중앙값 절대편차란?
중앙값 절대편차(MAD, Median Absolute Deviation)는 데이터의 흩어진 정도를 나타내는 견고한(robust) 통계 지표입니다. 이상치(outlier)에 크게 휘둘리는 표준편차와 달리, MAD는 중앙값을 기준으로 계산하기 때문에 극단값의 영향을 거의 받지 않습니다. 즉, 각 데이터가 중심에서 얼마나 떨어져 있는지를 안정적으로 보여 줍니다.
계산기 사용 방법
숫자를 쉼표나 공백으로 구분해 입력하세요(예: 2, 4, 6, 8, 10). 그러면 MAD는 물론 데이터 개수, 중앙값, 스케일 조정 MAD까지 함께 계산됩니다. 입력하는 즉시 결과가 갱신되므로 여러 데이터를 빠르게 비교할 수 있습니다.
공식 풀이
먼저 데이터의 중앙값을 구합니다. 그다음 각 값이 중앙값에서 얼마나 떨어져 있는지를 절댓값으로 계산합니다(\(|x_i - \operatorname{median}(x)|\)). 마지막으로 이 절대편차들의 중앙값을 구하면 됩니다.
$$\text{MAD} = \operatorname{median}\left(\left|\, x_i - \operatorname{median}(x) \,\right|\right)$$
스케일 조정 MAD는 여기에 상수 1.4826을 곱한 값입니다. 데이터가 정규분포를 따를 때 이 값은 표준편차의 일치추정량(consistent estimator) 역할을 합니다.
예제로 보기
데이터 1, 2, 3, 4, 5를 살펴봅시다. 중앙값은 3입니다. 각 값의 절대편차는 \(|1-3|=2\), \(|2-3|=1\), \(|3-3|=0\), \(|4-3|=1\), \(|5-3|=2\)로 2, 1, 0, 1, 2가 됩니다. 이를 정렬하면 0, 1, 1, 2, 2이고, 이 편차들의 중앙값은 1이므로 \(\text{MAD} = 1\)입니다. 스케일 조정 MAD는 \(1 \times 1.4826 = 1.4826\)이 됩니다.
MAD와 표준편차 비교: 이상치의 영향
중앙값 절대편차(MAD)는 산포를 측정하는 데 강건한(로버스트) 척도입니다. 하나의 극단값이 있어도 MAD는 거의 변하지 않지만, 평균과 표준편차는 크게 변할 수 있습니다. 아래 표는 마지막 값만 다른(5가 100으로 바뀐) 두 자료 집합을 비교합니다.
| 통계량 | 자료 집합 A: 1, 2, 3, 4, 5 | 자료 집합 B: 1, 2, 3, 4, 100 |
|---|---|---|
| 중앙값 | 3 | 3 |
| 중앙값으로부터의 절대편차 | 2, 1, 0, 1, 2 | 2, 1, 0, 1, 97 |
| MAD (편차들의 중앙값) | 1 | 1 |
| 보정 MAD (MAD × 1.4826) | 1.4826 | 1.4826 |
| 평균 | 3 | 22 |
| 표본 표준편차 | ≈ 1.58 | ≈ 43.6 |
계산 과정: 집합 A의 표본분산은 \(\frac{4+1+0+1+4}{5-1} = 2.5\)이므로 표준편차는 \(\sqrt{2.5} \approx 1.58\)입니다. 집합 B의 평균은 \(\frac{110}{5} = 22\)이고, 편차의 제곱은 441, 400, 361, 324, 6084(합 7610)이므로 분산은 \(\frac{7610}{4} = 1902.5\)이며 표준편차는 \(\sqrt{1902.5} \approx 43.6\)입니다.
이상치로 인해 평균은 3에서 22로 바뀌고 표준편차는 약 28배 부풀려졌지만, 중앙값은 3에 머물렀고 MAD는 1에 머물렀습니다.
짝수 개 자료의 예
자료 집합 2, 4, 6, 8, 10, 12를 봅시다. 중앙값은 가운데 두 값의 평균인 \(\frac{6+8}{2} = 7\)입니다. 절대편차는 5, 3, 1, 1, 3, 5이며, 정렬하면 1, 1, 3, 3, 5, 5입니다. 이 값들의 중앙값은 \(\frac{3+3}{2} = \) 3입니다. 보정 MAD는 \(3 \times 1.4826 = 4.4478\)입니다. 비교하자면 평균은 7이고 표본 표준편차는 \(\sqrt{70/5} = \sqrt{14} \approx 3.74\)입니다.
MAD 결과 해석하기
- MAD의 크기: MAD가 작으면 대부분의 값이 중앙값 근처에 모여 있다는 뜻이고, MAD가 크면 자료가 넓게 퍼져 있다는 뜻입니다. MAD는 자료와 같은 단위(예: 달러 또는 센티미터)를 가지므로, 상대적 산포를 판단하려면 중앙값과 비교하세요.
- 보정 MAD: MAD에 1.4826을 곱하면 표준편차의 강건한 추정값을 얻을 수 있지만, 이는 자료가 대략 정규분포를 따를 때에만 해당합니다. 비대칭이거나 꼬리가 두꺼운 자료에서는 보정 MAD와 표준편차가 크게 다를 수 있습니다.
- 이상치 기준(보정 MAD): 흔히 쓰는 기준은 \(\frac{|x - \text{중앙값}|}{1.4826 \times \text{MAD}}\)가 약 3을 넘으면 점 \(x\)를 이상치로 표시하는 것입니다.
- 이상치 기준(수정 z-점수): Iglewicz와 Hoaglin은 \(M = \frac{0.6745\,(x - \text{중앙값})}{\text{MAD}}\)을 제안하고, \(|M| > 3.5\)인 점을 표시하라고 했습니다. 자료 집합 B(1, 2, 3, 4, 100)에서 값 100은 \(M = \frac{0.6745 \times 97}{1} \approx 65.4\)를 주어 3.5를 훨씬 넘습니다. 집합 A에서 값 5는 \(M = 0.6745 \times 2 = 1.349\)이므로 표시되지 않습니다.
- MAD가 0인 경우: 값의 절반 이상이 동일할 때 발생할 수 있습니다. 예를 들어 5, 5, 5, 5, 9에서 중앙값은 5이고 절대편차는 0, 0, 0, 0, 4이므로 MAD는 0입니다. 이 경우 위의 이상치 기준은 사용할 수 없으며(0으로 나누기), 자료를 직접 살펴봐야 합니다.
- 짝수 개 자료: 짝수 개 값의 중앙값은 가운데 두 값의 평균입니다. 이는 자료의 중앙값과 절대편차의 중앙값 모두에 적용됩니다.
3과 3.5라는 기준값은 엄격한 검정이 아니라 경험적 기준입니다. 표시된 점은 자동으로 삭제할 값이 아니라 조사해야 할 후보로 다루세요.
자주 묻는 질문
표준편차 대신 MAD를 쓰는 이유는? MAD는 이상치에 강하기 때문에, 한쪽으로 치우친 데이터나 극단값이 섞인 데이터의 산포를 측정할 때 더 신뢰할 수 있습니다.
스케일 조정 MAD는 무엇을 의미하나요? 1.4826을 곱하면 MAD가 정규분포 데이터의 표준편차 추정값으로 변환됩니다. 덕분에 표준편차와 직접 비교할 수 있습니다.
숫자를 입력하는 순서가 중요한가요? 아니요. 계산기가 내부에서 자동으로 정렬하므로 어떤 순서로 입력해도 결과는 같습니다.