빅데이터분석기사를 공부하면서 왜도를 접했다. 단어 그대로 왜곡된 정도를 뜻하며, 데이터의 분포가 몰림 또는 기울어진 정도를 나타내는 정량적 지표이다. 이 값을 통해 분포의 비대칭 정도와 꼬리가 치우친 방향을 짐작할 수 있다. 그런데, 이전에 데이터의 분포를 정규성 변환을 적용하지 못했던 경우가 있었다. 데이터의 분포가 다봉분포일 경우 정규분포로 변환이 어렵다는 점이었다.
다봉분포로 왜도가 0일 수 있는데, 이는 좌우대칭이라는 뜻이 된다. 이렇게 왜도를 대칭의 정도라고도 해석할 수 있게 되고, 왜도가 0이라고 해서 정규성 변환이 가능하다는 것은 아니다.
이를 확인하기 위해, 단봉분포와 다봉분포를 만들고, Box-Cox 변환을 적용해 봤다.
단봉분포는 정규성 변환을 적용하면 어느 정도 보정되는 효과가 나타났지만, 다봉분포는 하나의 봉우리로 합쳐지지 않는 것을 볼 수 있다. 그리고 왜도의 해석 중 하나인 치우쳐진 정도로 중앙값, 평균, 최빈값들에 대한 해석이 불가능해지는 경우가 존재하게 된다.
그러므로 왜도의 값으로는 데이터의 분포를 정확히 파악하기 어렵다. 데이터 시각화나 추가적인 분석을 통해 데이터의 분포를 파악해야 한다.
