단일 모집단의 평균이 특정 값과 다른지 검정하고자 할 때, 모집단의 표준편차를 알고 있다면 사용하는 검정은?

모집단의 표준편차(분산)를 알고 있을 때, 표본 평균이 특정 값과 통계적으로 다른지 검정하는 방법은 일표본 z-검정이다. 모표준편차를 모를 때는 일표본 t-검정을 사용한다.

보건행정 핵심 해설 이 문제는 보건통계학에서 가장 기초적이면서도 중요한 가설검정(Hypothesis testing) 방법 선택 원리를 묻고 있어요. 특히, 핵심! 모집단의 표준편차를 알고 있는지 여부가 검정 방법을 결정하는 첫 번째 관문이죠. 핵심 개념 분석 (Key Concept) 문제는 "단일 모집단의 평균"을 검정하는 상황입니다. 즉, 하나의 표본 데이터를 가지고, 이 표본이 추출된 모집단의 평균(μ)이 우리가 가정한 특정 값(μ₀)과 같은지 다른지를 통계적으로 판단하려는 거예요. 이때 사용하는 검정 통계량(Test statistic)의 분포는 모집단의 분산(또는 표준편차) 정보를 어떻게 활용하느냐에 따라 달라집니다. 정답 근거 (Answer Rationale) 정답은 ① 일표본 z-검정(One-sample z-test)입니다. 그 이유는 문제 조건에 "모집단의 표준편차를 알고 있다"고 명시되어 있기 때문이에요. z-검정은 검정 통계량으로 z-값을 사용하며, 이 z-값은 표본평균, 가정된 모평균, 그리고 알려진 모표준편차를 이용해 계산합니다. z-값은 표준정규분포(Standard normal distribution)를 따르므로, 이 분포를 기준으로 p-값을 구해 가설을 검정하게 됩니다.
핵심! z-검정 사용의 전제 조건은 "모집단의 분산(σ²)을 알고 있다" 또는 "표본 크기가 충분히 커서 중심극한정리(Central Limit Theorem)에 의해 표본평균의 분포가 정규분포에 근사한다"는 것입니다. 문제는 전자의 조건을 직접 제시하고 있어요. 오답 분석 (Distractor Analysis) 혼동 주의! 다른 선택지들은 조건이나 검정 목적이 다르기 때문에 오답입니다.
② 독립표본 t-검정(Independent samples t-test): 두 개의 독립된 모집단에서 추출한 표본의 평균을 비교할 때 사용합니다. (예: 남성과 여성의 평균 혈압 비교) 단일 모집단이 아니므로 조건 불일치.
③ 카이제곱 적합도 검정(Chi-square goodness-of-fit test): 범주형 자료(Categorical data)의 관찰빈도가 기대빈도와 맞는지(적합한지) 검정할 때 사용합니다. (예: 혈액형 분포가 이론적 비율과 같은지) 평균을 검정하는 문제가 아니므로 완전히 다른 검정법입니다.
④ 대응표본 t-검정(Paired samples t-test): 동일한 대상에게 처치 전후를 측정하는 등 쌍을 이루는(Paired) 두 표본의 평균 차이를 검정할 때 사용합니다. (예: 다이어트 전후 체중 비교) 역시 단일 표본이 아닌 두 표본(쌍)을 다루므로 조건 불일치.
⑤ 일표본 t-검정(One-sample t-test): 이 검정은 모집단의 표준편차를 모를 때 사용합니다. 표본표준편차(s)로 모표준편차(σ)를 추정하여 t-통계량을 계산하며, 이는 자유도가 n-1인 t-분포를 따릅니다. 문제 조건과 정반대이므로 오답입니다. 연관 개념 정리 (Related Concepts) - z-검정 vs t-검정: 가장 혼동하기 쉬운 쌍입니다. 결정 요인은 "모분산을 아는가?"입니다. 알면 z, 모르면 t를 기본으로 생각하세요. 다만, 표본 크기가 매우 크면(일반적으로 n>30) 표본표준편차가 모표준편차의 좋은 추정치가 되어 t-검정 결과가 z-검정에 근사하게 됩니다. - 검정력(Power): 동일한 조건에서 일반적으로 z-검정이 t-검정보다 검정력이 약간 높습니다. 모수를 더 정확히 알고 있기 때문이에요. 개념 정리

