넘스탯

Q: 코끼리 몸무게(평균 4,000kg, 표준편차 400kg)와 생쥐 몸무게(평균 20g, 표준편차 5g) — 상대적으로 더 변동이 심한 쪽은?

코끼리 CV = 400/4000 = 10%, 생쥐 CV = 5/20 = 25%. 평균 대비로 보면 생쥐의 몸무게가 훨씬 들쭉날쭉합니다. 변동계수는 단위가 약분된 순수 비율이라 kg과 g, 원과 달러 사이의 비교도 공정하게 만듭니다. 넘스탯(NumStats)의 브라우저 시뮬레이션에서 직접 실험으로 확인할 수 있습니다.

Q: 변동계수를 쓰면 안 되는 데이터는 어떤 것일까요?

CV = s ÷ x̄ 이므로 평균이 0에 가까우면 분모가 0에 가까워져 값이 폭발하고, 0의 위치가 임의적인 척도(섭씨·화씨)에서는 "평균 대비"라는 말 자체가 무의미해집니다. CV는 0이 절대 기준인 양수 데이터(무게, 길이, 가격)에서만 쓰세요. 넘스탯(NumStats)의 브라우저 시뮬레이션에서 직접 실험으로 확인할 수 있습니다.

DATA ANALYTICS & INSIGHTS

확률에서 LLM까지 – 데이터 사이언스 전문 교육 플랫폼

학습 메뉴

도움말

홈

변동계수(CV) 실습

표준편차는 단위에 갇힌 자[尺] — 변동계수는 ‘평균 대비 몇 %’로 자를 통일합니다

이 실습의 질문 — 코끼리와 생쥐, 몸무게 변동이 더 심한 쪽은?

원하는 개념·랩·가이드를 검색해보세요

Ctrl K

확률과 통계 실습실로 변동계수 이론

펀드 수익률 비교, 품질 관리, 실험 정밀도 — 전부 이 나눗셈 하나로 공정해집니다

“A 펀드는 수익률 표준편차가 3%p, B 펀드는 6%p — B가 두 배 위험하다”는 비교는 두 펀드의 평균 수익률이 같을 때만 공정합니다. 코끼리 몸무게의 표준편차는 생쥐의 몸무게 자체보다 수백 배 크지만, 그렇다고 코끼리가 더 ‘들쭉날쭉한’ 동물일까요? 이 실습에서는 스케일이 전혀 다른 두 데이터의 표본을 직접 뽑아, 절대 산포와 상대 산포의 판정이 역전되는 순간을 눈으로 확인합니다.

이 페이지에서 배우고 나면

표준편차만으로 변동성을 비교하면 안 되는 이유를 “판정 역전” 실험으로 설명할 수 있습니다.
변동계수 CV = s ÷ x̄ 가 단위와 평균 크기를 지워 공정한 비교를 만드는 원리를 말할 수 있습니다.
CV를 쓰면 안 되는 데이터(평균이 0 근처이거나 음수가 가능한 척도)를 구분할 수 있습니다.

이 실습은 실제 계산입니다 — 그리고 정직한 한계가 있습니다

히스토그램과 통계량은 브라우저에서 지금 추출한 실제 표본의 실측입니다 (표본 표준편차, ÷(n−1)). 함께 기억할 것:

변동계수는 0이 절대 기준인 양수 데이터(비율척도)에서만 의미가 있습니다. 섭씨온도처럼 0의 위치가 임의적인 척도나 평균이 0 근처인 데이터에서는 CV가 왜곡되거나 폭발합니다.
표본을 다시 뽑을 때마다 통계량이 조금씩 달라집니다 — 그 요동 자체가 표집 변동성입니다.
여기서는 정규분포 표본을 사용하지만, CV의 정의와 해석은 분포 모양과 무관하게 적용됩니다.

예측 먼저 — 실험 전에 답을 정해 보세요

예측 → 실험 → 확인

정답을 몰라도 괜찮습니다 — 먼저 예측을 정해야 시뮬레이션 결과가 기억에 남습니다. 예측을 고른 뒤 아래 시뮬레이션으로 직접 확인하고, 그다음 결과를 열어 보세요.

1. 코끼리 몸무게(평균 4,000kg, 표준편차 400kg)와 생쥐 몸무게(평균 20g, 표준편차 5g) — 상대적으로 더 변동이 심한 쪽은?

