보건행정 핵심 해설
이 문제는 보건통계학에서 가장 기본적이면서도 중요한 개념인
모비율(모집단 비율)의 신뢰구간 추정을 묻고 있어요. 보건행정 현장에서는 설문조사 결과 해석, 질병 유병률 추정, 정책 효과 평가 등 다양한 분야에서 신뢰구간을 활용하게 되니, 그 원리를 정확히 이해하는 것이 필수적이에요.
핵심 개념 분석 (Key Concept)
신뢰구간(Confidence Interval)은 표본으로부터 모집단의 모수(여기서는 비율 p)를 추정할 때, 그 추정값이 얼마나 정확한지를 나타내는 구간이에요. "95% 신뢰구간"은 동일한 방법으로 표본을 반복 추출하여 신뢰구간을 만들었을 때, 그 구간들 중 약 95%가 실제 모수를 포함한다는 의미예요. 핵심은
핵심! 표준오차(Standard Error)를 올바르게 계산하는 것이에요. 표준오차는 표본 통계량(여기서는 p̂)의 변동성을 나타내며, 표본 크기 n이 클수록 작아져서 추정이 더 정밀해져요.
정답 근거 (Answer Rationale)
정답은
② p̂ ± 1.96 × √(p̂(1-p̂)/n)입니다. 그 이유는 다음과 같아요.
1.
중심은 표본비율(p̂): 우리가 알고 있는 것은 표본에서 계산된 비율 p̂ 뿐이에요. 모비율 p는 알 수 없는 값이므로, 추정의 중심은 당연히 p̂가 됩니다.
2.
표준오차의 올바른 공식: 표본비율 p̂의 표준오차는 √[ p(1-p) / n ] 입니다. 그러나 여기서 문제는
혼동 주의! 우리는 모비율 p를 모릅니다. 따라서 p를 표본비율 p̂로 대체하여 추정 표준오차(Estimated Standard Error) √[ p̂(1-p̂) / n ] 를 사용합니다. 이는 표본 크기 n이 충분히 클 때 유효한 근사적 방법입니다.
3.
1.96의 의미: 1.96은 표준정규분포에서 95% 신뢰수준에 해당하는 z-값(z-score)입니다. 양측 꼬리 각 2.5%를 제외한 중앙 95% 구간의 경계값이에요.
따라서 공식은
p̂ ± (z-값) × (추정 표준오차) = p̂ ± 1.96 × √(p̂(1-p̂)/n) 이 됩니다.
오답 분석 (Distractor Analysis)
혼동 주의! 각 오답이 틀린 이유를 분석하면 개념을 더 명확히 할 수 있어요.
① p̂ ± 1.96 × √(p̂(1-p̂)): 표준오차 계산에서
표본 크기 n으로 나누는 것을 빠뜨렸어요. 이는 p̂의 분산을 구한 것에 불과하며, 표준오차가 아닙니다.
③ p̂ ± 1.96 × √(p(1-p)/n): 공식 자체는 맞지만,
모비율 p를 알고 있다는 비현실적인 가정을 포함하고 있어요. 실제 통계 추정에서는 p를 모르기 때문에 이 공식을 쓸 수 없어요.
④ p̂ ± 1.96 × (p̂(1-p̂)/n): 표준오차는
분산 [p̂(1-p̂)/n]이 아니라, 분산의 제곱근인 표준편차를 사용해야 해요. √ 기호가 빠져 있어서 틀렸어요.
⑤ p̂ ± 1.96 × (p(1-p)/√n): p를 사용했다는 점과, 분산 구조가 √n으로 나누는 형태로 잘못 구성되었다는 점에서 틀렸어요.
연관 개념 정리 (Related Concepts)
*
표본 크기 n이 충분히 크다는 조건은 중심극한정리(Central Limit Theorem)가 적용되어 표본비율 p̂의 분포가 정규분포에 근사하기 위함이에요. 일반적으로
np̂ ≥ 5, n(1-p̂) ≥ 5 를 충족하면 충분히 크다고 봅니다.
