데이터 분석에서 이상치(Outlier)와 편향(Bias)

이상치는 정상 분포 범위를 크게 벗어난 극단 관측값으로 평균·분산 같은 통계량을 왜곡하고, 편향은 수집·가공 단계에서 특정 방향으로 치우쳐 발생하는 체계적 오류로 추정값을 한쪽으로 쏠리게 한다. 이상치는 분산을 키우는 무작위적 성격이 강한 반면 편향은 일정한 방향성을 가진다는 점에서 다르지만, 둘 다 데이터 품질을 훼손해 모델 성능과 결과 신뢰성을 저해하므로 분석 초기 단계부터 명확히 구분해 진단하고 처리 전략을 달리 적용해야 한다.