가중평균 계산기

통계학 및 계량의사결정론(Quantitative Decision Making) 가이드

가중평균(Weighted Mean)의 수학적 원리와 실생활 6대 핵심 활용 사례

모든 데이터 포인트에 동일한 가중치( $\frac{1}{n}$ )를 부여하는 단순 산술평균(Simple Arithmetic Mean)은 계산이 직관적이지만, 데이터 간의 수량 차이, 중요도, 이수 학점, 투자 금액의 불균형을 전혀 반영하지 못하는 치명적인 한계가 있습니다.

예를 들어 10,000원짜리 주식 10주와 5,000원짜리 주식 30주를 샀을 때, 단순 산술평균은 $\frac{10,000 + 5,000}{2} = 7,500$ 원이 되지만, 실제 내가 지출한 총금액(250,000원)을 총 주식 수(40주)로 나눈 진짜 1주당 평균 단가는 6,250원입니다. 무려 1,250원의 오차가 발생하는 것입니다.

이처럼 각 항목의 영향력(가중치, $w_i$ )을 수학적으로 고려하여 참된 대푯값을 구하는 연산이 바로 가중평균(Weighted Mean, $\bar{x}_w$ )입니다. 본 도구는 학업, 주식 투자, 채용 평가, 제품 품질 관리 등 다양한 분야에서 가중평균을 브라우저 로컬에서 안전하고 신속하게 계산할 수 있도록 지원합니다.

동적 행 추가/삭제 및 무제한 데이터 지원

시험 과목 수나 주식 분할 매수 횟수에 제한 없이 원하는 만큼 항목을 자유롭게 추가·삭제할 수 있습니다.

가중치 자동 정규화(Normalization) 엔진

가중치가 백분율(%), 정수 주식 수량, 소수점 비율 등 어떤 단위로 입력되어도 분모 합계로 자동 나누어 정확한 결과를 산출합니다.

학업·주식·금융·채용 4대 실무 템플릿

대학 학점 GPA, 물타기 평단가, 포트폴리오 수익률, 면접 채점표 등 실전 예시를 원클릭으로 불러와 즉시 응용할 수 있습니다.

가중치 100% 충족 게이지 및 실시간 복사

비중 합계 게이지 바와 경고 인디케이터를 제공하며, 최종 결과를 원클릭으로 클립보드에 복사할 수 있습니다.

1. 실생활에서 가중평균이 필수적인 6대 대표 사례

① 대학교 학점(GPA) 및 시험 점수 산출:

- 1학점짜리 교양 과목에서 A+를 받은 것과, 3학점짜리 전공 필수 과목에서 C를 받은 것은 졸업 평점에 미치는 영향이 완전히 다릅니다. 이수 학점(

w_i

)을 가중치로 곱하여 나누어야 공정한 평점(GPA)이 계산됩니다.

② 주식 및 코인 분할 매수 평단가 (물타기 / DCA):

- 주가가 하락할 때마다 추가 매수한 가격(

x_i

)과 매수 수량(

w_i

)을 가중평균하면 현재 나의 정확한 1주당 매입 평단가를 알 수 있습니다.

③ 자산 배분 포트폴리오 기대수익률:

- 총 1억 원 중 7,000만 원(70%)을 주식(수익률 15%)에, 3,000만 원(30%)을 채권(수익률 3%)에 투자했다면 포트폴리오 전체 수익률은

(15 \times 0.7) + (3 \times 0.3) = 11.4\%

가 됩니다.

④ 기업 신입/경력 채용 다면 평가:

- 서류(10%), 코딩 테스트(40%), 1차 기술 면접(30%), 2차 임원 면접(20%)처럼 각 전형의 중요도에 맞춰 채점 점수를 합산합니다.

⑤ 소비자물가지수(CPI) 산정:

- 통계청이 물가를 조사할 때, 가계 지출 비중이 큰 쌀, 휘발유, 전세금에는 높은 가중치를 부여하고, 지출 비중이 작은 품목에는 낮은 가중치를 부여하여 체감 물가를 산출합니다.

⑥ 제품 고객 만족도(CSAT) 및 품질 검수:

- 사용 빈도가 높은 핵심 기능의 만족도 점수에 가중치를 높게 주어 제품의 종합 평점을 도출합니다.

2. 가중평균(Weighted Mean)의 수학적 공식 및 3단계 계산법

① 가중평균 기본 수학 공식:

\displaystyle \bar{x}_w = \frac{\sum_{i=1}^{n} (w_i \cdot x_i)}{\sum_{i=1}^{n} w_i} = \frac{w_1 x_1 + w_2 x_2 + \cdots + w_n x_n}{w_1 + w_2 + \cdots + w_n}

x_i

i

번째 항목의 값 (점수, 주가, 수익률 등)

w_i

i

번째 항목의 가중치 (비중 %, 이수 학점, 매수 주식 수 등)

② 손쉬운 3단계 수동 계산 튜토리얼:

- Step 1: 각 항목의 값과 가중치를 곱합니다 (

w_1 \times x_1, w_2 \times x_2, \dots

- Step 2: 곱한 값들을 모두 더해 총합(

\sum w_i x_i

)을 구합니다.

