유용한 숫자 상식 10가지 | 도량형, 통계, 단위 이야기

이 글에서는 유용한 숫자 상식 10가지 | 도량형, 통계, 단위 이야기에 대해 알아봅니다. 도량형, 통계, 단위와 관련하여 알아두면 일상에 도움이 되는 숫자 상식 10가지를 살펴봅니다.

유용한 숫자 상식 10가지 | 도량형, 통계, 단위 이야기

1. 미터(Meter)의 기원: 지구 둘레 기준

• 1미터는 원래 지구 북극점에서 적도까지의 거리의 1천만 분의 1로 정의되었습니다.
• 프랑스 혁명 이후 도량형 통일을 위해 과학적인 기준을 만들고자 했으며, 현재는 ‘빛이 진공에서 1/299,792,458초 동안 진행한 경로의 길이’라는 보다 정밀한 정의를 사용합니다. 이는 측정 기술의 발달 덕분입니다.

2. 평균(Mean)과 중앙값(Median)의 차이: 소득 통계의 함정

• 평균은 모든 값을 더해 개수로 나눈 값이며, 중앙값은 값을 크기순으로 나열했을 때 정확히 가운데 위치하는 값입니다.
• 소득 통계에서 평균 소득은 소수의 매우 높은 소득자 때문에 전체 소득 수준을 과대평가할 수 있습니다. 반면 중앙값은 분포의 중간 지점을 보여주어 일반적인 소득 수준을 파악하는 데 더 유용할 수 있습니다.
  • 예시: 10명 중 9명의 연봉이 3천만 원이고 1명의 연봉이 10억일 때, 평균 연봉은 약 1억 2천7백만 원이지만, 중앙값은 3천만 원으로 실제 대다수의 상황을 더 잘 반영합니다.

3. 킬로바이트(Kilobyte)의 두 가지 의미: 1000 vs 1024

• 컴퓨터 과학 분야에서 킬로(K)는 종종 2의 10제곱인 1024를 의미합니다. 이는 컴퓨터가 이진법을 사용하기 때문입니다. (1 KiB = 1024 바이트)
• 하지만 저장 장치 용량(HDD, SSD, USB)이나 통신 속도를 표기할 때는 국제단위계(SI)에 따라 10의 3제곱인 1000을 의미하는 경우가 많습니다. (1 KB = 1000 바이트)
• 이 차이 때문에 실제 사용 가능한 저장 공간이 표기된 용량보다 적게 느껴질 수 있습니다.

4. 마력(Horsepower)의 정의: 제임스 와트의 계산

• 1마력(HP)은 약 745.7와트(W)에 해당하는 일률의 단위입니다.
• 증기기관을 발명한 제임스 와트가 자신의 기계 성능을 당시 중요한 동력이었던 말과 비교하기 위해 만들었습니다.
• 와트는 일반적인 말이 단위 시간(분)당 할 수 있는 일의 양을 측정하여 이를 1마력으로 정의했습니다. (석탄 수레를 끄는 말을 기준으로 계산)

5. 척(尺)과 치(寸): 신체를 기준으로 한 전통 단위

• ‘척’과 ‘치’는 동아시아에서 사용되던 전통적인 길이 단위로, 어른의 신체 일부를 기준으로 삼는 경우가 많았습니다.
• 1척은 대략 성인 남자의 팔꿈치에서 손끝까지의 길이(자)와 유사하며, 1치는 손가락 한 마디 정도의 길이로 여겨졌습니다. (1척 = 10치)
• 시대와 지역에 따라 그 기준 길이는 조금씩 달랐으며, 현대에는 표준화된 미터법을 주로 사용하지만, 여전히 일부 표현이나 관습에 남아있습니다.

6. 상관관계와 인과관계의 혼동: 통계 해석의 오류

• 상관관계는 두 변수 사이에 연관성이 있음을 나타내지만, 하나가 다른 하나의 원인이 됨을 의미하지는 않습니다.
• 인과관계는 한 변수의 변화가 직접적으로 다른 변수의 변화를 유발하는 관계를 말합니다.
• 통계 자료 해석 시, 높은 상관관계만을 보고 성급하게 인과관계를 단정 짓는 오류를 범하기 쉽습니다.
  • 예시: 아이스크림 판매량과 상어 공격 횟수는 여름철에 함께 증가하는 강한 양의 상관관계를 보입니다. 하지만 아이스크림이 상어 공격의 원인이거나 그 반대는 아닙니다. ‘더운 날씨’라는 제3의 요인이 두 현상 모두에 영향을 미치는 것입니다.

