기하평균은 여러 수를 곱한 다음 n제곱근을 구하는 평균입니다. 산술평균과 달리 곱셈과 제곱근을 사용하며, 성장률이나 비율 데이터에서 더 정확한 평균을 제공합니다.
다이어그램이 말하는 것 ●
값들의 곱의 n제곱근 — 비율·성장률·복리의 평균에 적합
●
예: 연 수익률 10%, 20%, 5% → 기하평균 ≈ 11.6% (산술평균과 다름)
●
AM-GM 부등식: 항상 산술평균 ≥ 기하평균 (양수 데이터 한정)
기하평균을 나무의 성장에 비유해보세요. 첫해에 50% 성장하고 둘째해에 -20% 감소했다면, 단순히 더해서 나누면 15%가 되지만 실제로는 그렇지 않죠. 기하평균은 (1.5 × 0.8)의 제곱근인 약 1.095로, 실제 9.5% 성장이라는 더 정확한 값을 줍니다.
같은 데이터, 세 평균의 순서: HM ≤ GM ≤ AM 두 값 60과 40으로 계산한 산술 · 기하 · 조화평균 (모든 값이 같을 때만 셋이 일치) 46 47 48 49 50 51 조화평균 (HM) 48.0 기하평균 (GM) ≈ 49.0 산술평균 (AM) 50.0 조화평균 48.0 ≤ 기하평균 49.0 ≤ 산술평균 50.0
2와 8의 기하평균을 구해보면: √(2 × 8) = √16 = 4입니다. 반면 산술평균은 (2 + 8) ÷ 2 = 5입니다.
Q1: 투자 수익률이 첫해 +20%, 둘째해 -10%일 때 평균 수익률을 구하려면 어떤 평균을 사용해야 할까요? 정답:
기하평균을 사용해야 합니다. √(1.2 × 0.9) = √1.08 ≈ 1.039로, 평균 수익률은 약 3.9%입니다.
Q2: 기하평균과 산술평균 중 어느 것이 더 클까요? 정답:
산술평균이 기하평균보다 크거나 같습니다. 모든 값이 같을 때만 두 평균이 같아집니다.
기하평균은 n개의 양수를 곱한 후 n제곱근을 구하는 방법입니다. 수학적으로는 로그를 이용하여 계산할 수도 있으며, 이는 큰 수들의 곱셈에서 오버플로우를 방지합니다. 기하평균은 AM-GM 부등식에 따라 항상 산술평균보다 작거나 같으며, 이는 중요한 수학적 성질입니다.
GM은 기하평균, n은 데이터 개수, x₁, x₂, ..., xₙ은 각 데이터 값입니다. 로그를 이용하면 ln(GM) = (1/n) × Σln(xᵢ)로도 계산할 수 있습니다.
예시 1: 투자 수익률 계산
3년간 투자 수익률이 +10%, -5%, +15%인 경우
GM = ∛(1.10 × 0.95 × 1.15) = ∛(1.2028) ≈ 1.0635
연평균 수익률은 약 6.35%입니다.
산술평균 (10% - 5% + 15%)/3 = 6.67%와 다르며, 기하평균이 실제 복리 효과를 정확히 반영합니다.
예시 2: 인구 성장률 분석
4년간 인구 성장률이 2%, 3%, 1%, 4%인 도시
GM = ⁴√(1.02 × 1.03 × 1.01 × 1.04) = ⁴√(1.1041) ≈ 1.025
연평균 인구 성장률은 약 2.5%입니다.
기하평균은 복합 성장 효과를 고려하여 장기적인 평균 성장률을 정확히 계산합니다.
예시 3: 로그를 이용한 계산
큰 수들의 기하평균을 안전하게 계산
1000, 2000, 5000의 기하평균을 로그로 계산
ln(GM) = (ln(1000) + ln(2000) + ln(5000))/3 = (6.908 + 7.601 + 8.517)/3 = 7.675, GM = e^7.675 ≈ 2154
로그를 사용하면 큰 수의 곱셈으로 인한 오버플로우를 방지할 수 있습니다.
흔한 실수들 음수나 0이 포함된 데이터에 기하평균 사용하기
기하평균은 양수에서만 정의되며, 음수나 0이 있으면 계산이 불가능합니다
모든 데이터가 양수인지 확인한 후 기하평균을 사용하거나, 적절한 변환을 통해 양수로 만들어야 합니다.
단순한 평균 계산에 기하평균 사용하기
기하평균은 비율이나 성장률 데이터에 적합하며, 일반적인 수치 데이터에는 부적절합니다
데이터의 성격을 파악하고 곱셈적 관계가 있는 경우에만 기하평균을 사용해야 합니다.
