져도 변하지 않습니다.

그렇다고 중앙값이 어떤 변화에도 고정되는 것은 아닙니다. 여러 관측값이 함께 바뀌거나 가운데 근처 값이 움직이면 중앙값도 달라집니다. 시험의 선택지에서 중앙값은 이상치의 영향을 전혀 받지 않는다는 식으로 단정하면 조심해서 읽어야 합니다. 보통은 평균보다 극단값에 덜 민감하다고 표현하는 편이 정확합니다.

극단값이 있다고 바로 지우지도 않습니다. 50분이 입력 실수인지, 서버 장애처럼 실제로 일어난 사건인지 먼저 확인합니다. 실제 값을 지운 뒤 계산한 평균은 다른 질문에 답하는 숫자입니다. 삭제 전후 결과와 제외 이유를 함께 기록하지 않으면 읽는 사람이 자료 범위를 오해합니다. 분포가 오른쪽으로 길게 늘어진 자료에서는 평균이 중앙값보다 큰 경우가 흔하지만, 모든 자료에서 반드시 성립하는 판단 규칙으로 외우지는 않습니다.

두 집단의 평균을 다시 평균 내도 될까

A반 10명의 평균 점수가 80점이고 B반 30명의 평균 점수가 60점이라고 가정합니다. 두 반 평균의 단순평균은 70점입니다. 그러나 전체 40명의 평균은 (10 × 80 + 30 × 60) ÷ 40 = 65점입니다. 인원이 다른 집단을 같은 비중으로 더했기 때문에 5점 차이가 생겼습니다.

전체 학생의 평균을 구하는 질문에서는 학생 수가 가중치입니다. 반 하나를 분석 단위로 삼아 평균적인 반의 점수를 구하는 질문이라면 70점도 그 정의에 맞습니다. 숫자가 어느 단위를 대표하는지 확인하는 과정이 계산보다 먼저입니다. 방문자별 평균, 방문별 평균, 날짜별 평균도 같은 이유로 서로 다를 수 있습니다.

백분율을 합칠 때도 분모를 확인합니다. A문항 10명 중 8명 정답, B문항 30명 중 18명 정답이라면 전체 응답의 정답률은 26 ÷ 40 = 65%입니다. 80%와 60%를 무조건 평균 내는 방식으로는 전체 응답을 설명하지 못합니다. 문제에 사람 수나 응답 수가 주어져 있으면 평균 옆에 그 수를 먼저 적어 보세요.

대표값 하나로 결론을 끝내지 않기

평균이 5인 두 자료 4, 5, 6과 0, 5, 10을 비교해 봅니다. 가운데 값도 같지만 두 번째 자료는 훨씬 넓게 퍼져 있습니다. 대표값이 같다는 이유로 두 자료가 비슷하다고 결론 내리면 안 됩니다. 최소값과 최대값, 분산이나 사분위수처럼 퍼짐을 설명하는 숫자를 곁들여야 합니다.

보고서의 문장은 자료 범위까지 포함하면 정확해집니다. 이 자료는 다섯 건의 예시이며 평균 대기 시간은 14분, 중앙값은 5분이고 한 건은 50분이었다고 적으면 독자가 차이의 원인을 볼 수 있습니다. 실제 조사처럼 표본의 대표성을 주장하지도 않습니다. 자료를 계산하는 일과 전체 집단으로 일반화하는 일은 별개의 단계입니다.

복습할 때는 숫자 하나를 바꿔 평균과 중앙값을 다시 구해 보세요. 두 값을 동시에 말할 수 있는지보다 왜 변화량이 다른지 설명하는 것이 중요합니다. 아래 확인 문제는 개념 학습을 위해 새로 작성했으며 실제 시험 문제를 옮긴 것이 아닙니다.

이 글은 입문자 기준으로 정리했습니다. 계산이나 설명의 오류를 발견하면 이 글의 오류 제보를 보내주세요. 내용을 보완할 때 수정일도 함께 갱신합니다.