7. 섭씨(Celsius)와 화씨(Fahrenheit)의 기준 온도

• 섭씨(°C)는 물의 어는점을 0도, 끓는점을 100도로 정하고 그 사이를 100등분한 온도 체계입니다. 과학 분야 및 세계 대부분 국가에서 사용됩니다.
• 화씨(°F)는 물의 어는점을 32도, 끓는점을 212도로 정하고 그 사이를 180등분한 온도 체계입니다. 주로 미국 등 일부 국가에서 사용됩니다.
• 화씨는 일상적인 기온 변화를 섭씨보다 더 세밀하게 표현하는 경향이 있지만, 과학적 계산에는 섭씨가 더 편리합니다.

8. 시간의 60진법 단위: 메소포타미아 문명의 유산

• 1분을 60초, 1시간을 60분으로 나누는 60진법 체계는 고대 메소포타미아(바빌로니아) 문명에서 유래했습니다.
• 당시 사람들은 60이라는 숫자가 1, 2, 3, 4, 5, 6, 10, 12, 15, 20, 30 등 많은 수로 나누어떨어져 분할 계산에 편리하다고 생각했습니다.
• 이 시스템은 천문학 관측과 계산에 유용하게 사용되었고, 이후 그리스와 로마를 거쳐 현재까지 시간과 각도(원 한 바퀴 = 360도) 측정에 사용되고 있습니다.

9. 백분율(%) 증감 계산의 함정: 기준점의 중요성

• 퍼센트(%) 변화를 계산할 때는 기준값이 무엇인지 명확히 인지해야 합니다.
• 예를 들어, 100에서 20% 증가하면 120이 됩니다. 하지만 120에서 20% 감소하면 96이 되어 원래 값인 100으로 돌아가지 않습니다. (120의 20%는 24이기 때문)
• 이는 증가 시점과 감소 시점의 기준값이 다르기 때문이며, 연속적인 비율 변화를 해석할 때 주의해야 합니다.

10. ‘무한대(Infinity, ∞)’는 특정 ‘숫자’가 아니다

• 무한대는 수의 크기가 한없이 커지는 상태나 개념을 나타내는 기호이지, 셀 수 있거나 특정 값을 갖는 ‘숫자’는 아닙니다.
• 따라서 일반적인 숫자처럼 사칙연산을 적용할 수 없습니다. (예: ∞ + 1 = ∞, ∞ * 2 = ∞)
• 수학에서는 극한 개념 등을 통해 무한대를 다루며, 집합론에서는 서로 다른 크기의 무한대를 구분하기도 합니다. (예: 자연수의 개수와 실수의 개수는 둘 다 무한하지만 다른 크기의 무한)

원주율 파이(π) | 끝나지 않는 숫자 이야기

파이(π)란 무엇인가?

• 파이(π)는 원의 지름에 대한 둘레의 비율을 나타내는 수학 상수입니다. 즉, (원의 둘레) ÷ (원의 지름) = π 입니다.
• 원의 크기와 상관없이 이 비율은 항상 일정하며, 그 값은 대략 3.14159…로 시작합니다.
• 고대부터 원의 넓이나 부피를 계산하는 데 필수적으로 사용되어 온 중요한 개념입니다.

무리수로서의 파이

• 파이는 순환하지 않는 무한소수, 즉 무리수입니다. 이는 소수점 아래 숫자가 불규칙하게 끝없이 이어진다는 의미입니다.
• 또한, 파이는 초월수이기도 한데, 이는 정수 계수를 가진 어떤 다항식 방정식의 해도 될 수 없다는 뜻입니다.
• 정확한 값을 분수 형태로 표현할 수 없기 때문에 계산 시에는 주로 근사값을 사용합니다. (예: 3.14 또는 22/7) 그 값은 컴퓨터를 이용해 소수점 아래 수조 자리까지 계산되었지만, 여전히 그 끝은 밝혀지지 않았습니다.

