통계 계산기는 붙여넣은 숫자 목록을 한 번에 완전한 요약으로 반환합니다: 개수, 합, 최소, 최대, 범위, 평균, 중앙값, 제곱, 분산, 표준편차, 사분위수 및 사분위 범위. 붙여넣은 값은 쉼표, 공백 또는 줄 바꿨음으로 구분되며, 모든 측정값은 같은 목록에서 함께 계산되므로 데이터에 한 번의 수정이 있으면 모든 수치가 한 번에 새로고침됩니다.
각 통계값을 다른 도구로 따로 계산하는 대신, 이 페이지는 표준 기술 측정 도구 전체를 하나의 데이터셋에 적용하며, 식별 요소, 중심, 확산, 위치 등 설명하는 요소별로 그룹화합니다.
데이터 세트를 한 번의 계산으로 요약하세요
원시 리스트의 통계는 이를 간결한 초상화로 만듭니다: 값의 수, 중심 위치, 퍼포먼스, 그리고 쿼타일 컷이 어디에 위치하는지. 한 개의 붙여붙이가 모든 출력을 구동합니다.
보고된 카운트를 실제 의도된 것과 대조하는 것이 다른 수치를 읽기 전에 가장 빠른 합리성 확인입니다. 왜냐하면 데이터의 전사 오류가 모든 하위 통계를 이동시키기 때문입니다.
정식 통계를 읽으세요: 개수, 합, 최소, 최대값, 범위
작업 예제: 데이터 세트 12, 15, 15, 18, 22, 24, 31.
| 측정 | 가치 |
|---|---|
| 백작 | 7 |
| Sum | 137 |
| 최소 | 12 |
| 최대 | 31 |
| 분포 | 19 |
수(count)는 수락된 값의 수를 의미합니다. 합은 그들의 총합입니다. 최소값과 최대값은 극단값입니다. 범위는 최대값에서 최소값 빼기입니다: 31 − 12 = 19.
중심의 측정값: 평균, 중앙값, 모드
| 측정 | 가치 |
|---|---|
| 심술궂은 | 19.571 |
| 중앙값 | 18 |
| 모드 | 15 |
평균은 합을 카운트로 나눈다: 137 ÷ 7 ≈ 19.571. 중앙값은 정렬된 목록의 중간 값(12, 15, 15, 18, 22, 24, 31)이며, 이는 18, 7개 값 중 네 번째이다. 모드는 가장 빈번한 값인 15로, 두 번 나타나고 나머지 값은 한 번 나타난다.
평균(19.571)이 중앙값(18) 위에 위치하면 약간의 우측 왜향이 처음으로 나타난다. 이는 평균이 중앙값보다 더 높은 값들(22, 24, 31)에 의해 더 많이 끌어당겨지고 있기 때문이다.
확산 측정치: 분산과 표준편차 읽어보세요
| 측정 | 가치 |
|---|---|
| 표본 분산 | ≈ 45.95 |
| 표본 표준편차 | ≈ 6.78 |
표본 분산과 표준편차는 n이 아니라 n − 1로 나누는 표본 관례를 사용하여 평균을 중심으로 얼마나 밀집되는지를 설명합니다. 표준편차가 약 6.78이고, 평균 약 19.6 정도는 데이터 중심에 대해 중간 정도의 확산을 나타냅니다.
위치 측정 자료를 읽어보세요: 사분법
| 측정 | 가치 |
|---|---|
| Q1 (배타적 방법) | 15 |
| Q3 (배타적 방법) | 24 |
| IQR | 9 |
4분위수 범위인 Q3에서 Q1을 뺀 값은 데이터의 중간 50 퍼센트를 포함합니다: 24 − 15 = 9, 15부터 24까지의 값을 아우릅니다. 다른 쿼타일 방법(배타적, 포함적, 보간법)은 특히 이 7값 예시처럼 작은 데이터 세트에서 Q1과 Q3를 약간 이동시킬 수 있습니다.
측정값들이 서로 어떻게 연관되는지 이해하세요
정체성, 중심, 확산, 위치 네 그룹을 함께 읽는 것은 단일 통계보다 더 풍부한 이야기를 전한다.
