통계 계산기

데이터 세트의 다양한 통계 값을 한 번에 계산합니다. 평균, 중앙값, 최빈값, 범위, 분산, 표준편차 등을 자동으로 산출하여 데이터 분석을 지원합니다.

통계 결과

개수 — 합계 — 평균 — 중앙값 — 최빈값 — 범위 — 최소값 — 최대값 — 분산 — 표준편차 — 1사분위수 (Q1) — 3사분위수 (Q3) — 사분위수 범위 (IQR) —

가이드

자세히 알아보기

평균 (Mean)의 이해

평균은 모든 데이터 값을 더한 후 개수로 나눈 값입니다. 가장 일반적으로 사용되는 대푯값이지만, 극단적인 값에 영향을 많이 받습니다. 예를 들어 시험 점수가 70, 80, 90, 100점이면 평균은 85점입니다. 하지만 0, 80, 90, 100점이면 평균은 67.5점으로 크게 낮아집니다.

중앙값 (Median)과 최빈값 (Mode)

중앙값은 데이터를 크기 순으로 나열했을 때 정중앙에 있는 값입니다. 극단값의 영향을 덜 받아 평균보다 안정적인 대푯값이 됩니다. 최빈값은 가장 자주 나타나는 값으로, 범주형 데이터 분석에 유용합니다. 데이터에 따라 최빈값이 여러 개 있거나 없을 수도 있습니다.

표준편차와 분산

표준편차는 데이터가 평균으로부터 얼마나 흩어져 있는지를 나타냅니다. 표준편차가 작으면 데이터가 평균 주변에 모여 있고, 크면 넓게 퍼져 있습니다. 분산은 표준편차를 제곱한 값으로, 통계 계산에서 중요하게 사용됩니다. 투자에서 표준편차는 위험도를 측정하는 지표로 활용됩니다.

사분위수와 IQR

사분위수는 데이터를 4등분하는 값입니다. Q1은 하위 25%, Q2는 중앙값(50%), Q3는 상위 25% 지점입니다. IQR(사분위수 범위)은 Q3 - Q1로 계산되며, 중간 50%의 데이터 분포를 나타냅니다. IQR은 이상값(outlier)을 판단하는 기준으로 널리 사용됩니다.

통계의 실생활 응용

통계는 학업 성적 분석, 기업 실적 평가, 품질 관리, 시장 조사 등 다양한 분야에서 활용됩니다. 시험 점수 분석으로 학생의 상대적 위치를 파악하고, 제품 불량률 관리로 품질을 개선하며, 판매 데이터 분석으로 트렌드를 예측합니다. 통계는 데이터 기반 의사결정의 핵심 도구입니다.

데이터 해석 팁

단일 통계량만으로 데이터를 판단하지 말고 여러 지표를 종합적으로 고려하세요. 평균이 높더라도 표준편차가 크면 편차가 심한 것입니다. 중앙값과 평균이 크게 다르면 극단값이 있다는 신호입니다. 데이터 분포를 시각화하면 숫자만으로는 알기 어려운 패턴을 발견할 수 있습니다.

자주 묻는 질문

데이터는 어떤 형식으로 입력해야 하나요?

숫자를 쉼표(,) 또는 공백으로 구분해 입력하면 됩니다. 예를 들어 "10, 20, 30" 또는 "10 20 30" 모두 인식되며, 소수점이 있는 값도 그대로 입력할 수 있습니다.

표준편차 계산 시 모집단과 표본 중 어떤 방식을 쓰나요?

입력한 값 전체를 모집단으로 간주해 n으로 나누는 방식과 표본으로 간주해 n-1로 나누는 방식이 있습니다. 입력 데이터가 전체 모집단인지 표본인지에 따라 해석이 달라질 수 있으니 유의하세요.

데이터가 1~2개뿐이면 계산이 정상적으로 되나요?

값이 1개면 평균·최소·최대는 그 값과 같고 분산·표준편차는 0이 됩니다. 표본 표준편차 방식에서는 데이터가 2개 이상이어야 의미 있는 값이 계산됩니다.

최빈값이 여러 개이거나 없다고 나오면 무슨 의미인가요?

모든 값의 등장 횟수가 같으면 최빈값이 없거나 모든 값이 최빈값으로 표시될 수 있습니다. 반대로 동일한 빈도로 여러 값이 나타나면 최빈값이 여러 개(다봉 분포) 표시됩니다.

IQR로 이상값(outlier)은 어떻게 판단하나요?

일반적으로 Q1 - 1.5×IQR보다 작거나 Q3 + 1.5×IQR보다 큰 값을 이상값으로 봅니다. 이 계산기가 제공하는 Q1, Q3, IQR 값을 이용해 직접 이 범위를 계산해 볼 수 있습니다.