검정 방법	사용 조건	검정 통계량	적용 예시
일표본 z-검정	단일 모집단 평균 검정, 모표준편차 알림	z = (x̄ - μ₀) / (σ/√n)	공장에서 생산되는 부품 길이 평균이 규격값과 같은지 (과거 데이터로 σ를 알고 있음)
일표본 t-검정	단일 모집단 평균 검정, 모표준편차 모름	t = (x̄ - μ₀) / (s/√n)	새로운 혈압약 복용 후 환자군의 평균 혈압이 정상값과 다른지 (σ를 모름)
독립표본 t-검정	두 독립 모집단의 평균 비교	두 표본의 평균 차이를 표준오차로 나눔	남성과 여성의 평균 체중 비교
대응표본 t-검정	쌍을 이룬 두 표본의 평균 차이 검정	쌍별 차이의 평균을 그 표준오차로 나눔	운동 프로그램 전후의 근력 측정값 비교

한눈에 비교!

비교 항목	z-검정	t-검정
가정	모분산(σ²)을 알고 있음	모분산을 모름 (표본분산 s²으로 추정)
통계량 분포	표준정규분표 (N(0,1))	t-분포 (자유도에 따라 모양 변화)
표본 크기 영향	표본 크기와 무관하게 사용 가능 (조건 충족 시)	표본 크기가 작을수록 t-분포가 정규분포보다 꼬리가 두꺼움
보건통계 적용	대규모 인구조사 데이터, 표준화된 검사 도구의 규준 비교	대부분의 의학 연구, 임상시험 (모분산을 알기 어려움)

실무 포인트 보건행정이나 의학연구에서 진짜 모집단 표준편차를 아는 경우는 생각보다 드물어요. 대부분 t-검정을 사용합니다. z-검정은 주로 다음과 같은 상황에서 적용됩니다: 1. 표준화된 검사: IQ 테스트, 특정 생리 지표 등 이미 모집단의 표준편차가 잘 확립된 도구를 사용할 때. 2. 대규모 데이터베이스 분석: 전국민 건강검진 자료처럼 모집단에 가까운 매우 큰 표본을 다룰 때, 표본표준편차를 모표준편차의 추정치로 신뢰할 수 있어 z-검정을 사용하기도 합니다. 3. 품질 관리(Quality Control): 공정의 표준편차가 오랜 기간 동안 안정적으로 알려진 제조업 분야에서 더 흔히 쓰입니다. 암기 팁 - z는 알고(Know) t는 몰라(Don't know): 모표준편차를 알면 z-검정, 모르면 t-검정. - 일(一) vs 다(多): "일표본"은 하나의 표본, "독립/대응표본"은 두 개 이상의 표본을 비교한다고 생각하세요. 국시 빈출 포인트 통계학 파트는 개념 이해를 바탕으로 한 검정 방법 선택 문제가 매우 자주 출제됩니다. "단일 모집단 평균 검정"은 기본 중의 기본이니, 모표준편차 알림/모름에 따라 z와 t를 확실히 구분할 수 있어야 해요. 또한 "두 집단 비교", "범주형 자료 분석" 등 다른 검정법의 사용 조건도 함께 묻는 경우가 많습니다. 기출 변형 주의! 이 개념은 다음과 같이 변형되어 출제될 수 있어요: - 사례형: "어느 병원에서 신약의 효과를 검증하기 위해 환자 25명의 혈압 강하량을 측정하였다. 모집단의 표준편차는 알려져 있지 않다. 이때 사용해야 할 적절한 검정 방법은?" → 정답: 일표본 t-검정. - 역방향 질문: "일표본 z-검정을 사용하기 위한 전제 조건으로 옳은 것은?" → 정답: 모집단의 표준편차를 알고 있다.