여기서 카운트와 합은 데이터가 올바르게 입력되었음을 확인시켜 줍니다; 중간 값 이상의 평균과 관계는 약간의 우측 왜향을 나타냅니다; 표준편차인 약 6.78는 그 확산을 수치적으로 정량화합니다; 그리고 9의 IQR은 전체 범위가 19임에도 불구하고 데이터의 중간 절반이 비교적 좁아졌음을 보여줍니다.
표본 분산과 함께 모집단 분산을 읽으세요
일부 할당에서는 표본 공식 대신 모집단 공식을 사용하며, n − 1 대신 n으로 나누기도 합니다. 이 동일한 7개 값 집합에 대해, 모집단 분산은 약 39.39 정도로 계산되며, 표본 분산의 약 45.95보다 작습니다. 이는 더 큰 분모(n = 7 대 n − 1 = 6)로 나누면 항상 더 작은 수치가 나오기 때문입니다.
모집단 표준편차는 약 6.28 정도의 제곱근과 표본 도표 약 6.78 대비됩니다. 강의나 도구가 어떤 공식을 기대하는지 확인하면 산술 오류처럼 보이지만 실제로는 관례상 차이인 불일치를 피할 수 있습니다.
자주 묻는 질문
이 계산기는 어떤 통계를 계산하나요?
카운트, 합, 최소값, 최대값, 범위, 평균, 중앙값, 굼, 표본 분산, 표본 표준편차, 사분위수(Q1과 Q3), 그리고 4분위 범위 등이 모두 단일 붙여넣은 데이터 세트에서 나옵니다.
통계 요약에서 평균과 중앙값의 차이는 무엇인가요?
평균은 합을 개수로 나눈 값이며; 중앙값은 정렬된 데이터의 중간 값이다. 예를 들어 평균이 19.571와 중앙값이 18처럼 눈에 띄게 다를 때, 그 간격이 데이터를 완전히 대칭하지 않는다는 신호는 없다.
분산은 왜 n 대신 n − 1를 사용할까요?
표본 분산 공식은 전체 모집단을 직접 측정하는 대신 n − 1(모집단 공식의 n이 아닌 n)로 나누어 표본에서 모집단의 분산을 추정할 때 발생하는 편향을 보정합니다.
인터쿼타일 범위는 무엇에 사용되나요?
IQR은 데이터의 중간 50 퍼센트의 너비를 측정하며, 두 극단값만 사용하는 전체 범위보다 단일 이상치에 의한 왜곡에 더 강합니다.
이 모든 통계를 작은 데이터셋에서 계산할 수 있나요?
네, 하지만 매우 작은 데이터 세트에서는 분산, 표준편차, 왜도, 굽도(krotosis) 같은 일부 측정치가 덜 안정적일 수 있으므로 신중하게 해석해야 합니다.
만약 평균이 중앙값보다 높다면 무슨 의미인가요?
이는 일반적으로 데이터가 더 높은 값(우측 또는 양의 스큐)으로 더 긴 꼬리를 가진다는 것을 나타내는데, 몇몇 큰 값이 위치 기반 중앙값을 이동시키는 것보다 평균을 더 끌어올립니다.
사분위수 방법에 따라 다른 결과가 나오나요?
네. 사분위수를 계산하는 일반적인 방법이 최소 네 가지가 있으며, 특히 작은 데이터 세트에서는 Q1과 Q3 값이 약간 다를 수 있으므로, 결과를 비교할 때 어떤 방법이 특정 교과서나 소프트웨어 도구와 일치하는지 확인하는 것이 중요합니다.
요약
12, 15, 15, 18, 22, 24, 31의 완전한 통계 요약은 7, 합의 137, 평균 약 19.571, 중앙값 18(약간의 우측 왜곡), 15 모드, 약 6.78의 표본 표준편차, 그리고 15와 24의 사분위수를 나타내어 IQR은 9입니다.
정체성, 중심, 분포, 위치를 함께 읽는 것은 단일 통계만으로는 훨씬 더 완전한 데이터를 보여줍니다.