가설 검정 계산기: z-검정과 t-검정을 손으로 계산하는 방법
가설 검정 계산기는 표본 데이터가 모집단에 대한 주장을 기각할 만큼 충분히 강한 증거를 제공하는지 확인하는 도구로, 귀무가설과 대립가설을 하나의 검정통계량과 유의수준에 비교할 수 있는 p-값으로 변환해 줍니다. 공장의 평균 충전 중량이 달라졌는지, 새로운 교수법이 실제로 시험 점수를 높이는지, 웹사이트 리뉴얼이 정말로 전환율을 높였는지를 묻는 과제를 만나면 학생들은 가설 검정 계산기를 찾게 됩니다. 이 가이드는 가설 검정의 z-검정과 t-검정 방식을 기초부터 세우고, 일표본 z-검정과 t-검정의 완전한 풀이 예제를 단계별로 살펴보며, 단측 검정과 양측 검정, 임계값, p-값, 제1종 및 제2종 오류를 설명합니다. 그래서 계산기의 출력을 신뢰하기 전에 가설 검정 계산기가 정확히 무엇을 계산하고 있는지 이해할 수 있습니다.
목차
가설 검정 계산기란 무엇인가요?
가설 검정 계산기는 표본 데이터, 주장된 모집단 값, 유의수준을 입력받아 검정통계량과 p-값, 그리고 그 주장을 기각할지에 대한 판단을 돌려줍니다. 모든 가설 검정은 서로 경쟁하는 두 진술에서 시작합니다. 기존 주장이나 현상 유지를 나타내는 귀무가설(H0), 그리고 실제로 참일 수 있다고 의심하는 내용을 나타내는 대립가설(Ha)입니다. 가설 검정 계산기는 결코 H0가 참임을 증명하지 않습니다. 표본 증거가 H0를 기각하고 Ha를 택할 만큼 충분히 강한지, 아니면 그런 결론을 정당화하기에는 너무 약한지를 측정할 뿐입니다.
가설 검정은 결코 귀무가설이 참임을 증명하지 않습니다. 표본 증거가 그것을 기각할 만큼 충분히 강한지만 판단할 뿐입니다.
가설 검정 계산기는 z-검정과 t-검정을 어떻게 구분하나요?
모든 가설 검정 계산기는 동일한 핵심 입력값, 즉 주장된 모집단 값, 표본 통계량, 산포의 측도, 표본 크기를 필요로 합니다. 하지만 어떤 공식을 사용할지는 한 가지 핵심 사실, 즉 모집단 표준편차를 알고 있는지 여부에 달려 있습니다.
1. 모집단 표준편차(σ)를 알고 있을 때는 z-검정을 사용합니다
이는 주장에 과거 자료나 이론에서 온 σ가 함께 주어질 때 해당하며, 대개 대규모 기존 데이터셋에서 나옵니다. 예를 들어 제품 중량에 대해 수년치 품질관리 기록을 보유한 제조업체가 그렇습니다. 검정통계량: z = (x̄ − μ0) ÷ (σ ÷ √n), 여기서 x̄는 표본평균, μ0는 주장된 모평균, n은 표본 크기입니다.
2. 표본 표준편차(s)만 알고 있을 때는 t-검정을 사용합니다
모집단 표준편차를 미리 아는 경우는 드물기 때문에, 현실에서는 이 상황이 훨씬 더 흔합니다. 검정통계량: t = (x̄ − μ0) ÷ (s ÷ √n), 자유도는 df = n − 1입니다. t-분포는 표본이 작을 때 정규분포보다 더 넓고 평평해서 유의성에 도달하기가 더 어렵습니다. 이는 표본 자체에서 σ를 추정하는 데 따르는 추가 불확실성에 대한 내장된 페널티입니다.
3. 그래도 손 계산 방법을 익혀야 하는 이유
과제와 시험은 거의 언제나 전체 과정을 요구합니다. H0와 Ha를 진술하고, 검정통계량을 항 단위로 계산하며, 이를 임계값이나 p-값과 비교하는 것이지 최종 소수 하나만 쓰는 것이 아닙니다. 가설 검정 계산기는 답을 확인하는 데 가장 빠르지만, 실제로 점수를 얻고 신뢰구간이나 분산분석 같은 이후 주제에 필요한 직관을 길러 주는 것은 아래의 손 계산 단계입니다.
