PE Notes · 확률통계
통계적 가설검정과 유의수준
통계적 가설검정(Statistical Hypothesis Test): 모집단에 대한 주장(가설)이 맞는지를 표본 자료로 확률적으로 판단하는 절차
통계적 가설검정(Statistical Hypothesis Test): 모집단에 대한 주장(가설)이 맞는지를 표본 자료로 확률적으로 판단하는 절차. 귀무가설(H₀, Null Hypothesis): 차이·효과가 없다는 기본 가설(예: μ = 50).
구조와 칸
귀무가설 중심 논리: H₀를 "증명"하지 않고, 기각하거나 기각하지 못함(채택 ≠ 참 증명). 확률적 결론: 항상 오류 가능성 존재. α와 β의 상충: 표본 크기가 고정이면 α를 줄이면 β 증가. 통계적 유의성 ≠ 실무적 중요성: 표본이 크면 작은 차이도 유의 → 함께 보고.
| 실제 \ 판정 | H₀ 기각하지 않음 | H₀ 기각 |
|---|---|---|
| H₀ 참 | 올바른 판단(1 − α) | (α) — 거짓 양성 |
| H₀ 거짓 | 제2종 오류(β) — 거짓 음성 | 올바른 판단 = (1 − β) |
검정력(Power): 실제 효과가 있을 때 이를 찾아낼 확률 — 표본 크기·효과 크기·α가 클수록 증가, 일반적으로 0.8 이상 목표. ① 일표본 z-검정 (양측, α = 0.05). H₀: μ = 50, H₁: μ ≠ 50, 모표준편차 σ = 8, 표본 n = 64, 표본평균 x̄ = 52. z = (x̄ − μ₀) ÷ (σ ÷ √n) = (52 − 50) ÷ (8 ÷ 8) = 2.0.
제1종 오류 vs 제2종 오류
| 구분 | 양측 검정 | 단측 검정 |
|---|---|---|
| 대립가설 | μ ≠ μ₀ | μ > μ₀ 또는 μ < μ₀ |
| 기각역 | 양쪽 꼬리 각 α/2 | 한쪽 꼬리 α |
| 임계값(z, α = 0.05) | ±1.96 | 1.645 |
| 사용 | 방향을 모를 때 | 방향이 이론적으로 정해질 때 |
| 검정 | 용도 |
|---|---|
| z-검정 | 모분산을 알거나 대표본, 평균·비율 검정 |
| t-검정 | 모분산 모름·소표본 — 일표본·독립표본·대응표본 |
| 카이제곱(χ²) 검정 | 범주형 자료의 적합도·독립성 |
| 분산분석(ANOVA, F-검정) | 세 집단 이상 평균 비교 |
| 비모수 검정 | 정규성 가정 불가 — 맨-휘트니 U·윌콕슨·크러스컬-월리스 |
: 웹·앱 기능 변경의 전환율 차이 검정. 품질 관리: 공정 평균이 규격과 다른지 검정, 관리도. 의약품 임상시험: 신약 효과 검정(α·검정력 사전 설계).
답안은 통계적 가설검정과 유의수준의 정의, 칸, 비교 축을 한 장에 닫습니다.
기술사 답안 포인트
관련 용어
관련 토픽
확률통계
독립표본 t-검정 vs 대응표본 t-검정
서로 다른 두 집단의 독립표본 t와 같은 대상의 전후를 보는 대응표본 t를 가르고, 합동분산·자유도· Welch와 비모수 대안을 정리합니다.
AI
혼동행렬과 분류 지표
맞힌 것과 놓친 것을 칸으로 나눈 혼동행렬에서 정밀도·재현율·F1을 읽고, 불균형에서는 ROC보다 PR을, 다중 클래스에서는 Macro·Micro·Weighted를 고릅니다.
확률통계
등분산성과 다중공선성
잔차 분산이 예측값 수준마다 일정한 등분산성과, 설명변수끼리 강하게 겹치는 다중공선성을 가르고, OLS 가정·VIF·완화 수단을 정리합니다.