표본크기 n=16, 표본평균=50, 표본표준편차=10일 때, 모평균에 대한 95% 신뢰구간을 구하기 위한 t 분포의 자유도는?

t 분포를 이용한 모평균 신뢰구간 계산 시, 자유도는 표본크기(n)에서 1을 뺀 값이다. 따라서 n=16일 때 자유도(df)는 16 - 1 = 15가 된다.

보건행정 핵심 해설 이 문제는 보건통계학에서 가장 기본적이면서도 중요한 개념인 신뢰구간(Confidence Interval) 추정의 기초를 묻고 있어요. 특히, 모집단의 표준편차를 모를 때 사용하는 t 분포(t-distribution)의 특성을 이해해야 해요. 핵심 개념 분석 (Key Concept) 모평균을 추정할 때, 우리는 보통 표본을 뽑아 표본평균을 계산해요. 이 표본평균이 얼마나 정확한지, 즉 모평균을 포함할 가능성이 높은 범위를 핵심! 신뢰구간이라고 해요. 이 구간을 계산하는 공식은 사용하는 분포에 따라 달라지는데, 모집단의 표준편차를 알면 정규분포(Z 분포)를, 모르면 t 분포를 사용해요. t 분포는 표본의 크기(n)에 따라 그 모양이 변하는 특징이 있어요. 이 '모양을 결정하는 값'이 바로 자유도(Degrees of Freedom, df)예요. 정답 근거 (Answer Rationale) 핵심! 모평균에 대한 신뢰구간을 t 분포로 구할 때, 자유도(df)는 표본크기(n)에서 1을 뺀 값이에요. 공식으로는 df = n - 1이죠. 이는 표본평균을 계산하는 과정에서 하나의 제약 조건이 생기기 때문이에요. 문제에서 표본크기 n=16이므로, 자유도는 16 - 1 = 15가 정답이에요. 오답 분석 (Distractor Analysis) 혼동 주의! 각 오답은 자주 하는 실수나 관련 없는 숫자를 넣어 혼란을 주는 전형적인 함정이에요.
① 10: 표본표준편차(s=10)의 값과 혼동할 수 있어요. 자유도는 표준편차 값이 아니라 표본크기에 의해 결정돼요.
② 50: 표본평균(50)의 값이에요. 평균값과 자유도는 직접적인 관련이 없어요.
③ 16: 표본크기(n) 그 자체예요. 가장 흔한 오답 유형으로, 자유도 공식(df = n-1)을 정확히 기억하지 못하면 n을 그대로 쓰는 실수를 하게 돼요.
⑤ 14: n-2 값을 제시하여 공식을 더 헷갈리게 만드는 함정이에요. 일부 다른 통계 검정(예: 회귀분석)에서의 자유도 계산법과 혼동할 수 있어요. 연관 개념 정리 (Related Concepts) * 신뢰구간 공식 (t 분포 사용 시): 표본평균 ± (t-값 * (표본표준편차 / √표본크기)) * Z 분포 vs t 분포: 모표준편차(σ)를 알면 Z 분포, 모르면 표본표준편차(s)로 추정해야 하므로 t 분포를 사용해요. t 분포는 표본이 작을수록 꼬리가 두꺼워져 불확실성이 반영돼요. * 자유도의 다른 예: 두 표본의 평균 비교(t-test) 시 자유도는 n1 + n2 - 2 가 될 수 있어요. 항상 상황에 맞는 공식을 적용해야 해요. 개념 정리

용어	의미	본 문제에서의 값/역할
표본크기 (n)	조사에 사용된 표본의 개체 수	16
자유도 (df)	통계량을 계산할 때 자유롭게 변할 수 있는 값의 수. t 분포의 형태 결정.	n - 1 = 15
t 분포	모표준편차를 모를 때, 소표본으로 모평균을 추정하는 데 사용하는 확률분포.	자유도 15에 해당하는 t-값을 신뢰구간 공식에 사용.
95% 신뢰구간	모평균이 이 구간 안에 있을 것이라고 95% 확신하는 범위.	자유도 15인 t 분포에서 95%에 해당하는 임계값(대략 ±2.131)을 찾아 계산.

한눈에 비교!

구분	Z 분포 (정규분포) 사용	t 분포 사용
사용 조건	모집단의 표준편차(σ)를 알고 있을 때	모집단의 표준편차(σ)를 모를 때 (표본표준편차 s로 추정)
표본 크기	대표본(n ≥ 30)일 때도 근사적으로 사용 가능	소표본(n < 30)일 때 필수, 대표본일 때도 사용 가능
자유도 개념	자유도 고려 없음 (단일 분포)	자유도(df = n-1)에 따라 분포 모양이 변함
보건연구 예시	전국민 건강검진 평균 수치(σ 알고 있음)와 지역 표본 비교	새로운 치료법의 효과를 소규모 임상시험으로 평가할 때