일표본 z-검정은 단계별로 어떻게 계산하나요?
알려진 모집단 표준편차로 확인할 수 있는 주장을 사용한 완전한 풀이 예제입니다.
1. 가설을 세우고 데이터를 수집합니다
한 시리얼 회사가 자사 상자에 평균 500 g이 들어 있다고 주장하고, 과거 품질관리 데이터는 모집단 표준편차가 σ = 12 g임을 보여 줍니다. 품질 검사관이 n = 36개 상자를 표집해 표본평균 x̄ = 495 g을 얻었습니다. H0: μ = 500 (평균 충전 중량이 주장과 일치한다). Ha: μ ≠ 500 (평균 충전 중량이 주장과 다르다). 관심사는 과소 충전만이 아니라 모든 방향의 이탈이므로 양측 검정입니다. α = 0.05에서 검정합니다.
2. z 검정통계량을 계산합니다
z = (x̄ − μ0) ÷ (σ ÷ √n) = (495 − 500) ÷ (12 ÷ √36) = −5 ÷ (12 ÷ 6) = −5 ÷ 2 = −2.5.
3. 임계값과 p-값을 구합니다
α = 0.05의 양측 검정에서 임계 z-값은 ±1.96입니다. p-값은 2 × P(Z ≤ −2.5) = 2 × 0.0062 ≈ 0.0124입니다.
4. 결론을 내리고 해석합니다
|z| = 2.5가 1.96을 넘으므로(동등하게 p ≈ 0.0124가 α = 0.05보다 작으므로) H0를 기각합니다. 표본은 평균 충전 중량이 주장된 500 g과 다르다는 통계적으로 유의한 증거를 제공합니다. 가설 검정 계산기도 동일한 z = −2.5와 p ≈ 0.0124를 즉시 돌려주겠지만, 이제는 중간 계산값 하나하나를 직접 검증할 수 있습니다.
z = (x̄ − μ0) ÷ (σ ÷ √n). x̄ = 495, μ0 = 500, σ = 12, n = 36일 때 z = −2.5이며, 크기가 임계값 1.96을 넘으므로 H0를 기각합니다.
일표본 t-검정은 단계별로 어떻게 계산하나요?
모집단 표준편차를 모를 때도 과정은 거의 동일하지만, 정규분포 대신 표본 표준편차와 t-분포를 사용합니다.
1. 가설을 세우고 데이터를 수집합니다
한 과외 업체가 자사 프로그램이 시험 점수를 평균 8점 넘게 올린다고 주장합니다. n = 15명의 학생 표본에서 평균 향상은 x̄ = 8.9점, 표본 표준편차는 s = 2.1점입니다. H0: μ = 8 (실제 평균 향상은 8점이다). Ha: μ > 8 (실제 평균 향상은 8점보다 크다). 업체가 8점을 초과하는 향상만 주장하므로 단측(우측) 검정입니다. α = 0.05에서 검정합니다.
2. t 검정통계량을 계산합니다
t = (x̄ − μ0) ÷ (s ÷ √n) = (8.9 − 8) ÷ (2.1 ÷ √15) = 0.9 ÷ (2.1 ÷ 3.873) = 0.9 ÷ 0.5422 ≈ 1.660.
3. 임계값과 p-값을 구합니다
자유도: df = n − 1 = 15 − 1 = 14. df = 14에서 α = 0.05의 단측 검정 임계 t-값은 약 1.761입니다. df = 14에서 t ≈ 1.660을 찾아보면 단측 p-값은 대략 0.059입니다.
4. 결론을 내리고 해석합니다
t ≈ 1.660이 임계값 1.761을 넘지 못하므로(동등하게 p ≈ 0.059가 α = 0.05보다 크므로) H0를 기각하지 못합니다. 이 15명 표본은 실제 평균 향상이 8점을 초과한다는 것을 5% 유의수준에서 충분히 강하게 뒷받침하지 못합니다. 표본평균 8.9만 놓고 보면 유망해 보이더라도 마찬가지입니다.
t = (x̄ − μ0) ÷ (s ÷ √n). x̄ = 8.9, μ0 = 8, s = 2.1, n = 15일 때 df = 14에서 t ≈ 1.660이며, 임계값 1.761보다 작으므로 H0를 기각하지 못합니다.