국제단위계(SI) 기본 단위 | 질량과 시간

킬로그램(Kilogram) 정의의 변천사

• 킬로그램(kg)은 질량의 기본 단위로, 오랫동안 프랑스에 보관된 ‘국제 킬로그램 원기'(백금-이리듐 합금 원통)의 질량을 기준으로 삼았습니다.
• 하지만 이 원기의 질량이 시간이 지남에 따라 미세하게 변할 수 있다는 문제점이 제기되었습니다.
• 2019년부터는 ‘플랑크 상수'(h)라는 변하지 않는 물리 상수에 기반한 새로운 정의를 채택하여, 물질 원기 없이도 언제 어디서나 정확한 1kg을 구현할 수 있게 되었습니다. 이는 미터(m)가 빛의 속도 기준으로 바뀐 것과 유사한 맥락입니다.

초(Second)의 정밀한 정의

• 원래 1초(s)는 지구의 자전 주기를 기준으로 정의되었습니다. (하루 길이의 1/86,400)
• 그러나 지구의 자전 속도가 불규칙하다는 점 때문에 더 안정적인 기준이 필요해졌습니다.
• 현재 1초는 ‘세슘-133 원자가 특정 에너지 상태 사이를 전이할 때 방출하는 복사선의 진동수’를 기준으로 매우 정밀하게 정의됩니다. (정확히 9,192,631,770번 진동하는 시간) 이는 원자시계의 기반이 됩니다.

데이터의 흩어짐 정도 | 분산과 표준편차

분산(Variance): 퍼짐 정도의 대표값

• 분산은 데이터 값들이 평균으로부터 얼마나 넓게 퍼져 있는지를 나타내는 통계적 척도입니다.
• 계산 방법: 각 데이터 값과 평균값의 차이(편차)를 제곱한 뒤, 이 제곱한 값들의 평균을 구합니다.
  • 예시: 데이터 [1, 3, 5, 7, 9]의 평균은 5입니다. 각 편차는 [-4, -2, 0, 2, 4]이고, 편차 제곱은 [16, 4, 0, 4, 16]입니다. 이 제곱 값들의 평균(분산)은 (16+4+0+4+16) / 5 = 40 / 5 = 8 입니다.
• 분산 값이 클수록 데이터가 평균 주변에 넓게 흩어져 있고, 작을수록 평균 주변에 모여 있음을 의미합니다. 다만, 단위가 원래 데이터 단위의 제곱이 되어 해석이 직관적이지 않을 수 있습니다.

표준편차(Standard Deviation): 직관적인 흩어짐 지표

• 표준편차는 분산의 양의 제곱근 값으로, 데이터가 평균에서 얼마나 떨어져 있는지 나타내는 대표적인 지표입니다.
• 분산과 달리 원래 데이터와 단위가 같아져 데이터의 흩어짐 정도를 보다 직관적으로 이해하고 비교하는 데 사용됩니다.
  • 위 예시에서 분산이 8이므로, 표준편차는 √8 ≈ 2.83 입니다. 이는 데이터 값들이 평균 5로부터 평균적으로 약 2.83만큼 떨어져 있음을 의미합니다.
• 평균값과 함께 제시될 때 (예: 평균 ± 표준편차), 데이터 분포의 중심 경향성과 퍼짐 정도를 동시에 파악하는 데 유용합니다.

확률과 우연 | 무작위성과 직관의 함정

독립 사건과 확률 계산의 기본

• 독립 사건이란 한 사건의 결과가 다른 사건의 결과에 영향을 미치지 않는 것을 말합니다.
• 예를 들어, 공정한 동전을 던졌을 때 앞면이 나올 확률은 이전 던짐 결과와 상관없이 항상 1/2입니다.
• 여러 독립 사건이 동시에 혹은 연속해서 일어날 확률은 각 사건의 확률을 곱하여 계산합니다.
  • 예시: 동전을 두 번 던져 모두 앞면이 나올 확률은 (1/2) * (1/2) = 1/4 입니다.

