Z-점수가 알려주는 것

Z-점수는 원점수가 평균에서 얼마나 떨어져 있는지를 표준편차 단위로 나타냅니다. Z-점수가 2라면 원점수가 평균보다 표준편차 2배만큼 위에 있다는 뜻이고, Z-점수가 −1.5라면 평균보다 표준편차 1.5배만큼 아래에 있다는 의미입니다.

계산식은 다음과 같습니다:

여기서 $x$는 원점수, $\mu$는 평균, $\sigma$는 표준편차입니다. 표준편차는 데이터의 퍼짐 정도를 나타내므로 반드시 양수여야 합니다.

양수, 음수, 0 Z-점수 해석하기

• 양수 Z-점수는 원점수가 평균보다 높다는 것을 의미합니다.
• 음수 Z-점수는 원점수가 평균보다 낮다는 것을 의미합니다.
• 0인 Z-점수는 원점수가 평균과 정확히 같다는 것을 의미합니다.

크기도 중요합니다. 0에 가까운 Z-점수는 평균 근처에 있음을 뜻하고, 2나 −2 같은 Z-점수는 중심에서 더 멀리 떨어져 있습니다. 매우 크거나 작은 Z-점수는 맥락을 고려하여 해석해야 합니다. 이는 특이한 관측값이나 의미 있는 이상값을 나타낼 수도 있고, 단순히 극단값이 예상되는 분포일 수도 있습니다.

원점수에서 표준정규분포로

표준화는 원점수를 원래 척도에서 평균이 0이고 표준편차가 1인 표준 정규 척도로 변환합니다. 이를 통해 서로 다른 정규분포를 따르는 측정값들을 동일한 척도에서 비교할 수 있습니다.

Z-점수를 알면 표준정규분포와 다음과 같이 연결할 수 있습니다:

• 왼쪽 꼬리 확률 $P(X \le x)$는 원점수 왼쪽의 곡선 아래 면적입니다.
• 백분위수는 왼쪽 꼬리 확률을 퍼센트로 표현한 것입니다. 백분위수가 84%라면 정규분포 값의 약 84%가 해당 지점 이하에 있다는 의미입니다.
• 오른쪽 꼬리 확률 $P(X > x)$는 원점수 오른쪽의 곡선 아래 면적입니다.

이 확률들은 정규 모형을 전제로 합니다. 원래 분포가 심하게 치우쳐 있거나, 봉우리가 여러 개이거나, 극단적인 이상값을 포함하면 정규 확률의 신뢰성이 떨어질 수 있습니다. 그러나 Z-점수 공식 자체는 여전히 값을 올바르게 표준화합니다.

계산 예시

시험 점수가 $x = 85$이고, 반 평균이 $\mu = 70$, 표준편차가 $\sigma = 15$라고 가정해 봅시다.

이 점수는 평균보다 표준편차 1배만큼 위에 있습니다. 정규 모형에서 Z-점수 1은 왼쪽 꼬리 확률이 약 0.8413이므로, 이 점수는 약 84번째 백분위수에 해당합니다. 오른쪽 꼬리 확률은 약 0.1587입니다.

주의사항

• $\sigma$는 반드시 0보다 커야 합니다. 표준편차가 0이면 데이터의 퍼짐이 없다는 뜻이므로, Z-점수 공식에서 0으로 나누는 문제가 발생합니다.
• 정규 확률은 분포가 충분히 정규분포에 가깝다는 것을 전제로 합니다. Z-점수 자체는 표준화된 거리에 불과하지만, 백분위수와 꼬리 확률 해석에는 정규 곡선이 사용됩니다.
• 극단적인 Z-점수는 맥락이 필요합니다. 어떤 분야에서는 표준편차 3배를 넘는 값이 드물지만, 두꺼운 꼬리 분포를 가진 분야에서는 덜 이례적일 수 있습니다.

자주 묻는 질문

Z-점수가 높을수록 항상 좋은 건가요?

아닙니다. Z-점수가 높다는 것은 단순히 값이 평균보다 더 위에 있다는 것을 의미할 뿐입니다. 좋은지 나쁜지는 무엇을 측정하느냐에 달려 있습니다. 시험 점수가 높으면 좋을 수 있지만, 혈압 수치가 높으면 주의 신호일 수 있습니다.

음수 Z-점수는 무엇을 의미하나요?

음수 Z-점수는 원점수가 평균보다 낮다는 것을 의미합니다. 예를 들어 $z = -2$는 값이 평균보다 표준편차 2배만큼 아래에 있다는 뜻입니다.

백분위수와 확률은 같은 건가요?

밀접하게 관련되어 있지만 일반적으로 다르게 표현됩니다. 왼쪽 꼬리 확률은 곡선 아래 면적을 소수로 나타낸 것(예: 0.8413)이고, 백분위수는 같은 위치를 퍼센트로 표현한 것(예: 약 84번째 백분위수)입니다.