백분위수
백분위수(Percentile)는 데이터를 크기순으로 정렬했을 때, 특정 값 이하에 전체 관측값의 몇 퍼센트가 위치하는지를 나타내는 통계적 위치 지표이다. 데이터의 상대적 위치를 파악하거나 분포를 요약할 때 사용된다.
백분위수는 전체 데이터를 100등분하여 특정 관측값이 어느 위치에 있는지를 나타내는 값이다. 예를 들어 어떤 점수가 90백분위수에 해당한다면, 그 점수 이하에 전체 데이터의 약 90%가 위치한다는 의미이다.
백분위수는 평균처럼 중심만 보여주는 지표와 달리, 데이터가 분포상 어디에 위치하는지를 설명한다. 따라서 성적, 소득, 응답시간, 서버 부하, 이상치 탐지, 성능 측정 등 다양한 분야에서 사용된다.
p백분위수는 전체 데이터 중 p%가 그 값 이하에 위치하도록 하는 값을 의미한다.
예:
- 25백분위수: 전체 데이터의 25%가 이 값 이하에 위치
- 50백분위수: 전체 데이터의 50%가 이 값 이하에 위치
- 75백분위수: 전체 데이터의 75%가 이 값 이하에 위치
- 90백분위수: 전체 데이터의 90%가 이 값 이하에 위치
50백분위수는 중앙값과 같다.
백분위수는 다음과 같이 표현한다.
| 표현 | 의미 |
|---|---|
| P25 | 25백분위수 |
| P50 | 50백분위수, 중앙값 |
| P75 | 75백분위수 |
| P90 | 90백분위수 |
| P95 | 95백분위수 |
| P99 | 99백분위수 |
성능 분석에서는 P95, P99 같은 상위 백분위수가 자주 사용된다. 예를 들어 API 응답시간의 P95가 800ms라면, 전체 요청의 약 95%는 800ms 이하로 처리되었다는 뜻이다.
백분위수는 일반적으로 다음 절차로 계산한다.
- 데이터를 오름차순으로 정렬한다.
- 구하려는 백분위 p를 정한다.
- 위치 또는 순위를 계산한다.
- 해당 위치의 값을 찾는다.
- 위치가 정수가 아니면 보간법을 적용할 수 있다.
예를 들어 다음 데이터가 있다고 하자.
10, 20, 30, 40, 50, 60, 70, 80, 90, 100
이 데이터에서 50백분위수는 중앙값에 해당하므로 55가 된다. 데이터 개수가 짝수이므로 가운데 두 값 50과 60의 평균을 사용한다.
백분위수 계산 방식은 통계 소프트웨어나 교재에 따라 조금씩 다를 수 있다.
대표적인 방식은 다음과 같다.
위치 = (p / 100) × (n + 1)
또는 다음 방식도 사용된다.
위치 = 1 + (n - 1) × (p / 100)
여기서 n은 데이터 개수, p는 구하려는 백분위이다.
계산식에 따라 보간 위치가 달라질 수 있으므로, 실무에서는 사용한 도구나 기준을 함께 명시하는 것이 좋다.
다음 데이터에서 75백분위수를 구한다고 하자.
10, 20, 30, 40, 50, 60, 70, 80, 90
데이터 개수는 9개이다.
방식에 따라 위치를 다음과 같이 계산할 수 있다.
위치 = (75 / 100) × (9 + 1)
위치 = 7.5
7번째 값은 70이고, 8번째 값은 80이다. 위치가 7.5이므로 두 값의 중간인 75를 75백분위수로 볼 수 있다.
사분위수는 데이터를 4등분한 위치 지표이다. 사분위수는 백분위수의 특수한 경우로 볼 수 있다.
| 사분위수 | 백분위수 | 의미 |
|---|---|---|
| 제1사분위수 | P25 | 하위 25% 지점 |
| 제2사분위수 | P50 | 중앙값 |
| 제3사분위수 | P75 | 하위 75% 지점 |
분위수는 데이터를 일정한 비율로 나누는 위치 지표를 통칭한다.
| 구분 | 설명 |
|---|---|
| 사분위수 | 데이터를 4등분 |
| 십분위수 | 데이터를 10등분 |
| 백분위수 | 데이터를 100등분 |
즉, 백분위수는 분위수의 한 종류이다.
백분위수와 백분율은 혼동하기 쉽지만 의미가 다르다.
| 구분 | 설명 | 예 |
|---|---|---|
| 백분율 | 전체 중 어떤 비율을 100분율로 나타낸 값 | 정답률 80% |
| 백분위수 | 데이터 분포에서 상대적 위치를 나타내는 값 | P80 점수 72점 |
예를 들어 시험에서 80점을 받았다는 것은 점수 자체가 80점이라는 뜻이다. 반면 80백분위수라는 것은 해당 점수 이하에 전체 응시자의 약 80%가 있다는 뜻이다.
백분위수는 평균과 달리 극단값의 영향을 상대적으로 덜 받는다.