도박사의 오류 (Gambler’s Fallacy): 잘못된 확률 직관

• 도박사의 오류는 과거의 결과가 미래의 독립적인 사건 확률에 영향을 미친다고 믿는 잘못된 생각입니다.
• 예를 들어, 동전 던지기에서 연속으로 5번 앞면이 나왔다고 해서 다음번에 뒷면이 나올 확률이 더 높아지는 것은 아닙니다. 여전히 뒷면이 나올 확률은 1/2입니다. 각 던지기는 독립적이기 때문입니다.
• 이 오류는 무작위적인 사건에서 특정 패턴을 찾으려는 인간의 심리적 경향에서 비롯되며, 잘못된 의사결정으로 이어질 수 있습니다. (예: 복권 당첨 번호 예측)

로그 스케일 | 리히터, 데시벨 이야기

로그 스케일(Logarithmic Scale)이란?

• 로그 스케일은 아주 넓은 범위의 수치를 압축하여 표현하는 방식입니다. 각 눈금 간격이 일정한 증가량(선형 스케일)이 아닌, 곱셈 비율(예: 10배씩 증가)을 나타냅니다.
• 이는 매우 큰 값과 매우 작은 값을 하나의 그래프나 척도 상에 효과적으로 나타내기 위함입니다.
• 값의 절대적인 차이보다는 상대적인 변화율이나 등급을 파악하는 데 유용합니다.

리히터 규모 (지진)

• 지진의 강도를 나타내는 리히터 규모는 로그 스케일을 사용합니다.
• 규모 숫자가 1 증가할 때마다, 지진파의 최대 진폭은 10배씩 커지고, 방출되는 에너지는 약 31.6배 증가합니다.
• 예시: 규모 6.0 지진은 규모 5.0 지진보다 진폭이 10배 크고, 에너지는 약 31.6배 더 강력합니다. 규모 7.0 지진은 규모 5.0 지진보다 진폭이 100배(10×10) 크고, 에너지는 약 1000배(31.6×31.6) 더 강력합니다.

데시벨 (소리)

• 소리의 상대적인 크기(음압 레벨)를 나타내는 단위인 데시벨(dB) 역시 로그 스케일을 기반으로 합니다.
• 0dB는 보통 사람이 들을 수 있는 가장 작은 소리의 크기를 기준으로 하며, 값이 커질수록 큰 소리를 의미합니다.
• 일반적으로 음압 에너지가 10배 증가하면 10dB 증가합니다. 소리의 세기(강도, 파워)가 10배 증가하면 10dB, 100배 증가하면 20dB 증가하는 식으로 계산됩니다.
• 예시: 조용한 도서관이 약 40dB, 일상 대화가 약 60dB라면, 이는 소리 에너지가 100배 차이 나는 것을 의미합니다. 지하철 소음(약 80dB)은 일상 대화보다 소리 에너지가 100배 더 큽니다.

황금비(Golden Ratio) | 자연과 예술 속 비율

황금비(φ)란 무엇인가?

• 황금비는 주어진 선분을 둘로 나누었을 때, 전체 길이에 대한 긴 부분의 비율과 긴 부분에 대한 짧은 부분의 비율이 같아지는 지점의 비율을 말합니다.
• 수학적으로 (a+b) / a = a / b 를 만족하는 비율이며, 그 값은 무리수로 약 1.6180339887… 입니다. 그리스 문자 파이(φ)로 흔히 표기됩니다.
• 피보나치 수열(앞의 두 항을 더해 다음 항을 만드는 수열: 1, 1, 2, 3, 5, 8, 13…)에서 인접한 두 항의 비율은 점차 황금비에 가까워집니다.

아름다움과 안정성의 비율

• 황금비는 시각적으로 가장 안정적이고 아름답게 느껴지는 비율 중 하나로 여겨져 왔습니다.
• 고대 그리스 건축물(파르테논 신전), 레오나르도 다빈치의 ‘모나리자’나 ‘최후의 만찬’ 등 예술 작품, 심지어 자연 속에서도 앵무조개 껍질의 나선 구조나 식물의 잎차례 등에서 황금비를 찾아볼 수 있다는 주장이 있습니다.
• 다만, 일부 사례에서는 황금비의 적용이 과장되거나 논란의 여지가 있기도 하지만, 수학적으로 독특한 특성과 심미적 효과 때문에 계속 주목받는 비율입니다.