단측 검정과 양측 검정의 차이는 무엇인가요?
단측 검정과 양측 검정 사이의 선택은 전적으로 대립가설이 어떻게 서술되었는지에 달려 있으며, 이를 잘못 고르면 임계값과 결론이 모두 달라집니다.
1. 양측 검정은 모든 방향의 차이를 확인합니다
Ha: μ ≠ μ0는 기각역을 분포의 양쪽 꼬리로 나누므로, 어느 방향의 증거(너무 크거나 너무 작거나)든 H0 기각으로 이어질 수 있습니다. 위의 시리얼 상자 예제는 과다 충전이든 과소 충전이든 어느 방향의 이탈도 검사관에게 중요하기 때문에 양측 검정입니다.
2. 단측 검정은 특정 한 방향의 차이를 확인합니다
Ha: μ > μ0 또는 Ha: μ < μ0는 기각역 전체를 한쪽 꼬리에 몰아넣습니다. 그 방향에서는 유의성에 도달하기가 더 쉬워지지만, 반대 방향의 증거는 아무리 극단적이어도 결코 H0 기각으로 이어질 수 없습니다.
3. 풀이 예제: 좌측 z-검정
한 제조업체가 자사 전구가 평균 최소 1000시간 지속된다고 주장하며, 알려진 σ = 50시간입니다. n = 40개 전구 표본의 평균 수명은 x̄ = 985시간입니다. H0: μ = 1000. Ha: μ < 1000 (관심사가 주장보다 짧게 가는 전구이므로 좌측 검정). z = (985 − 1000) ÷ (50 ÷ √40) = −15 ÷ 7.906 ≈ −1.897. α = 0.05의 좌측 임계값은 −1.645입니다. z ≈ −1.897이 −1.645보다 더 극단적이므로(p ≈ 0.0289 < 0.05) H0를 기각합니다. 표본은 전구가 주장된 1000시간보다 평균적으로 짧게 지속됨을 시사합니다.
양측 검정은 α를 양쪽 꼬리에 나누고(α = 0.05에서 ±1.96), 단측 검정은 α 전부를 한쪽 꼬리에 둡니다(α = 0.05에서 ±1.645). 그래서 예측한 방향에서만 효과를 더 쉽게 찾아냅니다.
제1종 오류와 제2종 오류란 무엇이며, 왜 중요한가요?
어떤 가설 검정도 완전히 확실하지는 않으며, 검정이 틀릴 수 있는 두 가지 방식을 이해하는 것은 검정통계량을 정확히 계산하는 것만큼이나 중요합니다.
1. 제1종 오류: 참인 H0를 기각하기
제1종 오류는 H0가 실제로 참인데도 검정이 H0를 기각할 때 발생하는 거짓 양성입니다. 시리얼 상자 예제에서 제1종 오류는 평균 충전 중량이 실제로는 변하지 않았는데 500 g에서 벗어났다고 결론 내리는 것을 뜻합니다. 제1종 오류의 확률은 유의수준 α와 같습니다. α = 0.05를 선택한다는 것은 이런 종류의 거짓 경보를 최대 5%까지 감수하겠다는 의미입니다.
2. 제2종 오류: 거짓인 H0를 기각하지 못하기
제2종 오류는 H0가 실제로 거짓인데도 검정이 H0를 기각하지 못할 때 발생하는 탐지 실패입니다. 과외 프로그램 예제에서 제2종 오류는 프로그램이 실제로는 점수를 8점 넘게 올리는데도 그렇지 않다고 결론 내리는 것을 뜻합니다. 표본 크기 15가 실제로 존재하지만 크지 않은 효과를 탐지하기에 너무 작았기 때문일 수 있습니다. 제2종 오류의 확률은 β로 표기하며, 1 − β를 검정력이라고 부릅니다.
3. 두 오류 유형 사이의 상충 관계
제1종 오류 가능성을 줄이려고 α를 낮추면(예: 0.05에서 0.01로) 검정이 더 보수적이 되고, 그 대신 제2종 오류의 가능성이 높아집니다. 두 오류율을 동시에 낮추는 가장 좋은 방법은 대체로 표본 크기를 늘리는 것입니다. n이 커지면 표준오차가 줄어들어 α를 느슨하게 하지 않고도 실제 효과를 더 쉽게 탐지할 수 있습니다.
