권세혁HOME
  • SDV(데이터 가치화)
  • 강의노트
    • 기초수학·수리통계·조사방법
    • 기초통계·회귀·다변량분석
    • 머신러닝·딥러닝
    • AI·감성분석
  • 통계챗봇
  • 오늘의 검색 트렌드
  • 통계, 다르게 읽기
  • 통계로 보는 세상(티스토리 e책방)
  • 데이터 플랫폼
  • 유튜브
  1. 📖 (숫자를 대표하는 방법) 내 체온 36.5도는 정말 정상인가?
  • 📋 전체 목록

  • 📖 (비율과 백분율의 함정) 인구 1만 명당 범죄율을 사용하는 이유
  • 📖 (비율과 백분율의 함정) 위험이 두 배 증가했다는 뉴스는 얼마나 위험한가?
  • 📖 (비율과 백분율의 함정) 지지율 3% 상승인가, 3%포인트 상승인가?
  • 📖 (비율과 백분율의 함정) 매출이 50% 늘었다는 말에 속지 않는 법
  • 📖 (숫자를 대표하는 방법) 같은 평균, 전혀 다른 세상
  • 📖 (숫자를 대표하는 방법) 연봉은 평균보다 중앙값으로 보아야 하는 이유
  • 📖 (숫자를 대표하는 방법) 우리 반 평균이 올랐는데 학생들은 왜 불만일까?
  • 📖 (숫자를 대표하는 방법) 별점 4.5점짜리 식당은 믿을 만한가?
  • 📖 (숫자를 대표하는 방법) 내 체온 36.5도는 정말 정상인가?
  • 📖 지각하는 사람들의 비밀
  • 📖 대기 시간의 비밀
  • 📖 평균의 함정
  • 📖 p-값은 왜 0.05인가?
  • 📖 카톡 답장 속도와 호감도의 통계학
  • 📖 (그래프는 어떻게 우리를 속이는가) 막대그래프의 축을 자르면 차이가 커진다
  • 📖 (그래프는 어떻게 우리를 속이는가) 두 개의 세로축이 만드는 가짜 상관관계
  • 📖 (그래프는 어떻게 우리를 속이는가) 누적그래프는 왜 항상 좋아 보일까?
  • 📖 (그래프는 어떻게 우리를 속이는가) 선형 눈금과 로그 눈금은 무엇이 다른가?
  • 📖 (그래프는 어떻게 우리를 속이는가) 좋은 그래프는 무엇을 숨기지 않는가?
  • 📖 (사람의 직관은 왜 통계와 충돌하는가) 농구에서 ’슛 감각이 올랐다’는 말은 사실일까?
  • 📖 (사람의 직관은 왜 통계와 충돌하는가) 동전이 다섯 번 앞면이면 다음은 뒷면일까?
  • 📖 (사람의 직관은 왜 통계와 충돌하는가) 성공한 사람만 보면 성공법이 보이지 않는다
  • 📖 (사람의 직관은 왜 통계와 충돌하는가) 시험을 망친 다음 점수가 오르는 이유
  • 📖 (사람의 직관은 왜 통계와 충돌하는가) 기억에 잘 남는 사건이 더 자주 일어난다고 느끼는 이유
  • 📖 (기록의 착시, 대표값의 재발견) 연승과 연패, 우연일까 실력일까
  • 📖 (기록의 착시, 대표값의 재발견) 작은 표본이 만드는 큰 착각 — 야구 타율 3할의 의미
  • 📖 (기록의 착시, 대표값의 재발견) 세대별 평균이 말해주는 진짜 의미 — 평균 키가 자라는 이유
  • 📖 (기록의 착시, 대표값의 재발견) 평균으로 설명되지 않는 데이터들 — 최빈값이 필요한 순간
  • 📖 (기록의 착시, 대표값의 재발견) 평균의 함정 총정리 — 평균 수심 1m 강물이 위험한 이유
  • 📖 (흩어짐과 역설) “보통”의 폭을 재는 법 — 표준편차란 무엇인가
  • 📖 (흩어짐과 역설) 재벌 총수가 낀 동네 평균 소득 — 이상치 하나가 바꾸는 평균
  • 📖 (흩어짐과 역설) 입시에서 표준점수를 쓰는 이유 — 편차값의 비밀
  • 📖 (흩어짐과 역설) 단위가 다른 두 집단을 견주는 법 — 변동계수로 비교하기
  • 📖 (흩어짐과 역설) 부분에서 이기고도 전체에서 지는 이유 — 심슨의 역설
  • 📖 (숫자로 사람을 줄 세우는 법) 숫자 하나로 사회를 요약하기 — 지니계수로 읽는 불평등
  • 📖 (숫자로 사람을 줄 세우는 법) 어느 쪽이 더 공정할까 — 상대평가 vs 절대평가
  • 📖 (숫자로 사람을 줄 세우는 법) 1점 차이가 갖는 진짜 무게 — 순위의 착시
  • 📖 (숫자로 사람을 줄 세우는 법) 5.0과 4.8 사이, 표본크기의 문제 — 별점 평균의 함정
  • 📖 (숫자로 사람을 줄 세우는 법) 별점 대신 순위를 매기는 이유 — 넷플릭스 평점 시스템
  • 📖 (공식 통계 숫자 읽는 법) 평균수명 60세 시대의 오해 — 기대수명이라는 숫자의 함정