벤포드의 법칙 | 숫자의 첫 자리 빈도

첫 자리 숫자의 불균형 분포

• 벤포드의 법칙(Benford’s Law)은 많은 실제 데이터 집합에서 수치들의 첫 번째 유효숫자가 불균형하게 분포하는 현상을 설명합니다.
• 직관적으로는 첫 자리 숫자가 1부터 9까지 균등하게 나타날 것 같지만, 실제로는 첫 자리가 ‘1’인 수치가 약 30.1%로 가장 흔하게 나타나고, ‘9’가 첫 자리인 경우는 약 4.6%로 가장 드물게 나타나는 경향성을 보입니다. 숫자가 커질수록 첫 자리로 나타날 확률이 급격히 감소합니다.
• 이는 데이터가 여러 자릿수에 걸쳐 로그 정규분포와 유사한 형태로 분포할 때 자주 관찰됩니다.

숨겨진 패턴의 활용

• 이 법칙은 매우 다양한 종류의 실제 데이터셋에서 관찰됩니다: 국가별 인구수, 강물의 길이, 주식 시장 가격, 거리 주소 번호, 물리 상수, 회계 장부 등.
• 놀라운 점은 이 패턴이 인위적으로 조작된 데이터에서는 잘 나타나지 않는 경향이 있다는 것입니다.
• 따라서 회계 감사나 선거 부정 조사 등에서 데이터의 신뢰성을 검증하거나 사기 행위를 탐지하는 데 유용하게 활용될 수 있습니다. (예: 회계장부 숫자가 벤포드의 법칙에서 크게 벗어난다면 조사 대상이 될 수 있음)

표본 편향 | 통계 조사의 함정

표본이 전체를 잘못 대변할 때

• 표본 편향(Sampling Bias)은 통계 조사나 연구를 위해 모집단에서 표본(Sample)을 추출할 때, 특정 특성을 가진 대상들이 과도하게 또는 과소하게 포함되어 표본이 전체 모집단을 제대로 대표하지 못하는 현상을 말합니다.
• 이렇게 편향된 표본을 바탕으로 얻은 결과는 모집단 전체의 특성에 대한 잘못된 결론으로 이어질 위험이 큽니다. 설문 조사나 연구의 신뢰도를 떨어뜨리는 주요 원인 중 하나입니다.

표본 편향의 흔한 원인들

• 편의 표본 추출(Convenience Sampling): 조사자가 쉽게 접근할 수 있는 대상만을 표본으로 선정하는 경우 (예: 길거리 설문, 특정 웹사이트 방문자 대상 조사) 일부 집단의 의견만 과대 대표될 수 있습니다.
• 자발적 응답 편향(Voluntary Response Bias): 특정 주제에 강한 의견이나 관심을 가진 사람들만이 조사에 자발적으로 참여하는 경향이 있을 때 발생합니다. (예: 특정 이슈에 대한 온라인 투표)
• 과소표집(Undercoverage): 모집단의 특정 그룹이 표본 선정 과정에서 체계적으로 배제되거나 포함될 확률이 낮은 경우입니다. (예: 전화 조사가 유선 전화 보유 가구에만 집중되어 휴대전화만 사용하는 젊은 층의 의견을 놓치는 경우)
• 무응답 편향(Non-response Bias): 표본으로 선정된 대상 중 일부가 응답을 거부하거나 연락이 되지 않아, 최종 응답자들의 특성이 응답하지 않은 사람들의 특성과 체계적으로 다를 때 발생합니다.

지수적 성장 | 복리의 마법과 착시

빠르게 늘어나는 힘

• 지수적 성장(Exponential Growth)은 어떤 양이 현재 크기에 비례하여 증가하는 현상을 말합니다. 시간이 지남에 따라 증가 속도 자체가 빨라지는 것이 특징입니다.
• 선형 성장(일정한 양씩 증가)과 달리, 처음에는 변화가 미미해 보이지만 특정 지점을 넘어서면 폭발적으로 증가하는 패턴을 보입니다.
• 수식적으로는 y = a * b^x (여기서 b > 1) 형태로 표현됩니다.

