통계 기초 학습 위키 — 홈

이 위키의 모든 페이지는 세 겹의 학습 레이어로 설계되어 있다.

첫째, 코넬 노트(Cornell Notes) 형식을 따른다. 각 개념 페이지의 ## 핵심 개념 섹션은 강의 내용을 표·다이어그램·예시로 압축 정리한 '노트 영역'이고, ## 큐 질문 섹션은 책을 덮은 채 스스로 답하는 '회상 트리거 영역'이며, ## 요약 한 줄은 내 말로 개념을 재설명하는 '요약 영역'이다.

둘째, 능동적 회상(Active Recall) 을 강제한다. 단순히 읽는 수동적 복습 대신, 큐 질문에 먼저 답한 뒤 본문으로 확인하는 방식을 취한다. 복습 & 스페이스드 리피티션 페이지는 네 주제의 전체 큐 질문(Q1–Q15)을 한 화면에 모아 실전 테스트를 가능하게 한다.

셋째, 스페이스드 리피티션(Spaced Repetition) 일정을 제공한다. 학습 후 1일·3일·7일·14일 간격으로 복습하는 표준 스케줄이 복습 페이지의 캘린더에 내장되어 있다. 망각 곡선에 맞서 기억을 장기 저장소로 굳히는 가장 효율적인 방법이다. [강의 노트.md]

중심 경향 — 평균·중앙값·최빈값 페이지는 "데이터 집합 전체를 대표하는 숫자 하나를 어떻게 고르는가"라는 질문에 답한다. 세 가지 척도 — 평균(mean), 중앙값(median), 최빈값(mode) — 는 각각 다른 상황에서 힘을 발휘한다. [강의 노트.md]

평균은 모든 값을 더해 개수로 나누는 직관적인 방식이지만, 이상치(극단값) 하나에도 크게 흔들린다는 치명적 약점이 있다. 예를 들어 소득 분포에 억만장자 한 명이 포함되면 평균이 급등하여 대다수의 현실을 왜곡한다. 이럴 때는 순서를 정렬해 가운데 값을 취하는 중앙값이 훨씬 강인(robust)한 대표값이 된다. 한편 최빈값은 수치 계산 없이 가장 자주 등장하는 값을 찾으므로, 수치가 아닌 범주형 데이터(예: '가장 많이 팔린 색상')에서 유일하게 의미 있는 척도다. [강의 노트.md]

세 척도의 관계는 분포의 대칭성과 직결된다. 뒤에서 살펴볼 정규분포처럼 완전히 좌우대칭인 분포에서는 평균 = 중앙값 = 최빈값이 한 점에 겹친다. 반대로 분포가 한쪽으로 치우칠수록(왜도가 클수록) 세 값이 서로 멀어진다. 이 차이를 이해하면 어떤 척도를 골라야 할지 즉각 판단할 수 있다.

평균이 같은 두 데이터셋도 값들이 퍼진 정도는 완전히 다를 수 있다. {5, 5, 5}와 {1, 5, 9}는 평균이 모두 5이지만 그 성격은 전혀 다르다. 산포 — 분산과 표준편차 페이지는 이 '퍼짐의 정보'를 수량화하는 두 가지 도구를 다룬다. [강의 노트.md]

분산(variance) 은 각 값에서 평균을 뺀 편차를 제곱하여 평균 낸 값이다. 편차를 그냥 더하면 양수·음수가 상쇄되어 항상 0이 되므로, 제곱으로 부호 문제를 해결한다. 단, 제곱 연산 탓에 단위가 원래 단위의 제곱이 되어 직관적 해석이 어렵다. 표준편차(σ) 는 분산의 제곱근을 취해 원래 단위로 되돌린 값으로, 실무와 학술 모두에서 더 자주 쓰이는 이유가 여기에 있다. σ = 0이라면 모든 데이터가 완전히 동일하다는 뜻이며, σ가 클수록 데이터는 평균으로부터 더 넓게 흩어져 있다. [강의 노트.md]

산포 개념은 다른 주제들과 긴밀하게 엮인다. 중심 경향 척도만으로는 알 수 없는 '분포의 너비'를 보완하고, 정규분포에서는 σ가 종 모양의 너비를 직접 결정하며, 상관계수 r을 계산하는 수식의 기반이기도 하다.

