이상치의 영향 (Outliers)

빠른 답변: 이상치 (outliers)는 데이터 집합에서 다른 값들과 비정상적으로 떨어져 있는 극단적인 값을 의미하며, 중앙값 (median)보다 평균 (mean)에 훨씬 더 큰 영향을 미칩니다. Digital SAT에서는 Desmos 계산기를 활용해 데이터를 입력하고 통계 함수를 사용하면 이상치의 영향을 직관적이고 빠르게 파악할 수 있습니다.

graph TD
    A["이상치 발견"] --> B{"어떤 통계량을 묻는가?"}
    B -->|평균 Mean| C["이상치 방향으로 크게 이동함"]
    B -->|중앙값 Median| D["거의 변하지 않음 / 안정적"]
    B -->|표준편차 SD / 범위 Range| E["값이 크게 증가함"]

이상치의 영향이란?

이상치 (outliers)는 주어진 데이터 세트의 일반적인 패턴에서 크게 벗어난 값을 말합니다. College Board의 Digital SAT 문제 해결 및 데이터 분석(Problem Solving & Data Analysis) 영역에서는 이러한 극단적인 값이 데이터의 대푯값들에 어떤 영향을 미치는지 묻는 문제가 자주 출제됩니다.

이 개념은 한국 수학 교육과정의 중학교 통계 단원 및 고등학교 확률과 통계 과목에서 다루는 중심경향값 및 산포도 개념과 완벽하게 일치합니다. 한국 수능 수학에서는 학생들이 직접 수식을 세워 평균 (mean)과 표준편차 (standard deviation)를 계산해야 하지만, SAT에서는 Desmos 계산기를 사용할 수 있으므로 계산 자체보다는 **'데이터의 변화에 따른 통계량의 움직임'**을 직관적으로 해석하는 능력이 훨씬 중요합니다.

데이터를 분석할 때 단위 비율이나 단순한 정비례 역비례 관계로만 접근하면 통계적 오류를 범할 수 있습니다. 극단적인 값이 존재할 때는 평균보다 중앙값이 전체 데이터를 더 잘 대변한다는 점을 꼭 기억하세요.

단계별 풀이법

1. 1단계: 데이터의 분포 형태 파악하기 — 표나 점 도표(dot plot), 히스토그램을 보고 데이터가 대칭인지, 한쪽으로 꼬리가 긴지(skewed) 확인합니다.
2. 2단계: 이상치 식별하기 — 다른 데이터 포인트 무리에서 뚝 떨어져 있는 매우 크거나 매우 작은 값을 찾습니다.
3. 3단계: 평균과 중앙값의 관계 예측하기 — 큰 이상치가 있으면 평균 (mean) > 중앙값 (median)이 되고, 작은 이상치가 있으면 평균 (mean) < 중앙값 (median)이 됩니다.
4. 4단계: 변화량 추론하기 — 이상치가 제거될 때 또는 추가될 때, 평균은 큰 폭으로 변하지만 중앙값은 한두 칸 이동하는 데 그친다는 성질을 이용하여 보기를 소거합니다.

Desmos 꿀팁

수능과 달리 SAT에서는 Desmos를 적극적으로 사용할 수 있습니다. 이상치 문제를 풀 때 확신이 서지 않는다면, 직접 임의의 데이터를 Desmos에 입력해 보세요.

1. 리스트 만들기: 입력창에 L = [1, 2, 3, 4, 100]을 입력합니다. (여기서 100이 이상치입니다.)
2. 평균 구하기: 다음 줄에 mean(L)을 입력하면 즉시 평균값이 나옵니다.
3. 중앙값 구하기: 다음 줄에 median(L)을 입력합니다.
4. 이상치를 제거한 리스트 M = [1, 2, 3, 4]를 만들어 mean(M)과 median(M)을 비교해 보면, 이상치가 평균에 얼마나 큰 영향을 주는지 시각적으로 바로 확인할 수 있습니다.

풀이 예제

문제: A data set of 5 distinct positive integers has a mean of 10 and a median of 10. If a new integer, 60, is added to the data set to create a new data set of 6 integers, which of the following statements must be true?

A) The mean of the new data set will be greater than the median of the new data set. B) The median of the new data set will be greater than the mean of the new data set. C) The mean and the median will increase by the same amount. D) The mean will decrease, and the median will remain the same.

풀이:

1. 초기 데이터의 상태를 확인합니다. 5개의 정수가 있고, 평균 (mean)과 중앙값 (median)이 모두 10입니다. 이 데이터의 합은 다음과 같습니다.

$$5 \times 10 = 50$$

2. 60이라는 새로운 데이터(매우 큰 이상치)가 추가되었습니다. 새로운 평균을 계산해 봅니다.

$$\text{New Mean} = \frac{50 + 60}{6} = \frac{110}{6} \approx 18.33$$

3. 새로운 중앙값을 생각해 봅니다. 원래 데이터는 5개였으므로 3번째 값이 10이었습니다. (예: $a, b, 10, c, d$). 여기에 60이 추가되면 데이터는 6개가 되고 ($a, b, 10, c, d, 60$), 새로운 중앙값은 3번째 값과 4번째 값의 평균이 됩니다. $c$가 아무리 커도 10보다 크거나 같은 정수이므로, 중앙값은 10에서 소폭 상승할 뿐 18.33까지 급격하게 커지지는 않습니다.

4. 극단적으로 큰 이상치(60)가 추가되었으므로 평균은 이상치 쪽으로 강하게 이끌려(pull) 중앙값보다 커지게 됩니다.

정답: A

자주 하는 실수

1. 비대칭 분포에서 평균과 중앙값 혼동 — Lumist 학생 데이터에 따르면, 문제 해결 & 데이터 분석 영역에서 발생하는 오류 중 22%가 꼬리가 긴(skewed) 분포에서 평균과 중앙값의 대소 관계를 반대로 생각해서 발생합니다. 꼬리가 길게 늘어진 쪽에 이상치가 있으며, 평균은 항상 그 꼬리 쪽으로 끌려간다는 점을 명심하세요.

2. 항상 평균 = 중앙값이라고 가정하는 함정 — Lumist 데이터에 의하면 많은 학생들이 정규분포처럼 완벽한 대칭 분포에서만 성립하는 '평균 = 중앙값' 공식을 모든 데이터 세트에 무의식적으로 적용하려다 오답을 고릅니다. 데이터 도표를 볼 때 비대칭성이 조금이라도 있다면 대푯값들이 서로 다르다는 것을 인지해야 합니다. 필요하다면 비례식과 교차곱 같은 기본 대수 개념을 활용해 간단한 수치로 직접 검증해 보는 것이 좋습니다.