데이터를 요약하고 전체적인 경향을 파악할 때 가장 먼저 떠올리는 방법은 단순 평균이다. 하지만 모든 데이터의 가치가 똑같지 않다는 점을 놓치면 치명적인 통계적 왜곡이 발생한다. 특히 극단적인 값이 섞여 있는 경우 데이터 이상치를 제거하여 분석하는 과정이 선행되어야 더 정확한 경향성을 파악할 수 있다. 예를 들어 주식 매수 수량이 다를 때나 대학에서 이수 학점이 다른 과목의 성적을 합산할 때 단순 산술평균을 적용하면 실제와 전혀 다른 결과가 나온다. 두 방식의 결정적인 차이를 이해하고 상황에 맞는 방식을 골라야 한다.
산술평균과 가중평균 핵심 비교
- 모든 데이터 포인트가 동일한 비중을 가짐
- 모든 값을 더한 뒤 전체 개수로 나눔
- 단순 설문 조사 점수나 매일 기록한 기온에 적합
- 중요도 차이를 무시해 편향된 결과 도출 위험 있음
- 데이터마다 수량, 중요도, 가중치가 다름
- 각 값에 가중치를 곱한 총합을 가중치 총합으로 나눔
- 대학 학점 GPA나 주식 평단가 산출에 필수
- 데이터의 실질적 영향력을 반영해 왜곡 방지
두 계산 방식은 데이터를 다루는 관점에서 명확한 차이를 보인다. 아래 표를 통해 각 방식의 특징과 적합한 상황을 파악할 수 있다.
| 비교 항목 | 산술평균 (Arithmetic Mean) | 가중평균 (Weighted Mean) |
|---|---|---|
| 적용 기준 | 모든 데이터 포인트가 동일한 비중을 가질 때 | 데이터마다 수량, 중요도, 가중치가 다를 때 |
| 계산 방식 | 모든 값을 더한 뒤 전체 개수()로 나눔 | 각 값에 가중치를 곱한 총합을 가중치의 총합으로 나눔 |
| 대표적 활용 | 단순 설문 조사 점수, 매일 기록한 기온 등 | 대학 학점 GPA, 주식 분할 매수 평단가, 포트폴리오 수익률 |
| 왜곡 위험 | 중요도 차이를 무시하므로 편향된 결과 도출 가능 | 데이터의 실질적 영향력을 반영해 왜곡 방지 |
각 항목의 비중이나 수량이 동일하다면 산술평균으로 충분하다. 하지만 데이터마다 크기나 중요도가 제각각이라면 가중평균을 적용해야 한다.
상황별 평균 방식 선택 가이드
데이터를 요약할 때 어떤 방식을 써야 할지 판단하기 어려울 때는 다음 질문을 던져야 한다. "이 데이터들의 개당 영향력이 모두 똑같은가?"
- 산술평균: 매달 지출한 생활비 평균이나 일주일간의 일일 최고 기온 평균처럼 각 항목이 독립적이고 비중이 같을 때 유용하다.
- 가중평균: 3학점 전공 과목과 1학점 교양 과목의 평점을 낼 때, 혹은 주식을 수량별로 다르게 매수해 실제 평균 단가를 찾을 때 필수적이다.
가중치가 존재하는 데이터에 산술평균을 억지로 적용하면 실제 지출 금액이나 성취도를 완전히 오인하게 만든다. 특히 가중평균 계산기 같은 도구를 활용하면 복잡한 수식을 직접 풀지 않고도 정확한 대푯값을 즉시 얻을 수 있다.
지금 바로 가중평균 계산하기
실무에서 가중평균을 산출할 때는 항목별 수치와 가중치를 빠짐없이 입력하는 것이 중요하다. 백분율이나 정수 등 가중치 단위가 달라도 정규화 과정을 거치므로 결과에 영향을 주지 않는다.
[!TIP] 주식 평단가를 계산할 때는 주가뿐만 아니라 반드시 매수 주식 수를 가중치로 함께 입력해야 정확한 평균 매입 단가가 나온다.
항목이 늘어나거나 줄어들어도 유연하게 데이터를 추가하여 산출할 수 있으며, 계산된 결과는 클립보드에 바로 복사해 활용하면 된다.