CalcNara 불러오는 중…
칼크나라
데이터 1~10개로 평균·중앙값·최빈값·분산·표준편차·범위 자동 산정. 모집단/표본 구분 + 정확값 출력. 중·고등 통계 단원·실험 데이터 분석 표준.
최종 사이트 검토: 2026년 6월 · 정밀 근거는 결과 영역 아래 「계산 기준·검증 정보」 카드에서 확인하실 수 있습니다.
-1,000,000 ~ 1,000,000 사이
-1,000,000 ~ 1,000,000 사이
-1,000,000 ~ 1,000,000 사이
-1,000,000 ~ 1,000,000 사이
-1,000,000 ~ 1,000,000 사이
-1,000,000 ~ 1,000,000 사이
-1,000,000 ~ 1,000,000 사이
-1,000,000 ~ 1,000,000 사이
-1,000,000 ~ 1,000,000 사이
-1,000,000 ~ 1,000,000 사이
입력 정보를 입력한 뒤
[계산하기] 버튼을 눌러주세요.
계산 기준·검증 정보
계산 방법론·데이터 출처·검증 절차 전체는 CalcNara 소개에서 확인하실 수 있습니다.
세 데이터셋(균등 분포·다봉·이상치 포함) 에 대해 평균·중앙값· 표본분산(n−1) ·표본 표준편차를 산정한 예시입니다. 본 계산기는 기본적으로 표본 모드(Bessel 보정) 를 적용하며, 모집단 모드를 선택하면 n 으로 나눕니다.
| 통계량 | 데이터 A (균등 분포) | 데이터 B (다봉·짝수 개) | 데이터 C (이상치 포함) |
|---|---|---|---|
| 평균 (Σx ÷ n) | 30 [10,20,30,40,50] Σ150 ÷ 5 | 4.5 [2,3,4,4,4,5,5,9] Σ36 ÷ 8 | 20.4 [2,4,6,8,82] 이상치로 평균 상승 |
| 중앙값 | 30 [10,20,30,40,50] 가운데 값 (n 홀수) | 4 [2,3,4,4,4,5,5,9] (4+4) ÷ 2 (n 짝수) | 6 [2,4,6,8,82] 이상치 영향 적음 |
| 표본분산 (÷ n−1) | 250 [10,20,30,40,50] Σ(x−30)² ÷ 4 | 약 4.29 [2,3,4,4,4,5,5,9] Σ(x−4.5)² ÷ 7 | 약 1,190.8 [2,4,6,8,82] 이상치로 급증 |
| 표본 표준편차 (√분산) | 약 15.81 [10,20,30,40,50] √250 | 약 2.07 [2,3,4,4,4,5,5,9] √4.29 | 약 34.51 [2,4,6,8,82] √1,190.8 |
중·고등 수학·실험 데이터 분석 cycle 인접 계산기 5종.
통계 계산기는 데이터 1~10개를 별도 슬롯에 입력하면 평균·중앙값·최빈값· 분산·표준편차·범위를 자동 산정합니다. 모집단(전체) 또는 표본(부분) 구분으로 분산·표준편차 산식이 달라집니다.
사용 흐름:
주의: 본 계산기는 0 값을 「미입력」 으로 자동 처리합니다. 실제 데이터에 0이 포함되어야 한다면 슬롯 1~5 중 빈자리에 0이 아닌 값을 채워주세요.
기술 통계 표준 산식
◆ 평균 (산술평균)
μ = (x_1 + x_2 + ... + x_n) / n
◆ 중앙값 (median)
정렬 후 가운데 값
n 홀수: x_(n+1)/2
n 짝수: (x_(n/2) + x_(n/2+1)) / 2
◆ 최빈값 (mode)
가장 자주 나타나는 값 (빈도 최대)
모든 빈도 = 1 이면 「없음」
◆ 분산 (variance)
모집단: σ² = Σ(x_i − μ)² / n
표본: s² = Σ(x_i − μ)² / (n−1)
(Bessel 보정 — 불편 추정량)
◆ 표준편차
σ = √분산 (또는 s = √표본분산)
◆ 범위
range = max − min모집단 vs 표본 차이: 「모집단」 은 분석하려는 전체 데이터 (예: 한 학급 전체 학생 시험 점수). 「표본」 은 전체 중 일부를 추출한 데이터 (예: 한국 전체 학생 중 1,000명 추출). 표본 분산은 n−1 로 나누는 「Bessel 보정」 을 적용해 모집단 분산을 편향 없이 추정합니다.
