[수리 논술] 극단적인 값에 흔들리지 않고 데이터의 퍼짐을 어떻게 판단할 수 있는가?

 

 

수학 / 확률과 통계 · 산포도의 이해 · 심층 수리논술

이상치를 걸러내는 데이터의 눈: 사분위 범위와 상자수염그림

[출제 의도]
분산과 표준편차가 평균을 기반으로 하여 극단적인 이상치(Outlier)에 취약하다는 점을 인지하고 있는가? 이 한계를 극복하기 위해 데이터를 위치(순서) 기반으로 4등분하는 '사분위수'의 개념을 이해하고, 이를 시각화한 '상자수염그림(Box-and-Whisker Plot)'이 데이터 분석과 인공지능 학습의 필수 전처리 과정에서 어떻게 활용되는지 논리적으로 서술하는 능력을 평가한다.

상황 제시

어떤 배달 앱 회사에서 배달 기사들의 1건당 평균 배달 소요 시간을 조사했다. 대부분의 배달은 15분에서 25분 사이에 완료되었지만, 앱의 오류나 기사의 사고로 인해 1건의 배달이 120분이 걸린 극단적인 데이터가 수집되었다.

만약 이 데이터를 그대로 사용하여 전체 배달 시간의 '퍼짐 정도'를 최댓값과 최솟값의 차이인 '범위(Range)'로 계산하거나, 평균을 이용한 '표준편차'로 계산한다면 이 단 1건의 오류 데이터 때문에 전체 통계가 엉망이 될 것이다. 수학자 존 튜키(John Tukey)는 이러한 오염된 데이터를 걸러내고 집단의 진짜 구조를 보여주기 위해 '사분위수(Quartiles)'와 '상자수염그림'을 발명했다. 다음 세 물음에 답하며 이 기법의 필연성을 증명하시오.

[문제 1] 범위(Range)의 한계와 사분위 범위(IQR)의 도입 (기초 역량)

데이터가 얼마나 흩어져 있는지를 가장 단순하게 측정하는 산포도는 범위(Range = 최댓값 - 최솟값)이다. 하지만 범위는 이상치(극단값)에 매우 취약하다. 이 한계를 극복하기 위해 데이터를 크기순으로 나열하여 4등분 하는 $Q_1, Q_2, Q_3$ (제1, 제2, 제3 사분위수)를 찾고, $Q_3$ 와 $Q_1$ 의 차이를 사분위 범위(IQR = $Q_3 - Q_1$)로 정의한다. 사분위 범위가 극단적인 이상치에 영향을 받지 않는 '견고한(Robust)' 산포도가 되는 대수적, 통계적 이유를 논리적으로 서술하시오.

해설 및 모범 채점 기준 확인하기

수능 영어 1등급을 결정짓는 킬러 문항 정복

청랑북스 추천 도서

S-Class 수능 영어 킬러 마스터 1권

수능 영어 최상위권을 향한 30일의 여정! 단순히 영어 문장을 번역하는 수준을 넘어, 지문 전체의 뼈대를 파악하고 문장 간의 숨겨진 유기적 연결고리를 찾아내는 논리적 사고력을 길러드립니다.

상세 정보 및 구매하기 →

[문제 풀이]

범위(Range)의 한계와 사분위 범위(IQR)의 견고함

1) 범위(Range)의 한계:
범위는 전체 데이터 중 오직 최댓값과 최솟값, 단 두 개의 숫자로만 계산됩니다. 만약 측정 오류나 극단적인 특성을 가진 이상치(Outlier)가 하나라도 발생하여 최댓값이 100에서 1000으로 뛰면, 범위도 덩달아 900만큼 폭증합니다. 즉, 집단 내부 대다수 데이터의 밀집도를 전혀 반영하지 못하고 단 하나의 에러 값에 의해 산포도가 통째로 왜곡됩니다.

2) 사분위 범위(IQR)의 필연성:
사분위수는 데이터를 크기순으로 1열로 줄 세운 뒤, 그 위치를 25%($Q_1$), 50%($Q_2$, 중앙값), 75%($Q_3$) 지점으로 자르는 방식입니다.
여기서 $IQR = Q_3 - Q_1$ 은 양극단(하위 25%와 상위 25%)의 데이터를 과감하게 버리고, 오직 중간에 밀집된 핵심 50%의 퍼짐 정도만을 측정합니다. 120분이 걸린 배달 사고 데이터(최댓값)나 0초 만에 취소된 오류 데이터(최솟값)는 상하위 25% 꼬리에 속하므로 IQR 계산식에 아예 진입조차 하지 못합니다.
결론적으로 사분위 범위(IQR)는 값의 '크기'가 아닌 '위치(순위)'를 기반으로 양극단을 잘라내기 때문에, 어떠한 비정상적인 이상치가 침투해도 흔들리지 않고 집단의 진짜 밀집도를 보여주는 견고한(Robust) 산포도 척도가 됩니다.

