(분포가 들려주는 이야기) 분포를 모르면 평균도 해석할 수 없다 — 분포 이해의 중요성

같은 평균 소득을 가진 두 사회가 있다. 한쪽은 모두가 비슷하게 벌고, 다른 한쪽은 소수가 대부분을 번다. 평균 한 숫자로는 둘을 구별할 수 없다. 이번 주에 다룬 정규분포, 로그정규분포, 포아송분포는 모두 같은 교훈을 준다. 평균을 읽기 전에 분포를 먼저 보라.

같은 평균, 전혀 다른 사회

A 마을과 B 마을의 평균 소득이 모두 5,000만 원이라고 하자. A 마을은 대부분 4,000만 원에서 6,000만 원 사이에 몰려 있다. B 마을은 대부분 2,000만 원 근처에서 살고, 소수의 고소득 가구가 평균을 5,000만 원까지 끌어올린다. 뉴스가 “두 마을의 평균 소득이 같다”고 보도하면, 독자는 두 마을이 비슷하다고 믿는다. 그러나 B 마을 주민의 대부분은 평균보다 훨씬 가난하다. 평균은 같지만 분포는 전혀 다르다.

이번 주에 본 네 가지 분포

이번 주 다섯 편의 글은 서로 다른 모양의 분포를 하나씩 살펴보았다. 키는 대칭인 정규분포에 가까워 평균과 중앙값이 거의 같았다. 소득은 곱해져 만들어지는 로그정규분포라서 평균이 중앙값보다 28% 높았다. 3σ 밖의 이상치 비율은 분포 모양에 따라 몇 배씩 달라졌다. 하루 전화 수는 포아송분포를 따라 평균 주변에서 자연스럽게 흔들렸다. 같은 평균 한 숫자가 이렇게 다른 세계를 가릴 수 있다는 점이 핵심이다.

Two groups with exactly the same mean income (equal to 1.0 in normalized units). Group A is tightly clustered; Group B is skewed with most households below the mean. The mean is identical, but the typical household differs sharply.

평균과 중앙값, 그리고 “보통의 사람”

두 집단의 평균은 같지만 중앙값은 다르다. 중앙값은 “한가운데 사람”의 값이라서, 치우친 분포에서는 “보통의 사람”을 더 잘 대변한다. 그래서 공식 통계가 소득을 발표할 때 평균과 함께 중앙값을 함께 제시하는 것이다. 평균을 읽을 때는 항상 “이 평균을 만들어낸 분포의 모양은 어떤가?”를 먼저 물어야 한다.

Share of people who earn less than the mean, for the symmetric group A and the skewed group B. In a skewed distribution, most people sit below the average; the ‘average person’ is not the average.

분포를 먼저 보는 습관

분포를 확인하는 일은 복잡한 계산이 아니다. 히스토그램 한 장, 평균과 중앙값 두 숫자, 그리고 “값이 더해져 만들어졌는가, 곱해져 만들어졌는가”라는 질문이면 충분하다. 이번 주 살펴본 모든 도구는 결국 이 습관을 위한 것이었다. 정규분포는 언제 믿을 수 있는지, 로그정규분포는 왜 소득을 로그로 보아야 하는지, 포아송분포는 날마다의 흔들림이 어디까지 정상인지를 알려준다.

평균을 해석하기 전에 확인할 것

1. 히스토그램을 먼저 그려라. 숫자 하나보다 그림 한 장이 분포를 더 정확히 보여준다.
2. 평균과 중앙값을 나란히 놓아라. 차이가 크면 평균이 소수의 극단값에 끌려가고 있다.
3. “평균 이상인 사람은 몇 %인가”를 세어라. 치우친 분포에서는 대부분이 평균 아래에 있다.
4. 분포의 폭을 함께 말하라. 표준편차나 분위수 없이 평균만 제시하면 절반의 정보만 전한 것이다.

더 깊이: 기대값과 분포의 관계

강의노트 〈수리통계학 2. 확률변수 — 기대값 정의〉는 확률변수의 기대값을 분포 전체에 가중한 평균으로 정의한다. 평균이 분포의 한 측면일 뿐임을 이해하는 것이 이번 주 이야기의 출발점이다. 평균은 분포의 무게중심을 말해줄 뿐, 그 무게중심 주변에 데이터가 어떻게 놓여 있는지는 말해주지 않는다.

SDV 관점: 평균 대신 분포를 제시하는 보고서가 가치를 만든다

분포를 읽는 일은 요약과 추론(1~2단계)을 넘어, 데이터를 결정의 근거로 바꾸는 SDV(통계적 데이터 가치화)의 출발점이다. 경영 보고서나 정책 자료에서 평균 하나만 제시하면, 듣는 사람은 “대표적인 값”을 떠올리지만 실제로 그 값에 해당하는 사람은 소수일 수 있다. 데이터에 가치를 더하는 통계학자는 평균과 함께 분포의 모양, 중앙값, 분위수, 변동의 폭을 보여준다. 그래야 의사결정자가 평균이 말해주는 것과 감추는 것을 함께 보고 판단할 수 있다. (SDV(데이터 가치화))

결론: 평균은 분포를 요약한 한 줄이다

나는 학생들에게 평균이라는 숫자를 보면 “그래서 분포는 어떻게 생겼는데?”라고 되묻게 한다. 같은 평균 5,000만 원도 두 마을의 삶은 전혀 다르다. 분포를 모르고 평균만 읽으면, 우리는 가장 중요한 이야기를 놓치게 된다.

참고 자료

• 두 집단의 비교는 같은 평균을 갖도록 맞춘 가상의 시뮬레이션 자료다.
• 이번 주 키·소득 사례의 기준값은 앞선 글(10월 13일)의 참고 자료를 따른다.