제1종 오류: 참인 H0를 기각하는 것(거짓 경보), 확률은 α. 제2종 오류: 거짓인 H0를 기각하지 못하는 것(놓친 효과), 확률은 β.
가설 검정 계산기를 쓸 때 피해야 할 실수는 무엇인가요?
다음 실수들은 손으로 계산하든 나중에 가설 검정 계산기로 확인하든 상관없이 채점되는 통계 과제에서 끊임없이 나타납니다.
1. σ를 모르는데 z-검정을 쓰기
모집단 표준편차가 직접 주어지지 않았다면(그리고 대규모 과거 데이터셋에서 가정할 수도 없다면) 대신 표본 표준편차를 사용하는 t-검정을 쓰세요. 표본 표준편차를 z-공식에 대입하면 실제 불확실성을 과소평가하게 되며, 특히 작은 표본에서 그렇습니다.
2. 꼬리 방향을 잘못 고르기
Ha를 주장의 실제 표현과 맞추는 것이 중요합니다. '보다 크다' 또는 '이상으로'는 우측 검정, '보다 작다'는 좌측 검정, '다르다' 또는 '같지 않다'는 양측 검정을 뜻합니다. 단측 주장에 양측 임계값을 쓰거나 그 반대로 하면 임계값과 결론이 모두 달라집니다.
3. p-값을 H0가 참일 확률로 잘못 읽기
작은 p-값은 H0가 참이라면 관측된 데이터가 나타나기 어렵다는 뜻이지, H0 자체가 참이거나 거짓일 확률을 직접 말해 주지 않습니다. 결론을 쓸 때는 조건부 표현('H0가 참일 때 이 데이터가 나올 확률')을 염두에 두세요.
4. '기각하지 못함'을 '참으로 증명됨'으로 취급하기
H0를 기각하지 못했다는 것은 표본이 그것에 반하는 충분한 증거를 제공하지 못했다는 의미일 뿐, 결코 H0가 참임을 증명하지 않습니다. 더 큰 표본이나 다른 표본이라면 동일한 모집단에 대해 H0를 기각하게 될 수도 있습니다.
풀이가 있는 가설 검정 연습 문제
다음 세 문제를 쉬운 것부터 어려운 순서로 풀어 보세요. 풀이를 읽기 전에 각각 직접 시도한 다음, 제시된 단계와 자신의 설정을 비교해 보세요.
1. 문제 1 (초급): 양측 z-검정
한 주스 회사가 자사 병이 평균 16 oz라고 주장하며, 알려진 모집단 표준편차는 σ = 0.5 oz입니다. n = 25병 표본의 평균은 15.8 oz입니다. α = 0.05에서 실제 평균이 16 oz와 다른지 검정하세요. 풀이: z = (15.8 − 16) ÷ (0.5 ÷ √25) = −0.2 ÷ 0.1 = −2.0. α = 0.05(양측)의 임계값은 ±1.96입니다. |z| = 2.0 > 1.96이므로 H0를 기각합니다. p ≈ 2 × (1 − 0.9772) = 0.0456으로 0.05보다 작아 같은 결론을 확인해 줍니다.
2. 문제 2 (중급): 단측 t-검정
한 피트니스 앱이 사용자가 세션당 평균 300칼로리 넘게 소모한다고 주장합니다. n = 20회 세션 표본에서 x̄ = 310칼로리, s = 25칼로리입니다. α = 0.05에서 우측 검정하세요. 풀이: t = (310 − 300) ÷ (25 ÷ √20) = 10 ÷ 5.590 ≈ 1.789. df = 19이고, α = 0.05(단측)의 임계 t-값은 약 1.729입니다. t ≈ 1.789 > 1.729이므로 H0를 기각합니다. 표본은 평균 소모 칼로리가 300을 초과한다는 주장을 뒷받침하며 p ≈ 0.045입니다.