- Step 3: Step 2의 총합을 모든 가중치의 합(

\sum w_i

)으로 나눕니다.

3. 산술평균 vs 가중평균 비교 및 분야별 대조표

산술평균을 적용했을 때의 오류와 가중평균이 필요한 이유를 분야별로 정리한 대조표입니다.

적용 분야	데이터 항목 ($x_i$)	가중치 요소 ($w_i$)	단순 산술평균 시 발생하는 문제	가중평균 적용 시 이점
대학교 학점 (GPA)	과목별 성적 (4.5 만점)	이수 학점 수 (1~3학점)	1학점 교양과 3학점 전공이 동일 취급되어 평점 왜곡	공부량과 수업 시간에 비례한 정확한 성적 산출
주식 분할 매수	매수 단가 (원/주)	매수 수량 (주식 수)	소량 산 가격과 대량 산 가격이 반반 반영되어 평단가 착오	실제 투입 원금 대비 정확한 본전 매도 탈출선 파악
투자 포트폴리오	종목별 연간 수익률 (%)	종목별 투자 금액 (비중)	10만 원 투자한 대박 종목과 1억 원 투자한 손실 종목이 동일 취급	전체 순자산 증감률을 정확하게 추적
채용 면접 평가	전형별 점수 (100점 만점)	전형별 중요도 (20%~50%)	단순 출석/서류 점수가 핵심 직무 코딩 점수를 압도하는 역효과 방지	기업 인재상에 부합하는 가중 종합 점수 획득

4. 가중평균 계산 시 자주 하는 3가지 실수와 주의사항

① 가중치( $w_i$ )에 음수를 입력하는 실수:

- 값(

x_i

)은 마이너스 수익률(-15%)처럼 음수가 될 수 있지만, 가중치(

w_i

)는 수량이나 비중이므로 반드시 0 이상의 양수여야 합니다.

② 비율과 절대 수량의 혼동:

- 가중치는 백분율(30%, 70%)로 넣든, 주식 수량(15주, 35주)으로 넣든, 비율(0.3, 0.7)로 넣든 결과가 동일합니다. 단, 한 계산 안에서는 모든 행의 단위를 통일해야 합니다.

③ 가중치 합계가 100%가 아닌 경우의 오해:

- 가중치 합이 80%나 150%여도 분모에서 전체 가중치 합으로 정규화하므로 수학적으로 완벽한 평균이 나옵니다. 단, 보고서 작성 시에는 합계를 100%로 맞추는 것이 검증하기에 깔끔합니다.

자주 묻는 질문 (FAQ)

Q.주식 물타기(추가 매수) 평단가도 이 계산기로 구할 수 있나요?

네, 계산할 수 있습니다. [점수/값] 칸에 매수한 가격(예: 10,000원, 7,000원)을 넣고, [가중치] 칸에 매수한 주식 수량(예: 10주, 30주)을 입력하시면 추가 매수 후의 최종 평단가가 실시간으로 계산됩니다.

Q.가중치의 합계가 100%가 아니어도 계산 결과가 맞나요?

네, 정확합니다. 가중평균 공식( $\bar{x}_w = \frac{\sum w_i x_i}{\sum w_i}$ )은 분모에서 전체 가중치의 합으로 나누어 주기 때문에, 가중치가 1:2:3이든 10:20:30이든 15%:30%:45%이든 상대적인 비중에 따라 동일하고 정확한 결과가 산출됩니다.

Q.산술평균과 가중평균은 언제 구분해서 써야 하나요?

모든 데이터의 중요성이나 수량이 완벽히 동등할 때(예: 매일의 기온 평균, 동일한 배점의 퀴즈 5개)는 단순 산술평균을 씁니다. 반면 과목마다 학점이 다르거나, 중간고사와 기말고사의 배점이 다르거나, 매수한 주식 수량이 다를 때는 반드시 가중평균을 사용해야 오차를 방지할 수 있습니다.

Q.음수 점수나 마이너스 수익률도 계산할 수 있나요?

네, 가능합니다. 점수/값 입력란에 -5.2와 같이 음수를 입력하시면 손실분을 정확히 반영하여 가중평균이 산출됩니다.

Q.입력한 데이터가 외부 서버에 전송되거나 저장되나요?

전송되지 않습니다. 본 도구는 모든 가중평균 연산을 사용자의 브라우저 로컬 자바스크립트 엔진 안에서 클라이언트 사이드로 실행하므로 금융 및 성적 데이터가 안전하게 보호됩니다.

데이터 입력 (DATA INPUT)

가중평균이란 무엇인가요?

로컬 브라우저 연산