실무 포인트 보건행정이나 의료연구에서 설문조사 결과를 해석하거나, 병원 내 특정 지표(예: 평균 재원일수, 환자 만족도 점수)를 표본으로부터 추정할 때 이 개념이 직접 적용돼요. 예를 들어, 병원 16개 부서의 평균 만족도 점수를 바탕으로 전체 병원의 평균 만족도가 어느 범위에 있을지 95% 확신하며 보고할 수 있어요. 이때 사용하는 통계 프로그램(SPSS, R 등)에서 t-검정이나 신뢰구간 옵션을 선택하면, 프로그램이 자동으로 자유도(n-1)를 계산해줘요. 암기 팁 "티( t ) 나는 자유, 하나 덜어도( -1 ) 괜찮아!"
t 분포를 사용할 때는 자유도가 하나 줄어든다(n-1)는 점을 재미있게 연상해보세요. 국시 빈출 포인트 보건의료정보관리사/병원행정사 시험에서 통계 부분은 이 자유도 계산과 Z/t 분포 사용 조건 구분이 압도적으로 자주 출제돼요. 계산 자체는 간단하지만, 개념을 정확히 이해하지 못하면 함정 선택지에 걸리기 쉬워요. '표본크기 = 자유도'라는 오류를 특히 주의하세요! 기출 변형 주의! * 사례형: "어느 보건소에서 25명의 주민을 대상으로 혈압을 측정한 결과... 99% 신뢰구간을 구하려고 한다. 이때 사용할 t 분포의 자유도는?" → 답: 24 (n=25, df=25-1) * 역방향 질문: "모평균 신뢰구간 추정에 t 분포를 사용했을 때 자유도가 9였다. 표본크기는 얼마인가?" → 답: 10 (df = n-1 이므로, n = df + 1)

보건행정 실무 가이드 실무 시나리오 (Clinical Scenario) "병원 경영지원실에서 병상 가동률을 개선하기 위한 프로젝트를 진행 중이에요. 전국 상급종합병원(Tertiary care hospital)의 평균 병상 가동률은 78%로 알려져 있습니다(모표준편차 σ를 안다고 가정). 우리 병원은 자체적으로 12개 병동의 표본을 조사해 평균 82%, 표준편차 5%라는 결과를 얻었어요. 우리 병원의 가동률이 전국 평균보다 통계적으로 유의미하게 높다고 말할 수 있을까요? 이 분석에 어떤 통계 검정 방법과 자유도를 적용해야 할까요?" 행정 중재 전략 (Admin Intervention) 1. 상황 파악: 비교 대상(전국 평균)의 모수(표준편차)를 알고 있으므로, Z 검정을 사용할 수 있는 조건이에요. 하지만 우리 병원의 표본 표준편차만으로 비교하려면 t 검정을 고려해야 해요. 2. 법적/규정 검토: 통계적 의사결정에는 엄격한 방법론이 요구됩니다. 표본크기 n=12로 소표본이므로, 모표준편차를 정확히 알지 못한다면 핵심! t 검정(One-sample t-test)을 선택하는 것이 더 보수적이고 안전한 접근이에요. 3. 대응 및 처리: t 검정을 선택했다면, 자유도 df = n - 1 = 12 - 1 = 11을 계산합니다. 자유도 11에 해당하는 t 분포 임계값을 찾아 유의수준(예: 0.05)에서의 검정 통계량을 산출하고, 이를 표본 데이터로 계산한 t-값과 비교해 통계적 유의성을 판단합니다. 4. 사후 기록/보고: 분석 보고서에 "단일표본 t-검정(One-sample t-test)을 실시하였으며, 자유도는 11이었다"라고 명시해야 합니다. 이는 분석의 투명성과 재현성을 보장하는 중요한 부분이에요. 법적 안전 및 주의사항 (Precautions) 통계 결과를 근거로 한 병원 정책 결정(예: 병상 증설, 인력 재배치)은 막대한 자원이 투입되므로, 통계 방법의 오용(Misuse of Statistics)은 심각한 경영 실패로 이어질 수 있어요. 자유도나 검정 방법을 잘못 선택하면 잘못된 결론(1종 오류 또는 2종 오류)을 내릴 위험이 큽니다. 가능하다면 통계 전문가의 자문을 구하거나, 표본크기를 충분히 확보(n ≥ 30)하여 분석의 강건성(Robustness)을 높이는 것이 좋아요. 업무 프로토콜 통계 분석 시 자유도 결정 프로토콜 1. 질문 정의: 무엇을 비교하는가? (평균 비교, 비율 비교, 관계 분석 등) 2. 검정 방법 선택: t-검정, 카이제곱 검정, ANOVA 등 목적에 맞는 검정 선택. 3. 자유도 확인: 선택한 검정 방법의 자유도 계산 공식 적용. * 단일표본/대응표본 t-검정: df = n - 1 * 독립표본 t-검정: df = n1 + n2 - 2 * 카이제곱 적합도 검정: df = 범주 수(k) - 1 * 카이제곱 독립성 검정: df = (행 수 - 1) * (열 수 - 1) 4. 결과 해석: 계산된 검정 통계량과 해당 자유도에서의 임계값 또는 p-값을 비교하여 결론 도출. 선배의 한마디 "통계 숫자는 무섭게 느껴질 수 있지만, 보건행정의 합리적 의사결정을 위한 가장 강력한 도구예요! '자유도' 같은 개념은 처음에는 추상적일 수 있지만, '데이터가 자유롭게 움직일 수 있는 공간의 차원'이라고 생각해보세요. t 분포에서 자유도가 커질수록(표본이 커질수록) 정규분포에 가까워지는 것은, 더 많은 정보(데이터)가 불확실성을 줄여준다는 직관과도 연결되죠. 기초를 탄탄히 하면 연구 논문을 읽거나 병원 성과 지표를 분석할 때 훨씬 자신감이 생길 거예요!"