왜도와 첨도로 읽는 데이터 분포의 비대칭과 꼬리

평균과 분산 뒤에 남는 분포의 모양

데이터가 같은 평균과 분산을 가져도 한쪽으로 길게 늘어진 꼬리나 극단값의 집중 정도는 다를 수 있다. 왜도(skewness)는 비대칭의 크기와 방향을, 첨도(kurtosis)는 꼬리 두께와 중심 집중도를 설명하는 데 쓰인다.

오른쪽 꼬리가 더 길면 왜도는 양(+)이고, 왼쪽 꼬리가 우세하면 음(−)이다. 모멘트 기반 왜도는 표준화된 3차 중심 모멘트로 정의한다.

첨도는 흔히 분포가 “뾰족한지”를 말하는 지표로 소개되지만, 꼬리 두께로 해석하는 편이 정확하다. Fisher 정의의 초과첨도(excess kurtosis)는 정규분포에서 0이며, 양(+)이면 두터운 꼬리(heavy tail), 음(−)이면 얇은 꼬리(light tail)를 뜻한다.

실무에서는 모수 대신 표본 추정치를 사용하므로 편향 보정이 필요하다. Pearson 첨도는 Fisher 초과첨도에 3을 더한 값이므로, 어느 정의를 썼는지 명확히 적어야 한다. 다봉(multi-modal) 분포, 혼합분포, 상수열에서는 이 지표만으로 분포를 해석하기 어렵다.

계산값을 해석하기 전에 맞춰 둘 기준

왜도는 표준화된 3차 중심 모멘트의 표본 추정치를 사용하며, 편향 보정에는 bias=False를 권장한다. 첨도는 정규분포 기준선이 0인 Fisher 초과첨도를 기본으로 두고, Pearson 첨도를 쓸 때는 정규분포 기준선이 3이라는 점을 함께 표시한다.

모멘트 기반 계산에는 scipy.stats.skew, kurtosis를 쓸 수 있다. 이상치 민감도를 낮추려면 사분위수 Q1, Q2, Q3를 이용한 Bowley 왜도와 옥타일 기반 Moors 첨도를 대안으로 검토한다.

해석 기준은 단독 판정 규칙이 아니라 후속 분석을 위한 신호로 다루는 편이 낫다.

• 왜도 절대값 |γ1|이 <0.5이면 대칭에 근접, 0.5~1이면 중간 비대칭, >1이면 강한 비대칭으로 본다.
• 초과첨도 κ가 −1~1이면 보통 꼬리, >1이면 두터운 꼬리(heavy-tailed), <−1이면 얇은 꼬리로 해석한다.
• 히스토그램과 QQ-플롯을 함께 확인해야 수치가 가리는 형태를 보완할 수 있다.

변환과 검증은 분포 진단 뒤에 이어진다

결측 처리, 이상치 플래그, 스케일 표준화를 먼저 정리한다. 오른쪽 꼬리가 긴 양의 왜도에는 로그나 Box-Cox 변환을, 음의 왜도에는 반사+변환 또는 Yeo-Johnson을 후보로 둘 수 있다. 표본 크기의 적정성은 n≥30을 권장하며, 계절성이나 그룹 간 이질성이 있으면 분포를 분리해서 살펴본다.

형태 확인에는 히스토그램, KDE, QQ-플롯, 상자그림을 사용한다. Jarque–Bera와 D’Agostino K^2 같은 정규성 검정은 보조 판단 수단이 된다. 모델을 만든 뒤에는 잔차에도 같은 절차를 적용해 가정 검증을 이어간다.

분석 대상에 따라 달라지는 활용 방식

선형/일반화 선형 모델에서는 가정 적합성을 확보하고, 트리 모델에서는 분해능을 높이는 것이 목적이다. 분포를 진단한 뒤 변환 후보를 탐색하고, 교차검증으로 성능과 왜도·첨도를 다시 평가한다.

제조 공정 SPC에서는 공정능력지수(Cp/Cpk)를 산정하기 전 정상성 가정을 검토한다. 배치와 라인별 분포를 나눈 뒤 왜도·첨도 기반으로 이상 배치를 격리하고 공정 설정을 보정한다.

금융 리스크와 이상치 탐지에서는 수익률의 꼬리 리스크 및 급등락 민감도를 진단한다. 롤링 윈도우로 초과첨도를 모니터링하고, 임계를 넘으면 VaR/CVaR를 보수화한 뒤 경보를 발신한다.

ARPU·세션시간처럼 꼬리가 두꺼운 서비스 지표는 비교 방식 자체를 점검해야 한다. 중앙값이나 절단평균 같은 강건 통계량을 사용하고, 변환 후 효과 크기를 추정한 다음 부트스트랩 신뢰구간을 산출한다.

이 과정을 통해 정규성 가정 위반과 잔차 구조를 줄이고, 이상치 영향과 과적합 위험을 완화할 수 있다. 꼬리 리스크를 반영한 의사결정과 경보 정확도 개선에도 연결된다. 임계값과 절차를 표준 운영으로 관리하면 재현성을 확보하고, 분포 왜형을 교정한 공정 변동성 해석도 쉬워진다.