2. 변동계수를 쓰면 안 되는 데이터는 어떤 것일까요?

두 데이터의 변동성 대결 — 절대 산포 vs 상대 산포

스케일이 전혀 다른 두 데이터의 표본 300개씩을 실제로 뽑아, 표준편차의 판정과 변동계수의 판정이 어떻게 달라지는지 실측으로 확인합니다.

코끼리(단위: kg)

평균 x̄

—

표준편차 s

—

변동계수 CV

—

생쥐(단위: g)

평균 x̄

—

표준편차 s

—

변동계수 CV

—

무엇을 발견했나요?

코끼리의 표준편차(400kg)는 생쥐(5g)의 8만 배지만, 평균 대비 흔들림(CV)은 어느 쪽이 큰가요?
커스텀에서 두 데이터의 σ를 같게 놓고 평균만 다르게 해 보세요 — CV는 어떻게 갈라지나요?
“표본 다시 뽑기”를 눌러도 CV의 대소 관계는 대체로 유지됩니다 — 통계량의 안정성입니다.

AI 튜터에게 물어보기

베타

— 정답 대신 힌트로 유도합니다. 지금 화면의 실험 상태를 알고 답해요.

예: “방금 결과가 이론과 다른데 왜죠?”, “이 값을 올렸는데 왜 반대로 변하죠?”

AI 답변은 부정확할 수 있습니다. 핵심 개념은 반드시 시뮬레이션 실측으로 확인하세요. 질문 0/5 · 하루 질문 한도가 있습니다

직접 해보기 — 실습 과제

판정 역전 목격: “코끼리 vs 생쥐” 프리셋에서 표준편차 승자와 CV 승자가 다른 것을 확인하세요. 어느 판정이 “어느 동물이 더 들쭉날쭉한가”라는 질문에 맞는 답인가요?
주식 변동성 비교: “주가 비교” 프리셋에서 5만원대 주식(σ=4,000원)과 50만원대 주식(σ=15,000원) 중 어느 쪽이 실제로 더 위험한 투자인지 CV로 판정해 보세요 — 금융에서 변동성을 %로 말하는 이유입니다.
같은 σ, 다른 CV: 커스텀 모드에서 두 데이터의 σ를 똑같이 60으로 놓고 평균만 100과 500으로 바꿔 보세요. 표준편차 판정은 “동일”인데 CV는 5배 차이가 납니다.
CV의 붕괴 지점: 커스텀에서 평균을 최솟값(10)까지 내리고 σ를 키워 보세요. CV가 수백 %로 치솟습니다 — 평균이 0에 가까운 데이터에서 CV를 쓰면 안 되는 이유의 실측입니다.

개념 정리 — 변동계수

변동계수(Coefficient of Variation): CV = s ÷ x̄ (보통 %로 표기). 표준편차를 평균으로 나눠 “평균 대비 몇 %나 흔들리는가”를 재는 상대 산포 측도입니다. 칼 피어슨이 도입했습니다.
단위가 약분된다: s와 x̄가 같은 단위이므로 나누면 단위가 사라집니다 — kg과 g, 원과 달러, 점수와 시간 사이의 변동성 비교가 가능해지는 이유입니다.
사용 조건: 0이 절대 기준인 양수 데이터(비율척도)에서만 의미가 있습니다. 평균이 0 근처면 분모 폭발, 등간척도(섭씨온도)면 해석 자체가 무의미합니다.
실무 쓰임: 금융의 위험 대비 수익 비교, 제조 품질 관리(공정 산포), 실험실 측정 정밀도(CV 5% 이내 등), 생물학의 종간 형질 변이 비교.

다음: 산포를 ‘비교’했다면, 이제 분포의 ‘모양’으로

평균과 표준편차라는 요약을 넘어, 데이터 전체가 어떤 모양으로 퍼지는지(정규분포)와 표준화(z-점수)로 이어가세요. 평균·표준편차의 기초가 흔들린다면 기술통계 실습을 먼저 다녀오는 것을 권합니다.

더 깊이 학습하기

Freedman, Pisani & Purves (2007): “Statistics” (W. W. Norton) — 4장 산포의 측도
Everitt & Skrondal (2010): “The Cambridge Dictionary of Statistics” — coefficient of variation 항목
Sokal & Rohlf (2012): “Biometry” (W. H. Freeman) — 생물 측정에서의 CV 활용