






분산과 표준편차, 선형변환에서 b를 더하면 퍼짐이 달라질까?
계산동과외에서 자주 다루는 오답 중 하나는 점수에 일정한 값을 더했을 때 분산까지 변한다고 생각하는 경우입니다. 핵심은 변환식 V(aX+b)=a²V(X)입니다.
하나의 식에서 출발하기
확률변수 X의 분산이 V(X)=9이고, 새로운 변수 Y=2X+5라고 하겠습니다.
상수 5는 모든 자료에 똑같이 더해집니다. 따라서 자료 사이의 차이는 변하지 않고, 2를 곱한 효과만 분산에 반영됩니다.
V(Y)=V(2X+5)=2²V(X)=4×9=36
표준편차는 분산의 제곱근이므로 σ(Y)=√36=6입니다.
학생 풀이에서 생긴 오류
처음 기록에는 V(2X+5)=2V(X)+5처럼 b를 그대로 더한 식이 적혀 있었습니다. 그러나 분산은 자료의 절대적인 위치가 아니라 평균으로부터의 퍼짐을 측정합니다.
실제로 평균이 E(X)=μ라면 E(Y)=2μ+5이고, 각 편차는 다음과 같습니다.
Y-E(Y)=(2X+5)-(2μ+5)=2(X-μ)
따라서 편차의 제곱은 4배가 되고, 분산도 4배가 됩니다. b는 편차 계산에서 소거됩니다.
점수 환산 전후 비교
| 변환 | 분산 | 표준편차 |
|---|---|---|
| 원점수 X | 9 | 3 |
| 환산점수 2X+5 | 36 | 6 |
| 이동만 한 점수 X+5 | 9 | 3 |
a와 a²를 구별하기
선형변환 Y=aX+b에서 표준편차는 |a|배가 되지만, 분산은 a²배가 됩니다.
- V(aX+b)=a²V(X)
- σ(aX+b)=|a|σ(X)
- b는 분산과 표준편차에 영향을 주지 않음
최종 확인 문제
어떤 자료의 분산이 16일 때 Y=-3X+7의 분산과 표준편차를 구해 봅니다.
V(Y)=(-3)²×16=144
σ(Y)=√144=12
부호가 음수여도 분산에서는 제곱되며, 표준편차는 음수가 될 수 없으므로 12입니다. 이처럼 계산동 지역에서 고3수학과외를 진행할 때도 먼저 이동 b와 확대 계수 a의 역할을 분리하면 관련 오답을 안정적으로 줄일 수 있습니다.