통계적 가설검정에서 제1종 오류(α)는?

제1종 오류는 귀무가설이 참인데도 이를 기각하여 대립가설을 채택하는 오류이며, 유의수준(α)로 표현된다.

핵심 해설 이 문제는 통계적 가설검정(Statistical hypothesis testing)의 핵심 개념인 두 가지 오류를 정확히 구분하는지를 묻고 있어요. 제1종 오류(Type I Error, α)는 "귀무가설이 참인데도 불구하고 기각하는 오류"를 말합니다. 쉽게 말해, "실제로는 효과가 없는데 효과가 있다고 잘못 결론 내리는 것"이에요. 이 오류를 범할 최대 허용 확률을 유의수준(Significance level)이라고 하며, 보통 α(알파)로 표기하고 0.05 또는 0.01을 기준으로 삼습니다. 정답 근거: 연구자가 설정한 유의수준 α는 "내가 이 검정에서 제1종 오류를 범할 확률을 이 정도까지만 허용하겠다"는 선언입니다. 예를 들어 α=0.05라면, 귀무가설이 참일 때 100번 중 5번은 우연히 귀무가설을 기각하는 결과가 나올 수 있다는 의미예요. 따라서 정답은 귀무가설이 참인데 기각하는 오류를 묘사한 3번입니다. 오답 분석: 혼동 주의! 2번 "귀무가설이 거짓인데 채택하는 오류"는 제2종 오류(Type II Error, β)에 대한 설명입니다. "실제로는 효과가 있는데 효과가 없다고 잘못 결론 내리는 것"이죠. 1번은 대립가설과 기각의 관계를 잘못 짝지은 혼동 사례입니다. 4번은 표본추출오차(Sampling error)와 관련된 개념이고, 5번은 측정오차(Measurement error)로 모두 가설검정의 두 오류와는 다른 차원의 오차입니다. 연관 개념 정리: 제1종 오류와 제2종 오류는 상충 관계(Trade-off)에 있어, α를 낮추면 β가 커지고, 표본 크기를 늘리면 두 오류를 동시에 줄일 수 있습니다. 검정력(Power, 1-β)은 "귀무가설이 거짓일 때 이를 올바르게 기각할 확률"로, 제2종 오류와 반대 개념이니 함께 기억해 두세요. 개념 정리

구분	제1종 오류 (α)	제2종 오류 (β)
정의	귀무가설이 참인데 기각	귀무가설이 거짓인데 채택
비유	효과가 없는데 있다고 판단	효과가 있는데 없다고 판단
관련 개념	유의수준(Significance level)	검정력(Power) = 1-β
통제 방법	연구자가 α값 직접 설정	표본 크기 증가로 감소

암기 팁 1종은 '참'을 버렸다고 외워 보세요. '참(True)'을 기각하니까 제1종! 반대로 2종은 '거짓'을 못 버렸다로 연결하면 혼동을 줄일 수 있습니다. '참기각'은 1종, '거짓채택'은 2종으로 핵심어만 떠올려도 답이 보입니다.

핵심 포인트 실제 적용 의미: 제1종 오류(α)와 제2종 오류(β)의 균형은 연구 설계와 결과 해석에서 매우 중요합니다. 신약 효과를 검증할 때 α를 지나치게 엄격하게(예: 0.01) 설정하면, 실제로 효과가 있는 약을 효과가 없다고 잘못 판단할(제2종 오류) 가능성이 커집니다. 반대로 α를 느슨하게(예: 0.10) 하면 효과 없는 약이 효과 있다고 잘못 시판될 위험(제1종 오류)이 증가합니다. 판단 사고 흐름: p값 계산 → α(보통 0.05)와 비교 → p < α이면 귀무가설 기각 → 이때 제1종 오류 가능성을 인지 → p ≥ α이면 귀무가설 채택 → 이때 제2종 오류 가능성을 인지. 이 흐름에서 핵심! 통계적으로 유의하다는 결론이 곧바로 임상적으로 의미있다는 뜻은 아니라는 점을 이해해야 합니다. 흔한 오류 및 주의사항: 혼동 주의! "p < 0.05니까 귀무가설을 기각한다"라는 결정은 제1종 오류가 5% 미만임을 뜻할 뿐, 제2종 오류가 작다는 보장이 전혀 없습니다. 특히 표본 크기가 작으면 검정력이 낮아져 제2종 오류 가능성이 커지므로, "통계적으로 유의하지 않다"는 결과를 "효과가 없다"로 바로 해석해서는 안 됩니다.