  • 📖 (공식 통계 숫자 읽는 법) 나만의 장바구니 물가지수 — 체감 물가와 통계 물가
  • 📖 (공식 통계 숫자 읽는 법) 누구를 세고 누구를 빼는가 — 실업률의 숨은 정의
  • 📖 (공식 통계 숫자 읽는 법) 분모가 다르면 결론도 다르다 — 치명률 숫자 읽는 법
  • 📖 (공식 통계 숫자 읽는 법) 인과추론 감각을 기르는 법 — 미신적 상관관계 모음
  • 📖 (확률과 우연의 세계) 23명만 모여도 생일이 겹칠 가능성이 높은 이유 — 생일 문제
  • 📖 (확률과 우연의 세계) 같은 번호가 연속으로 나오면 조작일까? — 독립사건
  • 📖 (확률과 우연의 세계) 무작위 숫자는 왜 고르게 흩어지지 않는가? — 군집 착각
  • 📖 (확률과 우연의 세계) 로또 번호에 명당이 존재할까? — 동일확률과 선택편향
  • 📖 (확률과 우연의 세계) 희귀한 사건이 매일 뉴스에 나오는 이유 — 다중 기회
  • 📖 (확률의 도구들) 확률을 세는 언어 — 표본공간과 사건이란 무엇인가
  • 📖 (확률의 도구들) “적어도 하나”의 확률 — 여사건으로 풀면 쉬워지는 문제
  • 📖 (확률의 도구들) 경우의 수 세기 — 카드 한 장을 뽑을 때 확률 계산법
  • 📖 (확률의 도구들) 오해하기 쉬운 개념 — 독립이라는 것의 진짜 의미
  • 📖 (확률의 도구들) 복권 기댓값으로 알아보기 — 기댓값이란 무엇인가
  • 📖 (분포가 들려주는 이야기) 세상의 모든 데이터는 정규분포일까? — 정규분포 신화와 한계
  • 📖 (분포가 들려주는 이야기) 키는 정규분포에 가깝고 소득은 그렇지 않은 이유 — 분포 모양이 다른 이유
  • 📖 (분포가 들려주는 이야기) 평균에서 세 표준편차 밖이면 이상한 값일까? — 68-95-99.7 법칙
  • 📖 (분포가 들려주는 이야기) 하루에 걸려오는 전화 수는 어떤 분포를 따를까? — 포아송분포
  • 📖 (분포가 들려주는 이야기) 분포를 모르면 평균도 해석할 수 없다 — 분포 이해의 중요성
  • 📖 (조건부확률과 베이즈의 사고) 검사 결과가 양성이면 정말 병에 걸린 것일까? — 기저율
  • 📖 (조건부확률과 베이즈의 사고) 정확도 99% 검사가 틀릴 수 있는 이유 — 조건부확률
  • 📖 (조건부확률과 베이즈의 사고) 범인이 범행 현장에 있을 확률과 현장에 있던 사람이 범인일 확률 — 조건의 방향
  • 📖 (조건부확률과 베이즈의 사고) 스팸메일 필터는 어떻게 배워가는가? — 베이즈 갱신
  • 📖 (조건부확률과 베이즈의 사고) 새로운 증거가 들어오면 믿음도 바뀌어야 한다 — 베이지안 사고
  • 📖 (위험과 불확실성을 이해하는 법) 비 올 확률 60%는 무슨 뜻인가? — 확률적 예보 읽는 법
  • 📖 (위험과 불확실성을 이해하는 법) 100년 빈도 홍수는 100년에 한 번만 오는가? — 재현빈도의 오해
  • 📖 (위험과 불확실성을 이해하는 법) 보험회사는 어떻게 사고를 예측하는가? — 기대손실
  • 📖 (위험과 불확실성을 이해하는 법) 발생 가능성은 낮지만 피해가 큰 사건을 어떻게 볼 것인가? — 저확률·고피해 리스크
  • 📖 (위험과 불확실성을 이해하는 법) 위험은 확률과 피해 크기의 결합이다 — 위험 평가의 원칙
  • 📖 (확률의 뒷이야기) 문을 바꾸면 정말 유리할까 — 몬티홀 문제
  • 📖 (확률의 뒷이야기) 시행이 많아질수록 진짜 확률에 가까워지는 이유 — 큰 수의 법칙
  • 📖 (확률의 뒷이야기) 벼락 맞을 확률과 나란히 놓아보면 — 로또 1등의 확률
  • 📖 (확률의 뒷이야기) 그럴듯하게 느껴지는 이유 — 혈액형 성격론과 바넘 효과
  • 📖 (확률의 뒷이야기) 우연과 확증편향 사이 — 징크스는 통계적으로 존재할까
  • 📖 (위험 인식과 승부의 확률) 무엇이 더 위험한지 확률로 따져보면 — 비행기 vs 자동차
  • 📖 (위험 인식과 승부의 확률) 절대적 숫자와 상대적 숫자 — 백신 부작용 확률 읽는 법
  • 📖 (위험 인식과 승부의 확률) 확률적 행운이 바꾼 삶 — 복권 당첨자들의 그 후
  • 📖 (위험 인식과 승부의 확률) 먼저 차는 팀이 유리한 이유 — 승부차기의 심리 확률
  • 📖 (위험 인식과 승부의 확률) 숫자로 검증한 홈어드밴티지 — 홈그라운드의 이점