예를 들어 소득 자료에서는 일부 고소득자 때문에 평균이 크게 높아질 수 있다. 이때 중앙값이나 백분위수를 함께 보면 일반적인 분포를 더 잘 이해할 수 있다.
| 구분 | 평균 | 백분위수 |
|---|---|---|
| 목적 | 전체 값의 산술적 중심 파악 | 분포상 위치 파악 |
| 극단값 영향 | 큼 | 상대적으로 작음 |
| 활용 | 전체 수준 비교 | 상대적 위치, 분포, 이상치 분석 |
백분위수는 다음과 같은 상황에서 사용된다.
학생의 점수가 전체 집단에서 어느 정도 위치인지 확인할 수 있다.
예:
- P90: 상위권 위치
- P50: 중간 수준
- P25: 하위권 위치
시스템 성능 측정에서 평균 응답시간만 보면 일부 느린 요청의 영향을 제대로 파악하기 어렵다.
따라서 P95, P99 같은 백분위수를 사용하여 대부분의 사용자가 경험하는 지연 시간을 분석한다.
예:
- 평균 응답시간: 200ms
- P95 응답시간: 800ms
- P99 응답시간: 2초
이 경우 대부분의 요청은 빠르지만 일부 요청은 매우 느리다는 것을 알 수 있다.
상위 1% 또는 하위 1%에 해당하는 값을 이상치 후보로 볼 수 있다.
예:
- P1보다 작은 값
- P99보다 큰 값
최솟값, 제1사분위수, 중앙값, 제3사분위수, 최댓값과 함께 데이터를 요약할 수 있다.
이는 상자 그림에서 자주 사용된다.
상자 그림은 데이터 분포를 시각화할 때 사분위수를 사용한다.
일반적인 구성은 다음과 같다.
- 최솟값
- 제1사분위수
- 중앙값
- 제3사분위수
- 최댓값
또한 사분위 범위는 다음과 같이 계산한다.
IQR = Q3 - Q1
여기서 Q1은 P25, Q3은 P75이다.
데이터 분석에서는 백분위수를 이용하여 데이터의 분포, 편향, 이상치, 상대적 위치를 파악한다.
특히 다음 상황에서 유용하다.
- 데이터가 정규분포를 따르지 않는 경우
- 극단값이 많은 경우
- 평균보다 상대적 위치가 중요한 경우
- 응답시간이나 대기시간처럼 꼬리가 긴 분포를 분석하는 경우
- 구간별 집단을 나누어 분석하는 경우
| 구분 | 설명 |
|---|---|
| 중앙값 | 데이터를 크기순으로 정렬했을 때 가운데 값 |
| 50백분위수 | 데이터의 50%가 그 값 이하에 위치하는 값 |
중앙값은 50백분위수와 같은 개념이다.
| 구분 | 설명 |
|---|---|
| 사분위수 | 데이터를 4등분하는 위치 값 |
| 백분위수 | 데이터를 100등분하는 위치 값 |
사분위수는 백분위수 중 P25, P50, P75와 연결된다.
순위는 개별 관측값의 등수를 나타내고, 백분위수는 분포에서의 상대적 위치를 백분율 형태로 나타낸다.
예를 들어 100명 중 10등인 학생은 상위 10%에 해당하지만, 백분위수 표현에서는 대략 90백분위수 부근으로 설명할 수 있다.
백분위수를 사용할 때는 다음 사항에 주의해야 한다.
- 데이터 개수가 작으면 백분위수 해석이 불안정할 수 있다.
- 계산 방식에 따라 결과가 조금씩 달라질 수 있다.
- 백분위수는 원인 설명이 아니라 위치 설명 지표이다.
- 백분위수가 높다고 항상 좋은 것은 아니다.
- 응답시간처럼 낮을수록 좋은 지표에서는 높은 백분위수가 나쁜 성능을 의미할 수 있다.
- 평균과 함께 해석하면 분포를 더 잘 이해할 수 있다.
백분위수는 통계와 데이터 분석의 기초 위치 지표로, 기술통계량과 데이터 분포 해석에서 자주 등장한다.
학습 시에는 다음 내용을 함께 정리하는 것이 좋다.
- 백분위수의 정의
- 중앙값과 50백분위수의 관계
- 사분위수와 백분위수의 관계
- P25, P50, P75의 의미
- IQR과 이상치 탐지
- 평균과 중앙값, 백분위수의 차이
- 데이터 정렬 후 위치를 구하는 절차
- 소프트웨어별 계산 방식 차이
- 백분위수는 데이터를 100등분했을 때의 위치 지표이다.
- p백분위수는 전체 데이터의 p%가 그 값 이하에 위치하는 값이다.
- 50백분위수는 중앙값이다.
- 제1사분위수는 25백분위수, 제3사분위수는 75백분위수이다.
- 백분위수는 평균보다 극단값의 영향을 덜 받는다.
- 백분위수는 데이터의 상대적 위치와 분포 해석에 사용된다.
- P95, P99는 성능 분석에서 꼬리 지연 시간을 설명할 때 자주 사용된다.
- 백분위수 계산 방식은 도구나 정의에 따라 조금 달라질 수 있다.
- IQR은 Q3 - Q1이며, Q1은 P25, Q3은 P75이다.
- 백분위수와 백분율은 다르다.