3. 문제 3 (고급): 더 엄격한 α의 양측 t-검정
한 카페가 평균 대기 시간이 4분이라고 주장합니다. n = 10명 고객 표본에서 x̄ = 4.6분, s = 0.9분입니다. α = 0.01에서 실제 평균 대기 시간이 4분과 다른지 검정하세요. 풀이: t = (4.6 − 4) ÷ (0.9 ÷ √10) = 0.6 ÷ 0.2846 ≈ 2.108. df = 9이고, α = 0.01(양측)의 임계 t-값은 약 ±3.250입니다. |t| ≈ 2.108이 3.250보다 작으므로(p ≈ 0.064로 0.01을 훨씬 웃돎) H0를 기각하지 못합니다. 이 표본은 실제 평균 대기 시간이 4분과 다르다는 것을 1% 수준에서 충분히 강하게 뒷받침하지 못합니다.
학생들이 가설 검정 계산기에 대해 또 무엇을 묻나요?
가설 검정 과제와 시험 준비 과정에서 가장 자주 나오는 질문들입니다.
1. 가설 검정 계산기에서 z-검정과 t-검정의 차이는 무엇인가요?
z-검정은 알려진 모집단 표준편차를 요구하며 정규분포를 사용합니다. t-검정은 대신 표본 표준편차를 사용하고 t-분포에 의존하는데, 이 분포는 σ를 추정하는 데 따르는 추가 불확실성을 반영해 작은 표본에서 더 넓습니다. 표본 크기가 커지면(대략 n ≥ 30) t-분포는 정규분포에 가까워지고, 두 검정은 거의 동일한 결과를 냅니다.
2. 가설 검정 계산기가 평균 대신 비율로도 작동하나요?
네. 일표본 비율 z-검정은 같은 논리를 따르지만 z = (p̂ − p0) ÷ √[p0(1 − p0) ÷ n]을 사용해, 표본평균과 모평균을 비교하는 대신 표본비율 p̂를 주장된 모비율 p0와 비교합니다.
3. 'H0를 기각하지 못함'은 'H0를 채택함'과 같은 뜻인가요?
아닙니다. H0를 기각하지 못했다는 것은 표본이 그 주장을 기각할 만큼 충분한 증거를 제공하지 못했다는 뜻이며, 결코 주장이 참임을 증명하지 않습니다. 통계학자들은 이런 이유로 'H0를 채택한다'는 표현을 일부러 피하고 '기각하지 못한다'를 고수합니다.
4. 가설 검정의 유의수준(α)은 어떻게 고르나요?
α = 0.05는 대부분의 수업에서 표준 기본값으로, 제1종 오류율과 제2종 오류율 사이에서 균형을 잡습니다. 임상 약물 시험처럼 거짓 양성의 대가가 특히 큰 분야에서는 더 엄격한 α = 0.01을 자주 쓰고, 일부 탐색적 연구에서는 더 관대한 α = 0.10을 씁니다.
가설 검정 과제에 더 많은 도움 받기
H0와 Ha를 세우고, z-검정과 t-검정 중에서 고르며, 검정통계량을 임계값이나 p-값과 비교하는 일이 익숙해지면 가설 검정 문제는 알 수 없는 공식이 아니라 꼼꼼한 설정의 문제가 됩니다. 시험에서는 주장의 표현만 보고 어느 쪽이 해당하는지 알아보기를 요구하는 경우가 많으므로, 단측 문제와 양측 문제를 섞어 연습하세요. 특정 문제의 설정에서 막히거나 손 계산을 다시 확인하고 싶다면, Solvify의 단계별 풀이 도구가 이 가이드에서 보여 준 것과 같은 공식(검정통계량, 임계값 또는 p-값, 최종 결론)을 그대로 따라가 주므로 자신의 설정이 정확히 어디서 어긋났는지 확인할 수 있습니다.
가설 검정 계산기를 꺼내기 전에 H0, Ha, 그리고 단측인지 양측인지를 적어 두세요. 이 하나의 결정이 임계값과 결론을 모두 좌우합니다.
관련 게시물
관련 수학 풀이
단계별 풀이
가설 검정의 모든 단계를 명시적으로 확인하세요. 검정통계량, 임계값 또는 p-값, 그리고 최종 결론까지.
스마트 스캔 솔버
가설 검정 문제를 사진으로 찍으면 완전한 풀이를 즉시 받아 볼 수 있습니다.
AI 수학 튜터
z-검정, t-검정, p-값, 제1종·제2종 오류에 대해 이해될 때까지 후속 질문을 해 보세요.