보건행정 핵심 해설
이 문제는 보건통계학에서 가장 기본적이면서도 중요한
모수 추정(Parameter Estimation) 방법을 묻고 있어요. 특히,
핵심! 모집단의 분산(표준편차)을 알 때와 알지 못할 때의 추정 방법 차이를 정확히 구분해야 하는 문제예요.
핵심 개념 분석 (Key Concept): 모평균(μ)에 대한 신뢰구간(Confidence Interval)을 구할 때, 우리가 사용하는 분포는
표본평균의 표준화 통계량이 어떤 확률분포를 따르는지에 달려 있어요. 이는 표본 크기(n)와 모집단 분산(σ²)에 대한 정보에 따라 결정돼요.
정답 근거 (Answer Rationale): 정답은
t-분포예요. 그 이유는 다음과 같아요.
1.
핵심! 모집단 표준편차(σ)를 모를 때는, 이를 표본에서 계산한
표본 표준편차(s)로 대체(추정)하게 돼요.
2. 이때, 표본평균(\(\bar{X}\))을 표준화한 통계량 \( t = \frac{\bar{X} - \mu}{s/\sqrt{n}} \)는 정규분포를 따르지 않고,
자유도가 n-1인 t-분포를 따릅니다.
3. t-분포는 표본 크기(n)가 작을수록 정규분포보다 꼬리가 두껍고(fat-tailed), 표본 크기가 커질수록(보통 n>30) 정규분포에 가까워지는 특징이 있어요. 이는 표준편차를 추정함으로써 생기는 불확실성을 반영한 결과예요.
4. 따라서, 신뢰구간은 \( \bar{X} \pm t_{(n-1, \alpha/2)} \cdot \frac{s}{\sqrt{n}} \) 의 공식으로 계산해요.
오답 분석 (Distractor Analysis):
- ①번
혼동 주의! 이항분포(Binomial Distribution): 성공/실패와 같은
이분형 범주형 자료의 비율(예: 질병 유병률)을 분석할 때 사용하는 분포예요. 연속형 변수인 평균의 추정에는 부적합해요.
- ③번
혼동 주의! 표준정규분포(Z분포): 이는
모집단 표준편차(σ)를 알고 있을 때 모평균 신뢰구간을 구하는 데 사용하는 분포예요. 공식은 \( \bar{X} \pm Z_{\alpha/2} \cdot \frac{\sigma}{\sqrt{n}} \) 이에요. 문제의 전제 조건("모를 때")과 정반대 상황이에요.
- ④번
카이제곱분포(Chi-squared Distribution): 주로
모분산(σ²)에 대한 추정이나 검정, 또는 범주형 자료의 독립성/적합도 검정에 사용돼요.
- ⑤번
F-분포(F-Distribution): 두 개의
모분산을 비교할 때(분산분석, ANOVA) 사용하는 분포예요.
연관 개념 정리 (Related Concepts):
-
중심극한정리(Central Limit Theorem, CLT): 표본 크기가 충분히 크면(일반적으로 n≥30), 모집단의 분포에 관계없이
표본평균의 분포는 근사적으로 정규분포를 따른다는 정리예요. 이는 t-분포를 사용하는 근거가 돼요.
-
자유도(Degrees of Freedom, df): 표본 데이터 중에서 자유롭게 변할 수 있는 정보의 수예요. 표본 표준편차(s)를 계산할 때, 이미 표본평균(\(\bar{X}\))이라는 하나의 제약 조건이 사용되었기 때문에 자유도는 n-1이 돼요.
개념 정리
| 조건 | 사용 분포 | 신뢰구간 공식 (모평균 μ) | 주요 용도 |
|---|
| 모표준편차(σ)를 알 때 | 표준정규분포 (Z) | \( \bar{X} \pm Z_{\alpha/2} \cdot \frac{\sigma}{\sqrt{n}} \) | 이론적으로 σ를 알고 있는 경우 (드물음) |
| 모표준편차(σ)를 모를 때 | t-분포 (자유도: n-1) | \( \bar{X} \pm t_{(n-1, \alpha/2)} \cdot \frac{s}{\sqrt{n}} \) | 대부분의 실제 적용 상황 |
표본 크기(n) 매우 큼
(보통 n>30, σ 모름) | t-분포 또는 Z분포 근사 | t-분포 값이 Z값에 가까워져 둘 다 사용 가능 | 대규모 표본 조사 |
한눈에 비교!
| 분포 | 주요 사용 목적 | 관련된 통계량 |
|---|
| t-분포 | 모평균 추정/검정 (σ 모름), 두 표본 평균 비교 | 표본평균(\(\bar{X}\)), 표본표준편차(s) |
| Z-분포 (표준정규) | 모평균 추정/검정 (σ 알음), 비율 추정 | 표본평균(\(\bar{X}\)), 모표준편차(σ) |
| 카이제곱(χ²)분포 | 모분산 추정/검정, 적합도/독립성 검정 | 표본분산(s²), 관측빈도(O), 기대빈도(E) |
| F-분포 | 두 모분산 비교, 분산분석(ANOVA) | 표본분산의 비(s₁²/s₂²) |
실무 포인트
보건행정이나 역학 조사에서, 새로운 치료법의 효과(예: 평균 혈압 강하량)나 지역 주민의 평균 건강 지표를 추정할 때, 모집단의 표준편차는 거의 알 수 없어요. 따라서
대부분의 신뢰구간 보고는 t-분포를 기반으로 해요. 통계 소프트웨어(SPSS, R, SAS)나 엑셀에서도 't-검정' 또는 't-기반 신뢰구간' 기능을 기본으로 제공하는 이유예요.
암기 팁
-
"t는 알 수 없(Unknown)을 상징하는 t!": 모표준편차(σ)를 알 수 없(UnKnown)을 때 쓰는 분포가 t-분포예요.
-
"Z는 알고(Z알고) 있을 때!": 모표준편차를 알고(σ Known) 있을 때 쓰는 분포가 Z분포예요.
국시 빈출 포인트
이 주제는
보건의료정보관리사/병원행정사 국가고시에서 '보건정보학' 또는 '연구방법론' 영역에서 단골 출제돼요. "모분산을 모를 때", "소표본일 때"라는 키워드가 보이면 거의 무조건
t-분포를 떠올리세요. 반대로 "모분산을 알 때", "대표본일 때"는 Z분포를 생각하면 돼요.
기출 변형 주의!
1.
사례형: "어느 병원에서 새로운 혈당 강하제의 효과를 25명의 환자로 시험한 결과, 평균 강하량이 15mg/dL, 표준편차가 4mg/dL였다. 모평균 강하량의 95% 신뢰구간을 구하기 위해 사용해야 할 분포는?" →
표본 크기(n=25)가 작고, 모표준편차를 모르므로 t-분포.
2.
역접형: "다음 중 모집단 표준편차를 알 때 모평균 신뢰구간 추정에 사용되는 분포는?" → 이 경우 정답은
표준정규분포(Z분포)가 돼요. 문제의 조건을 정반대로 바꾸어 출제할 수 있어요.