보건행정 핵심 해설
이 문제는 보건통계학에서 가장 기본적이면서도 중요한
가설검정 방법 선택의 원칙을 묻고 있어요. 보건행정 현장에서는 설문조사 결과 분석, 의료 서비스 효과 비교, 정책 평가 등 다양한 상황에서 통계적 검정이 필요하므로, 그 원리를 정확히 이해하는 것이 필수적이에요.
핵심 개념 분석 (Key Concept): 문제의 핵심은 "정규분포를 따르는 모집단의 평균"을 검정할 때,
핵심! "표본 크기가 작을 때" 어떤 검정 방법을 사용해야 하는지입니다. 통계적 추론에서 모집단의 평균(μ)에 대한 검정은 크게 두 가지 방법이 있어요:
z-검정과
t-검정이죠. 이 둘을 구분하는 결정적인 기준은
① 표본 크기(n) ② 모집단의 표준편차(σ)를 알고 있는지 여부예요.
정답 근거 (Answer Rationale): 정답은 ②번 't-검정'입니다. 그 이유는 다음과 같은 통계학 원칙에 근거해요.
1.
핵심! t-검정은 표본 크기가 작고(
일반적으로 n < 30),
모집단의 표준편차(σ)를 알지 못할 때 사용합니다. 이때는 표본 데이터로부터 표준편차(s)를 추정하여 표준오차를 계산하고, 이를 바탕으로 검정 통계량(t)을 산출해요.
2. t-분포는 표본 크기가 작을수록 꼬리가 두꺼워지고(표준정규분포보다 더 퍼져 있음), 표본 크기가 커질수록 z-분포(표준정규분포)에 수렴하는 특징이 있어요. 따라서 소표본일 때는 불확실성을 고려한 t-검정이 더 적합합니다.
3. 문제 조건 "정규분포를 따르는 모집단"은 t-검정의 기본 가정(정규성 가정)이 충족됨을 의미하므로, t-검정 적용에 아무런 문제가 없어요.
오답 분석 (Distractor Analysis):
- ①번 '카이제곱 검정': 이는
혼동 주의! 평균이 아닌
분산을 검정하거나,
범주형 변수 간의 독립성/적합성을 검정할 때 사용하는 방법이에요. (예: 성별에 따른 흡연율 차이 검정, 주사위 눈금의 출현 빈도가 균등한지 검정)
- ③번 '비모수 검정': 이는 모집단의 분포에 대한 가정(예: 정규분포)을 하지 않는 검정 방법이에요. 문제에서 이미 "정규분포를 따른다"는 가정이 명시되어 있으므로, 더 강력한(검정력이 높은) 모수 검정인 t-검정을 사용하는 것이 적절해요. (예: Mann-Whitney U 검정, Wilcoxon 부호순위 검정)
- ④번 'F-검정': 이는 주로
두 개 이상의 집단 평균을 비교(분산분석, ANOVA)하거나,
두 집단의 분산이 동일한지 비교할 때 사용하는 검정이에요. 단일 모집단 평균이나 두 집단 평균의 차이를 검정하는 t-검정과는 목적이 달라요.
- ⑤번 'z-검정':
혼동 주의! 이는 표본 크기가 클 때(
대표본, 일반적으로 n ≥ 30)
중심극한정리에 의해 표본평균의 분포가 정규분포에 근사하거나,
모집단의 표준편차(σ)를 정확히 알고 있을 때 사용하는 검정이에요. 문제 조건은 "표본 크기가 작을 때"이므로 z-검정은 부적절합니다.
연관 개념 정리 (Related Concepts):
-
자유도(Degree of Freedom): t-검정에서 사용하는 t-분포의 형태를 결정하는 매개변수로, 일반적으로 표본 크기(n)에서 1을 뺀 값(n-1)입니다. 자유도가 클수록 t-분포는 표준정규분포에 가까워져요.
