표본분산을 구할 때 편차의 제곱의 합으로 나누는 이유

1. 표본분산의 정의

표본분산은 모집단의 특징을 추정하는 데 중요한 통계량으로, 표본 내 데이터들이 평균으로부터 얼마나 흩어져 있는지 나타내는 지표이다. 구체적으로, 표본분산은 표본 데이터 각각이 표본 평균으로부터 얼마나 떨어져 있는지의 편차를 제곱한 값들의 평균으로 계산된다. 이때, 편차의 제곱의 합을 표본 크기 또는 표본 크기-1로 나누는 이유는 통계적 추정의 정확성과 관련 깊다. 표본분산을 계산할 때, 편차의 제곱의 합을 표본 크기인 n으로 나누면 ‘모집단 분산의 편향된 추정치’가 된다. 실제로, 동일한 모집단에서 여러 표본을 추출했을 때, 모든 표본의 분산 평균은 모집단 분산보다 크거나 작을 수 있는데, 이것을 교정하는 것이 바로 편차 제곱의 합을 n - 1로 나누는 것이다.

구체적인 사례를 들면, 한 학교 학생들의 수학 점수 평균이 75점이고 표본으로 30명의 학생을 추출하여 그들의 점수의 표본 분산을 계산한다고 할 때, 이 학생들의 점수들이 평균 75점으로부터 평균적으로 얼마나 벗어났는지 파악하는 것이 중요하다. 만약 이 표본의 점수들이 평균보다 10점 차이나는 경우가 여러 명 있다면, 이 편차들을 각각 제곱해서 합산…