보건행정 실무 가이드 실무 시나리오 (Clinical Scenario) 보건소에서 새로운 지역주민 건강증진 프로그램(예: 걷기 캠페인)의 효과를 평가하려고 합니다. 프로그램 참여자 50명의 프로그램 시작 전과 3개월 후의 평균 걸음 수를 비교하고 싶습니다. 또한, 이 프로그램 참여자의 평균 걸음 수가 국가 권장 일일 걸음 수 기준(10,000걸음)과 통계적으로 차이가 있는지도 알아보고자 합니다. 보건행정 담당자로서 어떤 통계 검정 방법을 선택해야 할까요? 행정 중재 전략 (Admin Intervention) 1. 상황 파악: 두 가지 분석 목표가 있습니다. (A) 프로그램 전후 비교(쌍을 이룬 데이터), (B) 프로그램 후 결과를 국가 기준과 비교(단일 표본 평균 검정). 2. 법적/규정 검토: 통계적 방법 선택에는 법규보다는 과학적 원칙이 적용됩니다. 목표별로 적합한 검정법을 선택해야 보고서의 신뢰성을 확보할 수 있습니다. 3. 대응 및 처리: - 분석 (A): 핵심! 동일한 50명의 전후 데이터이므로, 이는 대응표본 t-검정(Paired samples t-test)을 사용해야 합니다. - 분석 (B): 프로그램 후의 50명 평균 걸음 수(하나의 표본 평균)를 국가 기준(10,000걸음)이라는 특정 값과 비교합니다. 이때 모집단(전국민)의 걸음 수 표준편차를 알고 있을 리 없습니다. 따라서 일표본 t-검정(One-sample t-test)을 사용해야 합니다. 4. 사후 기록/보고: 효과 평가 보고서에 사용한 검정 방법과 그 선택 근거(예: "모분산을 알 수 없어 t-검정 사용")를 명시해야 합니다. p-값과 함께 결과를 해석하여 프로그램의 유효성을 입증하거나 개선 방향을 제시합니다. 법적 안전 및 주의사항 (Precautions) 통계 분석에서 가장 큰 주의사항은 검정 방법의 오용(Misuse)입니다. 잘못된 검정법을 사용하면 통계적 유의성에 대한 잘못된 결론(1종 오류 또는 2종 오류)을 내릴 수 있어, 프로그램 평가나 정책 결정에 치명적인 오류를 초래할 수 있습니다. 데이터의 특성(연속형/범주형, 독립/대응, 모분산 알림/모름)을 꼼꼼히 확인하는 습관이 필요해요. 업무 프로토콜 통계 검정 방법 선택 체크리스트 1. **무엇을 비교하는가?** - 단일 평균 vs 특정 값? → 일표본 z/t 검정 후보. - 두 집단의 평균? → 독립표본 t-검정 후보. - 전후 비교? → 대응표본 t-검정 후보. - 비율이나 빈도 비교? → 카이제곱 검정 후보. 2. **데이터의 성질은?** - 연속형 자료인가? 범주형 자료인가? - 표본이 독립적인가? 쌍을 이루는가? 3. **가정 조건은 충족하는가?** - (t-검정 시) 정규성 가정은 어느 정도 만족하는가? (표본 크기가 크면 엄격하지 않음) - (독립표본 t-검정 시) 두 집단의 분산이 동일한가? (Levene's 검정 등으로 확인) 4. **최종 검정법 선택 및 실행** 선배의 한마디 "통계는 보건행정의 언어이자 도구예요. 복잡한 공식보다 먼저 '내가 무엇을 알고 싶은지'를 명확히 하는 것이 중요해요. '비교'라는 행위의 주체와 대상을 머릿속에 그린 다음, z와 t의 차이 같은 기본기를 탄탄히 하면, 연구 보고서를 읽거나 프로그램을 평가할 때 훨씬 자신감이 생길 거예요!"