정답: 범위는 극단값 두 개에만 의존하여 쉽게 오염되지만, 사분위 범위(IQR)는 양극단의 25%를 버리고 '중간 50%'의 퍼짐만 측정하므로 이상치에 흔들리지 않는다.

평가 요소	채점 기준 및 감점 요인	배점
범위의 취약성 논증	범위가 오직 최댓값과 최솟값에만 의존하기 때문에 하나의 이상치만으로도 산포도 전체가 왜곡됨을 서술함.	+15점
IQR의 견고성(Robustness)	IQR이 상하위 25%의 데이터를 배제하고 '중간 50%'의 퍼짐만을 측정하여 이상치의 영향을 원천 차단한다는 점을 명확히 증명함.	+15점

[문제 2] 시각적 척도: 상자수염그림(Box-and-Whisker Plot)의 구조 (응용 역량)

통계학자들은 위에서 구한 5가지 핵심 요약 수치(최솟값, $Q_1$, $Q_2$(중앙값), $Q_3$, 최댓값)를 이용해 '상자수염그림'이라는 시각적 도구를 만들었다. $Q_1$ 부터 $Q_3$ 까지를 직사각형 '상자'로 그리고, 중앙값 $Q_2$ 를 상자 안의 선으로 표시하며, 상자의 양끝에서 최솟값과 최댓값까지 선(수염)을 긋는다.

만약 어떤 집단의 상자수염그림을 그렸을 때, 상자 내부에서 중앙값 선($Q_2$)이 $Q_1$ 쪽에 매우 치우쳐 있고 오른쪽 수염이 비정상적으로 길게 나타났다면, 이 데이터 집단이 기하학적, 통계적으로 어떤 형태(쏠림 현상)를 띠고 있는지 비판적으로 분석하시오.

해설 및 모범 채점 기준 확인하기

지문 구조를 꿰뚫는 완벽한 독해의 기술

청랑북스 추천 도서

S-Class 수능 영어 킬러 마스터 3권 (DAY21~30)

단순히 영어 문장을 번역하는 수준을 넘어, 지문 전체의 뼈대를 파악하고 문장 간의 숨겨진 유기적 연결고리를 찾아내는 '논리적 사고력'이 필요합니다. 30일 완성 마스터 플랜으로 상위 1%에 도전하세요.

상세 정보 및 구매하기 →

[문제 풀이]

비대칭 상자수염그림과 데이터의 쏠림(왜곡) 현상

상자수염그림은 집단을 25%씩 4개의 구역으로 나누어 시각화한 것입니다. 각 구역에 속한 '데이터의 개수(사람 수)는 모두 25%로 동일'합니다.

1) 상자 안의 비대칭성:
중앙값 선($Q_2$)이 $Q_1$ 쪽에 치우쳐 있다는 것은, 하위 25%~50% 구간의 데이터들은 점수 차이가 거의 없이 아주 조밀하게 뭉쳐 있다는 뜻입니다. 반면 50%~75%($Q_3$) 구간은 넓게 퍼져 있으므로 값의 격차가 크다는 것을 의미합니다.
2) 오른쪽 수염이 매우 길다:
오른쪽 수염($Q_3$ ~ 최댓값) 구간에 있는 상위 25%의 데이터들이 꼬리를 길게 늘어뜨리며 극단적으로 넓게 분포하고 있다는 뜻입니다.

[통계적 분석 결론]
이러한 형태(Right-skewed)는 전형적인 '빈부격차가 심한 소득 분포'나 '어려운 시험의 점수 분포'를 나타냅니다. 대다수의 사람들(하위 50%)은 낮은 점수대에 촘촘히 몰려 숨 막히는 경쟁을 하고 있지만, 극소수의 상위권이나 엄청난 부자들(상위 25%)은 저 멀리 극단적인 높은 값을 가지며 오른쪽으로 길게 꼬리를 빼고 있는 형태입니다. 이 상자그림을 보면 평균을 계산하지 않고도 직관적으로 "평균이 상위 1%에 의해 오른쪽으로 심하게 끌려가 있겠구나"라는 데이터의 왜곡 상태를 즉시 꿰뚫어 볼 수 있습니다.

정답: 각 구역의 데이터 개수는 25%로 동일하므로, 간격이 좁으면 조밀하게 뭉쳐있고 간격이 길면 격차가 크다. 대다수는 낮은 값에 몰려 있고 소수만 극단적으로 높은 값을 가지는 비대칭 분포이다.

평가 요소	채점 기준 및 감점 요인	배점
상자그림의 원리 파악	그림의 선분 길이가 '데이터의 개수'가 아니라 '데이터 간의 간격(격차)'임을 정확히 짚어냄.	+15점
데이터의 비대칭성 해석	대다수가 낮은 값에 몰려 있고 상위권만 넓게 퍼져 있는 우측 꼬리 분포(Right-skewed) 현상을 논리적으로 분석함.	+15점

[문제 3] AI 시대의 데이터 리터러시: 이상치(Outlier)의 판별과 제거 (심층 사고력)

인공지능 모델을 훈련시킬 때(Machine Learning), 쓰레기 데이터가 들어가면 쓰레기 결과가 나온다(Garbage in, Garbage out)는 유명한 격언이 있다. 통계학자들은 단순히 직관에 의존하지 않고, 상자수염그림의 $IQR$ 을 이용하여 어떤 데이터가 명백한 '이상치(Outlier)'인지 판별하는 대수학적 기준선($Fences$)을 마련했다.