복리(Compound Interest)의 예

• 복리는 이자에 또 이자가 붙는 방식으로, 대표적인 지수적 성장의 예시입니다.
• 예시: 100만원을 연 10% 복리로 투자하면 첫해에는 10만원의 이자가 붙어 110만원이 됩니다. 둘째 해에는 원금 110만원에 10%인 11만원의 이자가 붙어 121만원이 됩니다. 셋째 해에는 12.1만원이 붙어 133.1만원이 되는 식으로, 이자 증가액 자체가 매년 커집니다.
• 단리(원금에 대해서만 이자가 붙는 방식)와 비교하면 장기간에 걸쳐 큰 차이를 보이게 됩니다. 전염병의 확산, 인구 증가 등 다양한 현상에서 지수적 성장 모델을 찾아볼 수 있습니다. 처음에는 변화가 미미하여 그 힘을 과소평가하기 쉽습니다.

정규 분포 | 자연 현상의 흔한 패턴

종 모양의 확률 분포

• 정규 분포(Normal Distribution) 또는 가우시안 분포(Gaussian Distribution)는 평균값을 중심으로 좌우대칭인 종 모양을 갖는 연속 확률 분포입니다.
• 수많은 자연 현상(예: 사람들의 키, 몸무게)이나 사회 현상(예: 시험 성적 분포)에서 데이터가 근사적으로 정규 분포를 따르는 경우가 많습니다.
• 이 분포는 평균(μ)과 표준편차(σ)라는 두 개의 매개변수로 완전히 정의됩니다. 평균은 분포의 중심 위치를 결정하고, 표준편차는 분포가 얼마나 넓게 퍼져 있는지(종 모양의 뚱뚱함 정도)를 결정합니다.

68-95-99.7 규칙

• 정규 분포를 따르는 데이터는 평균값을 중심으로 특정 범위 내에 존재할 확률이 일정합니다.
  • 약 68%의 데이터는 평균 ± 1 표준편차 범위 내에 있습니다.
  • 약 95%의 데이터는 평균 ± 2 표준편차 범위 내에 있습니다.
  • 약 99.7%의 데이터는 평균 ± 3 표준편차 범위 내에 있습니다.
• 이는 특정 데이터 값이 얼마나 정상적인 범위에 속하는지, 또는 얼마나 벗어난 값인지를 통계적으로 판단하는 데 유용하게 사용됩니다. (예: 품질 관리, 특정 값의 이상치 탐지)

표본 오차와 신뢰 구간 | 조사 결과 읽기

불가피한 불확실성, 표본 오차

• 전체 집단(모집단)을 모두 조사하는 것은 현실적으로 어렵기 때문에, 일부(표본)를 추출하여 조사하고 그 결과를 통해 모집단 전체의 특성을 추정합니다.
• 표본 오차(Sampling Error)는 표본 조사 결과와 실제 모집단의 값 사이에 발생하는 불가피한 차이를 의미합니다. 어떤 표본이 추출되느냐에 따라 결과가 달라질 수 있기 때문입니다.
• 표본의 크기가 커질수록, 일반적으로 표본 오차는 줄어드는 경향이 있습니다. 여론조사 결과 발표 시 ‘표본오차 ± X%’ 와 같이 표기되는 것이 이 때문입니다.

신뢰 구간의 의미

• 신뢰 구간(Confidence Interval)은 표본 조사 결과를 바탕으로 실제 모집단의 값이 존재할 것으로 추정되는 범위를 나타냅니다.
• “신뢰수준 95%에서 신뢰 구간이 A ± B 이다” 라는 말은, 동일한 방식으로 100번의 표본 조사를 반복했을 때, 약 95번은 계산된 신뢰 구간 내에 실제 모집단의 참값이 포함될 것이라고 기대할 수 있다는 의미입니다.
• 신뢰 구간은 표본 조사의 결과가 얼마나 정밀한지를 보여주는 지표입니다. 예를 들어 ‘지지율 40%, 신뢰수준 95%에 표본오차 ±3%p’ 라면, 실제 지지율은 95% 확률로 37% ~ 43% 사이에 있을 것으로 추정합니다.