정규분포는 통계학에서 가장 핵심적인 분포다. 종 모양(bell curve)의 좌우대칭 곡선으로, 자연 현상(신장, 시험 점수, 측정 오차 등)에서 놀라울 만큼 자주 등장한다. [강의 노트.md]

정규분포의 가장 강력한 특성은 68-95-99.7 규칙(경험 법칙) 이다. 평균으로부터 ±1σ 범위 안에 약 68%의 데이터가, ±2σ 안에 95%가, ±3σ 안에 99.7%가 포함된다. 이 규칙 하나만으로 이상치(outlier) 판별, 신뢰 구간 추정, 품질 관리 등 실전 문제의 상당 부분을 직관적으로 풀 수 있다. 특히 평균 ±2σ 바깥에 놓일 확률이 약 5%라는 사실은 이상치 기준으로 광범위하게 활용된다.

앞서 다룬 두 개념이 여기서 통합된다. 평균·중앙값·최빈값은 정규분포에서 모두 같은 점에 겹치며, 표준편차 σ는 종 모양의 너비를 결정한다 — σ가 작을수록 종이 좁고 높아지고, σ가 클수록 종이 넓고 낮아진다. 결국 정규분포는 중심(평균)과 퍼짐(σ) 두 값만으로 완전히 기술된다는 점에서, 앞 두 주제의 자연스러운 종합이다. [강의 노트.md]

상관 vs 인과 페이지는 통계적 사고에서 가장 흔하게 발생하는 오류를 다룬다. 상관관계(correlation) 는 두 변수가 함께 변하는 패턴이고, 인과관계(causation) 는 한 변수가 다른 변수를 실제로 일으키는 관계다. 두 개념은 근본적으로 다르지만, 데이터만 보면 구별하기 어렵다. [강의 노트.md]

상관계수 r 은 −1부터 +1 사이의 값으로 두 변수 사이 선형 관계의 강도와 방향을 나타낸다. r = 1이면 완전한 양의 선형 관계, r = −1이면 완전한 음의 선형 관계, r = 0이면 선형 관계가 없다. 그런데 r = 0이라도 비선형 관계는 존재할 수 있으므로, 'r = 0 = 관계 없음'으로 단정하면 안 된다. [강의 노트.md]

상관이 인과가 아닌 이유는 두 가지 함정 때문이다. 첫째, 교란변수(confounding variable) — 아이스크림 판매량과 익사 사고 건수는 양의 상관을 보이지만, 실제 원인은 둘 모두에 영향을 미치는 '여름'이라는 제3의 변수다. 아이스크림이 익사를 유발하지 않는다. 둘째, 역인과(reverse causation) — 인과의 방향이 거꾸로일 수 있다. 예를 들어 "병원 방문이 많을수록 건강이 나쁘다"는 상관이 있을 때, 병원이 건강을 해친다고 결론 내리는 것은 명백한 방향 오류다. 데이터를 해석할 때마다 이 두 함정을 의심하는 습관이 통계적 사고의 핵심이다.

상관계수의 계산 자체는 분산과 표준편차를 기반으로 하며, r을 해석할 때는 평균과 분포의 형태 — 특히 정규분포 가정 여부 — 도 고려해야 한다.

네 개의 통계 개념은 독립적으로 존재하는 것이 아니라 하나의 논리 흐름 위에 놓여 있다.

데이터를 수집하면 가장 먼저 중심 경향으로 대표값을 구하고, 산포로 그 퍼짐을 파악한다. 두 정보를 합치면 정규분포라는 수학적 모델로 데이터를 기술할 수 있고, 정규분포의 σ를 이용해 이상치를 가려낼 수 있다. 나아가 두 변수 사이의 관계를 탐색할 때 상관계수 r을 쓰되, 상관을 곧바로 인과로 해석하는 오류를 경계해야 한다. [강의 노트.md]

1. 1.처음 학습할 때: 각 개념 페이지(중심 경향, 산포, 정규분포, 상관 vs 인과)를 순서대로 읽고 ## 큐 질문 섹션에서 스스로 테스트한다.
2. 2.복습할 때: 복습 & 스페이스드 리피티션 페이지를 열고, 개념 페이지를 보지 않은 채로 Q1–Q15에 답해본다. 막히는 문항은 링크를 눌러 해당 페이지로 이동해 확인한다.
3. 3.간격 복습: 복습 페이지의 캘린더에 명시된 1일·3일·7일·14일 일정을 따른다. 시간 간격이 늘어날수록 장기 기억에 더 깊이 새겨진다.

공부는 읽는 것이 아니라 기억을 끄집어내는 연습이다 — 큐 질문 없이 넘어가지 말 것. [강의 노트.md]