결과
평균 30, 표본 표준편차 약 15.81
결과
평균 85, 중앙값 85, 표본 표준편차 약 12.91
결과
최빈값 5 (빈도 3)
「분석하려는 전체 데이터」 가 모두 있다면 모집단을, 「전체 중 일부 표본」 만 있다면 표본을 선택하세요. 일반적인 실험·여론조사·표본 데이터는 표본 모드 (n−1로 나눔) 권장. 한 학급 전체 학생 시험 점수처럼 「분석 대상 전체」 라면 모집단 모드.
데이터 분포에 따라 다릅니다. (1) 평균: 정규분포·대칭 분포에서 좋음. 이상치(outlier)에 민감. (2) 중앙값: 이상치 영향 없음 — 소득·집값 같은 한쪽 치우친 분포에서 권장. (3) 최빈값: 범주형 데이터·빈도 분석에 적합. 일반적으로 평균 + 중앙값 함께 보면 분포의 비대칭성을 알 수 있습니다.
표준편차는 「평균 주변의 데이터 흩어짐」 을 측정합니다. 클수록 데이터가 평균에서 멀리 떨어져 있어 분산이 큰 것이고, 작을수록 평균에 모여 있어 안정적입니다. 예: 시험 점수 평균 70 + 표준편차 5 → 대부분 65~75. 평균 70 + 표준편차 20 → 50~90 분포 — 점수 격차가 큼.
분산은 「제곱 단위」 (예: 점수 → 점²)라 직관적이지 않습니다. 그래서 √(분산) 인 표준편차가 원래 단위로 돌아와 실용적입니다. 본 계산기는 둘 다 표시하지만 일반적으로 표준편차로 해석하는 것이 권장됩니다.
통계학적으로 일반화 가능한 결론을 도출하려면 보통 30개 이상의 표본이 권장됩니다 (중심극한정리 적용 가능). 본 계산기는 학습·간단한 분석용으로 10개까지 처리합니다. 더 많은 데이터 분석은 Excel, Python (pandas, numpy), R 같은 전문 도구 권장.
모든 값이 정확히 1번씩 등장하면 최빈값은 정의되지 않습니다 (모든 값이 동률 최빈). 예: [1, 2, 3, 4, 5] 는 각 빈도 1이라 「최빈값 없음」. 둘 이상의 값이 같은 최대 빈도를 보유하면 「다봉(bimodal·multimodal)」 으로 두 값 모두 최빈값으로 표시됩니다.
본 계산기는 단순화를 위해 「0 = 미입력」 으로 처리합니다. 0을 실제 데이터로 사용하려면 약간 다른 값(예: 0.001)을 입력하거나 모든 값에 +1을 더한 후 결과를 보정하세요. 정확한 0 포함 분석은 Excel·Python 같은 전문 도구 권장.
통계·과학 실험·금융 (주식 위험도)·품질 관리 (제조 공정)·여론 조사·학업 평가 등 광범위. 예: 주식 표준편차 = 변동성 = 위험. 시험 표준편차 = 학급 점수 격차. 제조 표준편차 = 품질 일관성. 본 계산기는 학습·간단한 분석 도구이며 전문 분석은 SPSS·R·Python 권장.
본 계산기는 데이터를 입력하면 평균·중앙값·최빈값·범위·분산· 표준편차 6가지 기술통계량을 한 번에 산정합니다. 평균 = Σxᵢ ÷ n, 분산 = Σ(xᵢ − μ)² ÷ n(모집단) 또는 ÷ (n−1)(표본), 표준편차 = √분산입니다. 한국 중·고등학교 수학 교육과정 통계 단원의 정의를 그대로 따르며, 입력값만으로 결정되는 수학적 계산입니다.