*
90% 신뢰구간이라면 z-값은 1.645,
99% 신뢰구간이라면 z-값은 2.576을 사용합니다.
*
모평균의 신뢰구간은 표본평균 ± z값 × (표본표준편차/√n) 의 형태를 가지며, 모비율과 구조가 유사하지만 사용하는 표준오차가 다릅니다.
개념 정리
| 용어 | 의미 | 공식/값 |
|---|
| 모비율 (p) | 추정하고자 하는 모집단의 비율 (알 수 없음) | - |
| 표본비율 (p̂) | 표본에서 계산된 비율, 추정의 중심 | p̂ = (표본에서 특성 갖는 개체 수) / n |
| 표준오차 (S.E.) | 표본통계량의 변동성(정밀도) 측정 | √[ p(1-p) / n ] (이론적)
√[ p̂(1-p̂) / n ] (추정치, 실제 사용) |
| 95% z-값 | 표준정규분포에서 95% 중앙 구간 경계 | 1.96 |
| 신뢰구간 | 모수를 포함할 것으로 신뢰하는 구간 | p̂ ± (z-값) × (추정 표준오차) |
한눈에 비교!
| 구분 | 모비율(p)의 신뢰구간 | 모평균(μ)의 신뢰구간 (σ를 모를 때) |
|---|
| 중심 | 표본비율 (p̂) | 표본평균 (x̄) |
| 표준오차 추정 | √[ p̂(1-p̂) / n ] | s / √n (s: 표본표준편차) |
| 분포 | 표준정규분포 (Z) | t-분포 (자유도: n-1) |
| 공식 (95%) | p̂ ± 1.96 × √(p̂(1-p̂)/n) | x̄ ± t0.025, n-1 × (s/√n) |
| 보건행정 적용 예 | 주민 건강설문 만족도, 예방접종률 추정 | 평균 혈압, 평균 입원기간 추정 |
실무 포인트
*
보고서 작성 시: "A 지역 주민의 건강검진 수검률은 65% (95% 신뢰구간: 62% ~ 68%)로 추정된다"와 같이 신뢰구간을 함께 제시해야 결과 해석의 정확성을 높일 수 있어요.
*
표본 크기 설계: 원하는 신뢰수준(95%)과 허용 오차(예: ±3%)를 정하면, 필요한 표본 크기 n을 사전에 계산할 수 있어요. 이는 보건 사업의 예산 및 계획 수립에 필수적이에요.
*
의미 해석 주의: "모비율이 신뢰구간 안에 있을 확률이 95%이다"라고 말하는 것은 엄밀히 틀린 표현이에요. 모비율은 고정된 값이고, 변동하는 것은 표본으로부터 계산된 '구간'이에요.
암기 팁
*
공식 구조 외우기: "중심(표본통계량) ± 째깍이(z값) × 루트( p햇 1빼기 p햇 나누기 n )"
*
95% z값 1.96: "한국 나이로 20살(1)이면 96%의 확률로 대학(.)에 간다"라고 연상해보세요. (1.96)
국시 빈출 포인트
* 신뢰구간 공식 자체를 묻는 문제가 가장 많이 나와요.
* 신뢰수준(90%, 95%, 99%)에 따른 z-값을 묻거나, 신뢰구간의 너비에 영향을 주는 요소(표본 크기 n, 신뢰수준)를 묻는 문제도 자주 출제됩니다.
* "표본 크기가 커지면 신뢰구간의 너비는 어떻게 되는가?" →
좁아진다 (정밀도 증가).
기출 변형 주의!
*
계산형: p̂=0.4, n=400일 때 95% 신뢰구간을 계산하라.
*
역산형: 특정 신뢰구간 너비를 달성하기 위해 필요한 표본 크기 n을 구하라.
*
해석형: 주어진 신뢰구간에 대한 설명 중 옳은 것을 고르시오. (예: "이 구간이 모비율을 포함할 확률은 95%이다"는 오답)