자료에 극단값이 포함된 경우 극단값은 반드시 제외해야 하는지, 그렇게 생각하는 이유를 논하시오

1. 서론

자료 분석 시 극단값은 중요한 논의 대상이다. 극단값은 데이터 집합 내에서 다른 값들과 현저히 차이 나는 값으로서, 통계 분석의 왜곡을 초래할 우려가 있다. 예를 들어, 한 도시의 연평균 소득을 조사하는 연구에서 몇몇 부유층 계층이 수백만 원에서 수억 원대의 소득을 기록한다면, 이 값들은 전체 데이터 분포를 비대하게 만들어 평균 소득을 과대평가할 가능성이 크다. 이는 전체 소득 분포의 중앙값이나 분위수와 같은 대표값을 왜곡하여, 정책 결정이나 사회적 논의에 잘못된 영향을 끼칠 수 있다. 실제 통계청 자료에 따르면, 2020년 한국의 가구당 연평균 소득은 3,430만 원이었으나, 상위 1%의 소득이 전체 평균에 큰 영향을 미쳐, 실질적인 중하위 계층의 생활 수준을 과대평가하는 결과를 초래하였다. 이러한 사례는 극단값을 무조건 제거하거나 무시한다면 왜곡을 줄이고 보다 정확한 분석 결과를 도출할 수 있음을 보여준다. 그러나 한편으로는 극단값이 중요한 정보를 담고 있음을 간과해서는 안 된다. 예를 들어, 극단값이 실질적인 경제적 불평등이나 이상 행동(예: 사기, 범죄 등)을 나타내는 경우도 있기 때문에 무조건 배제하는 것은 데이터…