유효 숫자 | 측정값의 정밀도 표현

어디까지 믿을 수 있는 숫자인가?

• 유효 숫자(Significant Figures)는 측정값이나 계산값에서 신뢰할 수 있는 자릿수를 의미합니다. 측정 도구의 정밀도 한계나 계산 과정에서의 불확실성을 반영합니다.
• 0이 아닌 모든 숫자는 항상 유효합니다. (예: 123 에서 유효숫자는 3개)
• 숫자 사이의 0은 유효합니다. (예: 1002 에서 유효숫자는 4개)
• 소수점에서 맨 앞 0이 아닌 숫자 왼쪽에 있는 0은 유효하지 않습니다. (예: 0.012 에서 유효숫자는 ‘1’, ‘2’ 두 개)
• 소수점 이하 끝에 있는 0은 유효합니다. 측정의 정밀도를 나타내기 때문입니다. (예: 12.00 에서 유효숫자는 4개. 이는 소수점 둘째 자리까지 정밀하게 측정했음을 의미)
• 소수점이 없는 정수 끝의 0은 유효할 수도, 아닐 수도 있어 모호합니다. (예: 1200 에서 유효숫자가 2개인지, 3개인지, 4개인지 불분명. 과학적 표기법 1.2 x 10^3 (2개), 1.20 x 10^3 (3개), 1.200 x 10^3 (4개) 처럼 표현하여 명확히 함)

계산 결과에서의 유효 숫자

• 측정값을 이용한 덧셈/뺄셈 시에는 소수점 이하 자릿수가 가장 적은 측정값의 자릿수에 맞춰 결과값을 반올림합니다.
• 곱셈/나눗셈 시에는 계산에 사용된 값들 중 유효 숫자의 개수가 가장 적은 측정값의 유효 숫자 개수에 맞춰 결과값을 반올림합니다.
• 이는 부정확한 측정값으로 인해 계산 결과가 실제보다 더 정밀한 것처럼 보이는 것을 방지하기 위함입니다.

해리(Nautical Mile)와 노트(Knot) | 바다와 하늘의 단위

위도 1분을 기준으로 한 거리, 해리

• 해리(Nautical Mile, NM 또는 nmi)는 주로 항해 및 항공 분야에서 사용되는 거리 단위입니다.
• 원래 지구 표면에서 위도 1분(‘)에 해당하는 평균 자오선 호의 길이로 정의되었습니다. 지구는 완전한 구가 아니므로 위도에 따라 약간씩 차이가 있지만, 국제적으로 1 해리는 정확히 1,852미터(m)로 통일하여 사용합니다.
• 1 NM = 1,852 m = 1.852 km
• 육상 마일(Statute Mile, 약 1,609m)과는 다른 단위입니다. 지구의 경도선이나 위도선을 따라 이동 거리를 계산할 때 편리하기 때문에 해양 및 항공 차트에서 널리 사용됩니다.

시간당 해리 이동 속도, 노트

• 노트(Knot, kt 또는 kn)는 속도 단위로, 1시간(hour) 동안 1 해리(NM)를 이동하는 속도를 의미합니다.
• 1 kt = 1 NM / hour = 1,852 m / hour ≈ 0.514 m/s
• 선박이나 항공기의 속도를 나타내는 데 표준적으로 사용됩니다. 예를 들어, 배의 속도가 20 노트라면 시간당 20 해리, 즉 약 37 킬로미터(20 * 1.852 km)를 이동한다는 의미입니다.
• 이름의 유래는 과거 선박의 속도를 측정할 때, 일정한 간격으로 매듭(knot)을 지은 줄을 바다에 흘려보내며 일정 시간 동안 풀려나간 매듭의 수를 세었던 방식에서 비롯되었습니다.

이 글에서는 유용한 숫자 상식 10가지 | 도량형, 통계, 단위 이야기에 대해 알아보았습니다. 감사합니다.