체비쇼프 정리란?
체비쇼프 정리(체비쇼프 부등식이라고도 합니다)는 평균에서 일정한 표준편차 범위 안에 반드시 들어가야 하는 데이터의 최소 비율을 알려줍니다. 가장 큰 장점은 어떤 분포에도 통한다는 점입니다. 데이터가 한쪽으로 치우쳐 있거나 모양이 아무리 이상해도 상관없습니다. 종 모양(정규분포)에만 적용되는 경험적 규칙과 달리, 체비쇼프의 하한은 모든 분포에서 보편적으로 성립합니다.
계산기 사용 방법
관심 있는 평균으로부터의 표준편차 개수, 즉 k 값을 입력하세요. 계산기는 해당 범위 안에 들어가는 것이 보장되는 관측값의 최소 비율(과 백분율)과, 범위 밖에 있을 수 있는 최대 비율을 함께 보여줍니다. 의미 있는 양의 하한을 얻으려면 \(k\)가 1보다 커야 한다는 점에 유의하세요. \(k = 1\)일 때는 정리가 아무것도 보장하지 못합니다(0%).
공식 풀이
정리는 다음과 같이 표현됩니다.
$$P(|X - \mu| < k\sigma) \geq 1 - \frac{1}{k^{2}}$$
여기서 \(\mu\)는 평균, \(\sigma\)는 표준편차, \(k\)는 표준편차의 개수입니다. \(1 - \frac{1}{k^{2}}\)은 구간 \((\mu - k\sigma, \mu + k\sigma)\) 안에 들어가는 것이 보장되는 최소 비율입니다. 그 여집합인 \(\frac{1}{k^{2}}\)은 이 구간 밖에 있을 수 있는 최대 비율을 나타냅니다.
실전 예시
\(k = 2\)라고 해봅시다. 그러면 $$1 - \frac{1}{2^{2}} = 1 - \frac{1}{4} = 0.75$$가 됩니다. 즉, 분포 모양과 관계없이 전체 데이터 값의 최소 75%는 평균에서 2 표준편차 이내에 있고, 많아야 25%만 그 밖에 있을 수 있습니다. \(k = 3\)일 때 하한은 \(1 - \frac{1}{9} \approx 88.89\%\)입니다.
자주 묻는 질문
왜 k는 1보다 커야 하나요? \(k = 1\)일 때 하한은 \(1 - \frac{1}{1} = 0\)이 되어 아무것도 보장하지 못합니다. \(k < 1\)인 경우에는 하한이 음수가 되어 의미가 없으므로, 계산기는 0%로 표시합니다.
경험적 규칙과는 어떻게 다른가요? 경험적 규칙(68-95-99.7 규칙)은 대략적인 백분율을 제시하지만 정규분포에만 적용됩니다. 반면 체비쇼프 정리는 모든 분포에 대해 보장되는 하한을 제공하므로, 그 백분율은 항상 더 작습니다(더 보수적입니다).
k가 소수일 수도 있나요? 네. \(k\)는 1.5나 2.5처럼 1보다 큰 어떤 값이든 될 수 있습니다. \(1 - \frac{1}{k^{2}}\) 공식은 정수가 아닌 \(k\)에도 그대로 적용됩니다.