본 계산기는 데이터 1~10개를 입력하면 평균·중앙값·최빈값· 범위·분산·표준편차를 한 번에 산정합니다. 기술통계는 자료의 중심 경향(평균·중앙값·최빈값) 과 흩어진 정도(범위·분산· 표준편차) 를 요약하는 표준 방법으로, 한국 중·고등학교 수학 교육과정 통계 단원의 정의를 그대로 따릅니다. 평균 = Σxᵢ ÷ n, 분산 = Σ(xᵢ − μ)² ÷ n(모집단) 또는 ÷ (n−1)(표본), 표준편차 = √분산입니다. 외부 데이터 없이 입력값만으로 결정되는 수학적 사실이며 법령 변동의 영향을 받지 않습니다.
실제 0 데이터가 필요하면 본 계산기는 0 을 미입력으로 처리 하므로 별도 도구 사용을 권장합니다. 일반적인 실험·여론조사· 표본 데이터는 표본 모드를 사용하세요.
◆ 평균 (산술평균)
μ = Σxᵢ ÷ n
◆ 중앙값 (median)
정렬 후 가운데 값
n 짝수 → 가운데 두 값의 평균
◆ 최빈값 (mode)
최대 빈도 값 (다봉이면 모두)
◆ 범위 (range)
max − min
◆ 분산 (variance)
모집단 = Σ(xᵢ − μ)² ÷ n
표본 = Σ(xᵢ − μ)² ÷ (n−1) ← Bessel 보정
◆ 표준편차 (standard deviation)
σ = √분산데이터 [10, 20, 30, 40, 50]
평균 = 150 ÷ 5 = 30
중앙값 = 30
표본분산 = Σ(x−30)² ÷ 4 = 250
모집단분산 = Σ(x−30)² ÷ 5 = 200
표본 표준편차 = √250 ≈ 15.81
이상치 추가 [2, 4, 6, 8, 82]
평균 = 20.4 (이상치로 상승)
중앙값 = 6 (영향 적음)
표본 표준편차 ≈ 34.51같은 자료라도 표본 모드(n−1) 와 모집단 모드(n) 의 분산이 다릅니다. 또한 평균·분산은 이상치에 민감하지만 중앙값은 비교적 안정적이어서, 분포가 한쪽으로 치우치면 중앙값을 함께 보는 것이 도움이 됩니다.
표본으로 모집단 분산을 추정할 때 n 으로 나누면 실제보다 작게 추정되는 편향이 생깁니다. n−1 로 나누는 Bessel 보정은 이 편향을 없앤 불편 추정량을 제공합니다. 모집단 전체를 다룰 때만 n 으로 나눕니다.
데이터를 작은 값부터 정렬한 뒤 가운데 값을 취합니다. 개수가 홀수면 가운데 하나, 짝수면 가운데 두 값의 평균이 중앙값입니다. 예를 들어 [2,3,4,4,4,5,5,9] 의 중앙값은 4번째·5번째 값의 평균인 4 입니다.
네. 가장 큰 빈도를 가진 값이 둘 이상이면 다봉(bimodal· multimodal) 으로 모두 표시됩니다. 모든 값의 빈도가 1 이면 최빈값은 「없음」 으로 표시됩니다.
분포가 대칭이면 평균이 대표값으로 적절합니다. 이상치가 있거나 한쪽으로 치우친 분포에서는 평균이 크게 흔들리므로 중앙값을 함께 보는 것이 일반적입니다. 두 값의 차이가 크면 분포가 비대칭이라는 신호입니다.
본 계산기는 0 을 미입력으로 처리하여 통계에서 제외합니다. 실제 0 값이 포함된 데이터를 정확히 분석하려면 0 을 쓰지 않는 별도 환경이 필요합니다.
본 페이지의 정보는 평균·중앙값·분산·표준편차 등 기술통계의 표준 산식을 정리한 학습 참고 자료입니다. 수학적 사실로 법령 변동의 영향을 받지 않으며, 본 계산기는 학습·검산을 돕는 참고 도구입니다.
같은 카테고리의 다른 계산기도 함께 이용해보세요