일반적으로 상자 양끝에서 $1.5 \times IQR$ 보다 더 멀리 떨어진 값을 이상치로 판정한다. 이 기준선 공식을 대수적으로 명시하고, 왜 AI 시대에 이러한 통계적 필터링 기술(데이터 리터러시)이 인간에게 필수적인 교양이 되었는지 철학적으로 논술하시오.

해설 및 모범 채점 기준 확인하기

비문학 독해와 논술 실력을 동시에 잡는 기적의 15분

청랑북스 추천 도서

하루 15분, 시사 논술 필사

단순히 글자를 따라 적는 연습에 그치지 않고, '논술 공식 → 쟁점 분석 → 핵심 어휘 → 예시 답안 필사'로 이어지는 체계적 프로세스로 논리적 글쓰기 실력과 비문학 독해력을 동시에 끌어올려 줍니다.

상세 정보 및 구매하기 →

[문제 풀이]

데이터 필터링: 1.5 IQR 기준선을 통한 이상치 판별

[대수적 기준선 공식]
통계학에서 정상적인 데이터의 허용 한계(Fence)를 계산하는 수학적 기준은 굳건한 뼈대인 $IQR$ 을 활용합니다.

$$ \text{하한선 (Lower Fence)} = Q_1 - 1.5 \times IQR $$ $$ \text{상한선 (Upper Fence)} = Q_3 + 1.5 \times IQR $$

이 상한선보다 더 크거나, 하한선보다 더 작은 값에 위치한 데이터는 집단의 정상적인 분포를 벗어난 기계적 오류이거나 특이 성향을 가진 '이상치(Outlier)'로 판정합니다.

[철학적 논증: 통계적 리터러시]
인공지능 모델은 스스로 윤리나 상식을 판단할 지능이 없습니다. 주어진 수백만 개의 데이터를 그저 통계적으로 학습할 뿐입니다. 만약 누군가 악의를 가지거나 실수로 위에서 본 '120분 배달'이나 '특정 성별 차별'과 같은 이상치(오염된 데이터)를 포함하여 AI를 학습시킨다면, AI 알고리즘의 예측 회귀선은 그 이상치 쪽으로 심각하게 왜곡(Garbage out)되어 버립니다.
따라서 현대 사회에서 가장 가치 있는 능력은 단순히 파이썬 코드를 치는 것이 아니라, 거대한 데이터 더미 속에서 사분위 범위와 상자수염그림 같은 통계적 척도를 무기로 삼아, AI를 오염시키는 '이상치'를 수학적으로 정확하게 판별하고 도려낼 줄 아는 비판적 안목(데이터 리터러시)입니다. 인간의 통계적 통제 없이는 AI의 결과물도 신뢰할 수 없기 때문입니다.

정답: 기준선은 $Q_1 - 1.5 IQR$ 과 $Q_3 + 1.5 IQR$ 이다. AI는 오염된 데이터까지 맹목적으로 학습하므로, 왜곡된 결과를 막기 위해 통계적 기준으로 이상치를 판별하는 인간의 데이터 문해력이 필수적이다.

평가 요소	채점 기준 및 감점 요인	배점
이상치 판별 공식의 이해	$1.5 \times IQR$ 을 활용하여 정상 범주의 상한선과 하한선을 수식으로 정확히 제시함.	+15점
데이터 리터러시 논증	오염된 데이터가 머신러닝의 예측을 왜곡하는 원리를 지적하고, 이를 통계적 필터링으로 제어하는 인간의 역할(문해력)을 훌륭히 논술함. ※ 'Garbage in, Garbage out'의 통계적 필터링 맥락을 서술하지 않으면 10점 감점	+25점

 

스스로 깨우치는 진짜 코칭

청랑학습코칭이 궁금하시다면?

상담 신청하기 →

 

청랑 학습코칭이란 무엇인가요?

청랑 학습코칭은 단순한 성적 향상을 위한 스킬을 가르치지 않습니다. 학습자의 인지 성향을 정밀하게 분석하여, 부모가 주도하는 사교육이 아닌 아이가 스스로 공부하는 동기를 깨우는 데 집중합니다.

아이가 '왜 공부해야 하는지'를 깨닫고 스스로 변화를 선택할 때, 비로소 성적은 결과로 따라옵니다.

수동적인 라이딩 인생에서 벗어나, 아이의 자생력을 단단하게 키우고 싶은 부모님을 위한 진짜 학습코칭을 경험해 보세요.

© 2026 청랑학습코칭(JADEWOLVES). All Rights Reserved.
무단 전재 및 재배포 금지.