-
중심극한정리(Central Limit Theorem, CLT): 모집단의 분포가 어떻든 간에, 표본 크기가 충분히 크면 표본평균의 분포는 정규분포에 근사한다는 정리입니다. 이 때문에 대표본에서는 z-검정을 사용할 수 있어요.
개념 정리
| 검정 방법 | 주요 용도 | 사용 조건 / 특징 |
|---|
| t-검정 | 소표본의 평균 검정
(단일, 독립, 대응 표본) | • n이 작고, σ를 모를 때
• 정규성 가정 필요
• t-분포 사용 |
| z-검정 | 대표본의 평균 검정
또는 σ를 알 때 | • n이 크거나, σ를 알 때
• 중심극한정리 적용
• 표준정규분포 사용 |
| 카이제곱 검정 | 분산 검정, 적합도, 독립성 검정 | • 범주형 자료 분석
• 관측빈도 vs 기대빈도 비교 |
| F-검정 | 분산 비교, 분산분석(ANOVA) | • 두 집단 이상의 평균 비교
• 등분산성 검정 |
| 비모수 검정 | 분포 가정이 어려울 때 | • 정규성 가정 불필요
• 순위(rank) 기반 분석
• 검정력이 상대적으로 낮음 |
한눈에 비교!
| 비교 항목 | t-검정 | z-검정 |
|---|
| 표본 크기 | 소표본 (n < 30) | 대표본 (n ≥ 30) |
| 모표준편차(σ) | 알지 못함 → 표본으로 추정(s) | 알고 있거나, 대표본으로 추정 가능 |
| 이론적 근거 | 정규성 가정 | 중심극한정리 |
| 사용 분포 | t-분포 (자유도 n-1) | 표준정규분포 (z-분포) |
| 보건행정 적용 예 | 소규모 병동 간호사 만족도 비교, 신약 임상 1상 시험 결과 분석 | 대규모 지역주민 건강설문 결과 분석, 건강보험 대용량 데이터 분석 |
실무 포인트
보건행정 실무에서 통계 검정을 할 때는:
1.
데이터 특성 파악: 먼저 자료가 연속형(평균 검정)인지 범주형(비율/빈도 검정)인지 확인하세요.
2.
가정 확인: 연속형 자료라면 정규성 검정(Shapiro-Wilk 검정 등)과 등분산성 검정(Levene 검정 등)을 실시해 t-검정의 가정이 충족되는지 확인해야 해요.
3.
소프트웨어 활용: SPSS, R, SAS, Excel 등 통계 소프트웨어를 사용할 때는 분석 목적에 맞는 검정 방법을 메뉴에서 정확히 선택해야 합니다. (예: 독립표본 t-검정, 대응표본 t-검정, 일표본 t-검정)
암기 팁
-
"소t 대z":
핵심! 소표본은
t-검정, 대표본은
z-검정! 가장 간단한 암기법이에요.
-
"시그마 모르면 t를 써": 모표준편차 σ(시그마)를 모르면 t-검정을 사용한다고 연상하세요.
국시 빈출 포인트
보건의료정보관리사/병원행정사 시험에서는 t-검정과 z-검정의 구분이 단순 지식 확인형으로 매우 자주 출제됩니다. "표본 크기가 25일 때", "모표준편차를 알 수 없을 때"와 같은 조건을 정확히 읽고 구분하는 능력이 중요해요.
기출 변형 주의!
동일한 개념을 다음과 같이 변형하여 출제될 수 있어요:
-
사례형: "어느 보건소에서 20명의 주민을 대상으로 한 새로운 운동 프로그램의 혈압 강하 효과를 검정하려고 한다. 가장 적합한 통계 검정 방법은?" → 조건(소표본, 대응표본)을 추론하여
대응표본 t-검정을 선택해야 합니다.
-
역접형: "다음 중 z-검정을 사용하기에 가장 적절한 상황은?" → "대표본" 또는 "모표준편차를 알고 있는 경우"를 고르는 문제로 출제될 수 있어요.