PE Notes · 확률통계
독립표본 t-검정 vs 대응표본 t-검정
독립표본 t-검정(Independent Samples t-test, 2-sample t-test): 서로 다른 두 집단(예: A반 vs B반, 실험군 vs 대조군)의 모평균이 같은지 검정 — 두 표본이 서로 독립
독립표본 t-검정(Independent Samples t-test, 2-sample t-test): 서로 다른 두 집단(예: A반 vs B반, 실험군 vs 대조군)의 모평균이 같은지 검정 — 두 표본이 서로 독립. 대응표본 t-검정(Paired Samples t-test): 같은 대상을 두 번 측정(전·후)하거나 짝지어진 쌍의 측정값 차이의 평균이 0인지 검정 — 차이값 dᵢ에 대한 일표본 t-검정과 같음.
구조와 칸
| 기준 | 독립표본 t-검정 | 대응표본 t-검정 |
|---|---|---|
| 대상 | 서로 다른 두 집단 | 같은 대상 전·후 또는 짝 |
| 검정 통계량 | (x̄₁ − x̄₂) ÷ SE | d̄ ÷ (s_d/√n) |
| 자유도 | n₁ + n₂ − 2(또는 Welch) | n − 1 |
| 개인차 | 오차에 포함 | 제거 |
| 검정력 | 상대적으로 낮음 | 높음 |
| 가정 | 정규성·독립성· | 차이의 정규성 |
| 비모수 대안 | ||
| 예(위 계산) | t ≈ 1.90 → 기각 못함 | t ≈ 4.74 → 기각 |
가설: H₀: μ₁ = μ₂, H₁: μ₁ ≠ μ₂. 등분산 가정(Student). s_p² = [(n₁ − 1)s₁² + (n₂ − 1)s₂²] ÷ (n₁ + n₂ − 2). t = (x̄₁ − x̄₂) ÷ [s_p × √(1/n₁ + 1/n₂)], df = n₁ + n₂ − 2.
독립표본 vs 대응표본 t-검정
| 기준 | Student(합동 분산) | Welch |
|---|---|---|
| 등분산 가정 | 필요 | 불필요 |
| 자유도 | n₁ + n₂ − 2 | 근사(보통 더 작음) |
| 권장 상황 | 분산·표본 크기 비슷 | 분산·표본 크기 다를 때(기본값으로도 권장) |
| 구분 | 독립표본 t-검정 | 대응표본 t-검정 |
|---|---|---|
| 자료 구조 | 두 집단, 각기 다른 대상 | 같은 대상의 두 측정(또는 짝) |
| 표본 크기 | n₁, n₂ 달라도 됨 | 쌍의 수 n(같아야 함) |
| 분석 대상 | 두 표본평균의 차이 x̄₁ − x̄₂ | 차이값의 평균 d̄ |
| 개인차 | 오차에 포함(분산 큼) | 개인차 제거(차이를 보므로) → 검정력 높음 |
| 자유도 | n₁ + n₂ − 2(등분산) 또는 Welch 근사 | n − 1 |
| 추가 가정 | 등분산성(아니면 Welch) | 차이값의 정규성 |
| 비모수 대안 | 맨-휘트니 U 검정 | 윌콕슨 부호 순위 검정 |
독립표본: A/B 테스트 평균 체류 시간 비교, 남녀·지역 간 평균 비교, 신약군 vs 위약군. 대응표본: 교육 전·후 점수, 다이어트 전·후 체중, 시스템 튜닝 전·후 응답 시간(같은 요청 세트), 같은 데이터셋에서 두 모델의 폴드별 정확도 비교. IT 운영: 패치 전·후 같은 서버의 성능 비교(대응), 서로 다른 서버군 비교(독립).
답안은 독립표본 t-검정 vs 대응표본 t-검정의 정의, 칸, 비교 축을 한 장에 닫습니다.
기술사 답안 포인트
관련 용어
관련 토픽
확률통계
중심극한정리/t-검정/z-검정 (대수의 법칙 포함)
대수의 법칙(Law of Large Numbers, LLN): 표본 크기 n이 커질수록 표본평균 x̄가 모평균 μ에 수렴한다는 정리 — 약한 법칙(확률 수렴)·강한 법칙(거의 확실한 수렴)
확률통계
통계적 가설검정과 유의수준
통계적 가설검정(Statistical Hypothesis Test): 모집단에 대한 주장(가설)이 맞는지를 표본 자료로 확률적으로 판단하는 절차
확률통계
등분산성(Homoscedasticity)/다중공선성(Multicollinearity)
등분산성(Homoscedasticity): 회귀분석에서 독립변수 값과 관계없이 오차(잔차)의 분산이 일정하다는 가정 — 반대는 이분산성(Heteroscedasticity)