백분율 수익률을 그대로 사용하기
+10%를 0.1로, -5%를 -0.05로 사용하면 음수가 포함되어 계산이 불가능합니다
수익률을 1을 기준으로 변환해야 합니다. +10%는 1.1, -5%는 0.95로 변환하여 계산합니다.
문제 1: 회사의 4년간 매출 성장률이 20%, -10%, 30%, 5%입니다. 연평균 성장률을 구하세요.
성장률을 1을 기준으로 변환한 후 기하평균을 계산하세요.
GM = ⁴√(1.2 × 0.9 × 1.3 × 1.05) = ⁴√(1.4553) ≈ 1.099, 연평균 성장률은 약 9.9%
성장률 데이터는 곱셈적 성격을 가지므로 기하평균이 적절하며, 복리 효과를 정확히 반영합니다.
문제 2: 4, 9, 16의 기하평균과 산술평균을 각각 구하고 비교하세요.
AM-GM 부등식을 확인해보세요.
GM = ∛(4 × 9 × 16) = ∛576 ≈ 8.32, AM = (4 + 9 + 16)/3 ≈ 9.67. GM < AM이 성립합니다.
AM-GM 부등식에 따라 기하평균은 항상 산술평균보다 작거나 같으며, 모든 값이 같을 때만 같아집니다.
기하평균은 로그 정규분포를 따르는 데이터의 중심경향을 나타내는 최적의 척도입니다. Jensen의 부등식에 의해 AM ≥ GM이 성립하며, 이는 볼록함수의 성질에서 기인합니다. 금융수학에서는 기하 브라운 운동 모델의 기초가 되며, 복리 계산과 포트폴리오 성과 측정에 핵심적인 역할을 합니다.
금융/투자 포트폴리오 수익률 및 복합연간성장률(CAGR) 계산
펀드가 5년간 +15%, -8%, +22%, +3%, -2%의 연간 수익률을 기록했을 때, CAGR = ⁵√(1.15×0.92×1.22×1.03×0.98) - 1 = 5.8%
투자의 실제 복리 효과를 정확히 측정하고 장기 성과를 평가하는 데 필수적이기 때문입니다
경제학 물가지수 및 경제성장률 분석
소비자물가지수의 연간 변화율이 2.1%, 1.8%, 2.5%, 1.9%일 때, 기하평균으로 계산한 평균 인플레이션율은 2.07%
경제 지표의 곱셈적 특성과 복합 효과를 정확히 반영하여 정책 결정에 활용하기 때문입니다
생물학/의학 세균 증식률 및 약물 농도 반감기 분석
항생제 농도가 시간당 12%, 15%, 10% 감소할 때, 기하평균 감소율 = ∛(0.88×0.85×0.90) = 0.877 (12.3% 감소)
생물학적 과정의 지수적 성장/감소 패턴을 정확히 모델링하여 치료 효과를 예측하기 때문입니다
기계학습 F1-score 계산 및 모델 성능 평가
정밀도 80%, 재현율 60%인 모델의 F1-score = 2 × (0.8 × 0.6) / (0.8 + 0.6) = 0.686 (조화평균 사용)
정밀도와 재현율의 균형을 맞춘 종합적인 모델 성능 지표를 제공하기 때문입니다
2020년 3월-12월 동안 S&P 500 지수의 월별 수익률을 분석하여 시장의 실제 성과를 평가
극심한 변동성 상황에서 단순 산술평균으로는 실제 투자 성과를 정확히 파악하기 어려움
월별 수익률: -12.5%, -20.0%, +12.7%, +12.8%, +4.5%, +1.8%, +7.0%, -3.9%, -2.8%, +10.9%, +10.8%, +3.7%
산술평균과 기하평균을 각각 계산하여 실제 복리 효과와 비교 분석
산술평균 = 2.0%, 기하평균 = 1.4%. 실제 Loading... 116.8이 되어 기하평균이 더 정확함
기하평균이 실제 투자 성과를 정확히 반영하며, 변동성이 클수록 두 평균의 차이가 커짐을 확인
금융 데이터 분석에서는 기하평균이 실제 성과 측정에 필수적이며, 리스크 관리에도 중요한 지표임
Hardy, G. H., Littlewood, J. E. & Pólya, G. (1952), Inequalities, 2nd ed. (Cambridge University Press) — 산술·기하·조화평균 부등식(AM ≥ GM ≥ HM)의 고전적 표준 문헌 