입력부터 리포팅까지의 판단 흐름

⤢✕

모멘트 기반 지표와 강건 지표의 차이

지표	정의 요지	정규분포 기준선	이상치 민감도	표본 크기 영향	해석 용이성	주요 용도
Moment 왜도(γ1)	표준화 3차 중심 모멘트	0	높음	중간	높음	일반적 비대칭 진단
Bowley 왜도	사분위 기반(Q1,Q2,Q3)	0	낮음	낮음	중간	강건 비대칭 진단
초과첨도(κ, Fisher)	표준화 4차 중심 모멘트−3	0	매우 높음	중간	중간	꼬리 두께 판단
Pearson 첨도	초과첨도+3	3	매우 높음	중간	낮음	레거시 문헌 호환
Moors 첨도	옥타일 기반	0	낮음	낮음	중간	강건 꼬리 판단

계산·해석·변환을 연결하는 코드

실행 환경은 Python 3.10+, numpy 1.26+, pandas 2.x, scipy 1.11+, scikit-learn 1.3+이며, 입력은 결측을 NaN으로 표기한 1차원 수치 시리즈다.

# env: python>=3.10, numpy>=1.26, pandas>=2.0, scipy>=1.11, scikit-learn>=1.3
import numpy as np
import pandas as pd
from scipy import stats
from sklearn.preprocessing import PowerTransformer

def bowley_skew(x: np.ndarray) -> float:
    q1, q2, q3 = np.quantile(x, [0.25, 0.5, 0.75])
    denom = (q3 - q1)
    if denom == 0:
        return np.nan
    return ((q3 + q1 - 2*q2) / denom)

def moors_kurtosis(x: np.ndarray) -> float:
    # Octiles: P12.5, 25, 37.5, 62.5, 75, 87.5
    o = np.quantile(x, [0.125, 0.25, 0.375, 0.625, 0.75, 0.875])
    o1, o2, o3, o5, o6, o7 = o  # note: indices mapped by order
    # Moors: ( (O7 - O5) + (O3 - O1) ) / (O6 - O2)
    denom = (o6 - o2)
    if denom == 0:
        return np.nan
    return ((o7 - o5) + (o3 - o1)) / denom

def moment_stats(x: np.ndarray):
    x = np.asarray(x, dtype=float)
    x = x[np.isfinite(x)]
    n = x.size
    if n < 8:
        raise ValueError("표본 수 부족: n>=8 권장")
    if np.allclose(np.var(x), 0):
        raise ValueError("상수열 입력: 분산=0")
    # moment-based with bias correction
    skew = stats.skew(x, bias=False)  # sample skewness
    kurt_excess = stats.kurtosis(x, fisher=True, bias=False)  # excess kurtosis
    return skew, kurt_excess

def interpret(skew, kurt_excess):
    # thresholds per guidance
    if np.isnan(skew) or np.isnan(kurt_excess):
        return "해석 불가: NaN 포함 또는 분산=0"
    if abs(skew) <= 0.5:
        skew_msg = "대칭에 근접"
    elif abs(skew) <= 1.0:
        skew_msg = "중간 비대칭"
    else:
        skew_msg = "강한 비대칭"
    skew_dir = "오른쪽 왜곡(+)" if skew > 0 else ("왼쪽 왜곡(-)" if skew < 0 else "대칭")

    if -1 <= kurt_excess <= 1:
        kurt_msg = "보통 꼬리"
    elif kurt_excess > 1:
        kurt_msg = "두터운 꼬리(heavy-tailed)"
    else:
        kurt_msg = "얇은 꼬리(light-tailed)"

    return f"{skew_msg}, {skew_dir}; {kurt_msg}, 초과첨도={kurt_excess:.3f}"

def transform_if_needed(x: np.ndarray, method: str = "auto", random_state: int = 42):
    x = np.asarray(x, dtype=float).reshape(-1, 1)
    if method == "auto":
        # Use Yeo-Johnson to handle zero/negative
        pt = PowerTransformer(method="yeo-johnson", standardize=True)
    elif method == "box-cox":
        if np.any(x <= 0):
            raise ValueError("Box-Cox 변환은 양의 값만 허용")
        pt = PowerTransformer(method="box-cox", standardize=True)
    else:
        raise ValueError("지원하지 않는 method")
    x_t = pt.fit_transform(x).ravel()
    return x_t, pt

# Demo
rng = np.random.default_rng(0)
# mixture with right tail
x = np.concatenate([rng.normal(0, 1, 1000), rng.lognormal(0, 0.8, 200)])

skew, kex = moment_stats(x)
print("moment 왜도, 초과첨도:", skew, kex)
print("Bowley 왜도:", bowley_skew(x))
print("Moors 첨도:", moors_kurtosis(x))
print("해석:", interpret(skew, kex))

# 변환 후 재평가
x_t, pt = transform_if_needed(x, method="auto")
skew_t, kex_t = moment_stats(x_t)
print("변환 후 왜도, 초과첨도:", skew_t, kex_t)
print("해석(변환 후):", interpret(skew_t, kex_t))

결측·이상치 처리 정책과 트리밍 규칙은 버전 관리가 필요하다. 변환 파라미터(λ 등)와 해석 임계값은 구성관리(Configuration as Code) 대상으로 두는 편이 좋다. 재현성을 위해 입력 해시, 코드 커밋 해시, 난수 시드를 기록한다.