목차

  • 체온계가 36.8도를 가리켰다
  • “정상 체온”이라는 숫자의 기원
  • 평균은 한 사람 한 사람을 대표하지 못한다
  • 하루 중에도 체온은 계속 변한다
  • 그렇다면 무엇을 봐야 하는가
  • 결론: 평균은 참고치일 뿐, 기준은 나 자신이다

(숫자를 대표하는 방법) 내 체온 36.5도는 정말 정상인가?

통계기초
기술통계
’정상 체온 36.5도’라는 상식은 어디서 왔을까? 평균이 한 사람 한 사람을 대표하지 못하는 이유를 체온으로 들여다봅니다.
Author

권세혁

Published

July 27, 2026

체온계가 36.8도를 가리켰다

몸이 좀 으슬으슬한 것 같아 체온계를 꺼냈다. 36.8도. 어? 정상 체온은 36.5도라고 배웠는데, 벌써 미열인가?

코로나 시기, 건물 입구마다 체온계를 들이대던 때가 있었다. 그때 나는 매번 궁금했다. “36.5도”라는 저 기준선, 대체 누가 정한 걸까? 주변에 물어보면 다들 “36.5도가 정상”이라고 대답한다. 병원 안내문에도, 초등학교 보건 교과서에도 이 숫자가 적혀 있다. 그런데 이 36.5도라는 숫자, 어디서 왔고 얼마나 믿을 만한 걸까?

“정상 체온”이라는 숫자의 기원

이 숫자의 뿌리는 무려 1851년으로 거슬러 올라간다. 독일 의사 카를 분덜리히(Carl Wunderlich)가 약 25,000명의 환자를 대상으로 겨드랑이 체온을 100만 번 넘게 측정한 뒤, 평균값을 37.0°C(98.6°F)로 발표했다. 이후 100년 넘게 이 숫자가 “정상 체온”의 표준으로 굳어졌다.

평균 하나로 100년을 지배한 숫자

분덜리히의 연구는 당시로서는 획기적인 대규모 조사였다. 그러나 여기서 발표된 것은 집단 전체의 평균값 하나였을 뿐, 사람마다 체온이 얼마나 다른지에 대한 정보는 크게 주목받지 못했다.

“평균이 37도다”라는 문장과 “정상 체온은 37도여야 한다”는 문장은 전혀 다른 주장이다. 그런데 오랫동안 이 둘은 같은 말처럼 취급되었다.

평균은 한 사람 한 사람을 대표하지 못한다

1992년, 미국 메릴랜드 의과대학의 필립 마코와이악(Philip Mackowiak) 연구팀이 현대적인 방법으로 148명의 체온을 다시 측정했다. 결과는 평균 36.8°C(98.2°C)로 분덜리히의 값보다 약간 낮았고, 무엇보다 중요한 발견은 따로 있었다. 개인차가 생각보다 훨씬 컸다는 것이다.

1,000명의 체온을 가상으로 시뮬레이션한 분포. 평균은 36.8°C 근처지만, 개개인의 체온은 35.7°C에서 37.3°C까지 넓게 흩어져 있다. 전통적인 기준선 36.5°C(주황 점선)는 이 분포의 중간 어딘가에 있을 뿐이다.
평균 체온에 영향을 주는 요인들
요인 체온에 미치는 영향
나이 나이가 들수록 평균 체온은 조금씩 낮아지는 경향
성별 여성은 생리주기에 따라 최대 0.5°C까지 변동
측정 부위 겨드랑이 < 구강 < 직장·고막 순으로 높게 측정됨
측정 시간대 하루 중 시간에 따라서도 체온은 계속 변한다 (아래 참고)
활동량·식사 운동 직후, 식사 직후에는 일시적으로 상승

한 사람의 “정상 체온”이 다른 사람의 “정상 체온”과 0.5~1°C 이상 차이 나는 것은 전혀 이상한 일이 아니다.

더 깊이: 산포를 재는 법

체온이 사람마다 “얼마나 다른지”를 정량화하는 도구가 표준편차다. 강의노트 〈기초통계 2. 데이터와 통계 — 측정형 데이터〉에는 분산·표준편차의 정의와 함께, 히스토그램으로 분포 모양을 확인하는 방법이 정리되어 있다. 이 글의 체온 분포 그래프도 같은 방식으로 그린 것이다.

하루 중에도 체온은 계속 변한다

개인차만 문제가 아니다. 같은 사람이라도 하루 중 시간에 따라 체온은 규칙적으로 오르내린다. 이를 생체리듬(circadian rhythm)이라 부른다. 보통 새벽에 가장 낮고, 늦은 오후에서 초저녁 사이에 가장 높다.

한 사람의 하루 동안 체온 변화(모식도). 새벽에 가장 낮고 늦은 오후에 가장 높다. 아침에 잰 체온과 저녁에 잰 체온을 같은 기준으로 비교하면 안 되는 이유가 여기에 있다.

같은 사람이 새벽에 재면 36.2도, 저녁에 재면 36.9도가 나올 수 있다. 두 숫자 모두 “정상”이다. 문제는 우리가 단 하나의 기준선(36.5도)과만 비교하려 한다는 데 있다.

그렇다면 무엇을 봐야 하는가

체온을 통계적으로 해석하는 법
  1. 절대 기준보다 나의 평소 체온을 알아두자. 며칠간 같은 시간대에 재본 나의 평균값이, 교과서 속 36.5도보다 훨씬 믿을 만한 기준이다.
  2. 비교는 같은 조건끼리. 아침 체온은 아침 체온끼리, 겨드랑이 측정은 겨드랑이 측정끼리 비교해야 의미가 있다.
  3. 평소보다 얼마나 올랐는지가 중요하다. 평소 36.2도인 사람의 36.8도는, 평소 36.8도인 사람의 36.8도와 전혀 다른 의미를 가진다.
  4. 하나의 숫자보다 범위로 생각하자. “정상 체온은 36.5도”가 아니라 “정상 체온은 대략 36.1~37.2도 사이, 그리고 그 안에서도 사람마다 다르다”가 통계적으로 더 정확한 문장이다.

결론: 평균은 참고치일 뿐, 기준은 나 자신이다

분덜리히가 남긴 37도, 그리고 이후 굳어진 36.5도는 어디까지나 집단의 평균이다. 평균은 유용한 참고점이지만, 그 자체로 “정상과 비정상을 가르는 절대선”은 될 수 없다.

체온계 숫자에 놀라기 전에 먼저 물어야 할 것은 “이 숫자가 교과서 속 평균과 얼마나 다른가”가 아니라, “내 평소 체온과 비교했을 때 얼마나 달라졌는가”다. 통계학이 알려주는 가장 실용적인 교훈 중 하나는, 평균 뒤에 숨어 있는 개인차를 먼저 들여다보라는 것이다.

나는 요즘도 체온계 숫자를 볼 때마다 그 시절 건물 입구의 발열 체크대를 떠올린다. 그 하나의 기준선(37.5도)을 넘었는지 아닌지로 출입이 갈리던 그 순간에도, 사실 우리는 모두 조금씩 다른 “평소 체온”을 갖고 있었다.

권세혁 교수의 통계책방 사이트 소개 슬라이드 (클릭하면 크게 보기)
사이트 소개 슬라이드 확대
 
 

방문자 수 since 2026.08.08