다음 중 t-검정(t-test)을 사용하는 상황으로 가장 적절한 것은?

t-검정은 두 집단의 평균값이 통계적으로 유의하게 다른지 검정하는 방법이다. 세 집단 이상의 비교는 ANOVA, 분산 동질성 검정은 F-검정, 이상값 판단은 Q-검정이나 Grubbs 검정을 사용한다.

핵심 해설 이 문제는 통계학에서 가장 기본적이고 중요한 가설 검정 방법 중 하나인 t-검정(t-test)의 용도를 묻고 있어요. 약학 연구나 임상시험 데이터 분석에서 두 그룹의 평균을 비교할 때 필수적으로 사용되는 통계 기법이죠. 핵심 개념 분석 (Key Concept): t-검정은 두 개의 독립된 또는 짝지어진(paired) 표본 집단 간 평균의 차이가 통계적으로 유의미한지 검정하는 방법입니다. 기본 가정은 데이터가 정규분포를 따르고, 두 집단의 분산이 동일하다는 것입니다. 약사 국가고시에서는 생물학적 동등성 시험(Bioequivalence study) 등에서 두 제형의 평균 혈중 농도를 비교할 때 사용된다는 점을 연관 지어 이해하면 좋아요. 정답 근거 (Answer Rationale): 정답은 ⑤번 "핵심!두 분석법으로 얻은 평균값의 유의한 차이를 검정할 때"입니다. 이는 t-검정의 정의 그 자체에요. 예를 들어, 새로운 혈당 측정기(A)와 기존 표준 측정기(B)의 측정값 평균이 차이가 있는지, 또는 약물 투여 전후의 평균 혈압이 유의하게 변화했는지를 검정할 때 사용됩니다. 오답 분석 (Distractor Analysis):
① 혼동 주의! 측정값 중 이상값(Outlier)의 제거 여부를 판단할 때: 이상값 탐지에는 Q-검정(Dixon's Q test)이나 그럽스 검정(Grubbs' test) 등이 사용되며, t-검정은 사용되지 않습니다.
② 두 분석법 간 분산의 동질성을 검정할 때: 두 집단의 분산이 같은지(등분산성) 검정하는 것은 F-검정(F-test)의 역할입니다. t-검정을 수행하기 전에 먼저 확인해야 할 선행 조건이죠.
③ 두 변수 간의 상관관계를 검정할 때: 상관관계(Correlation)의 유의성을 검정할 때는 상관계수 검정(예: 피어슨 상관계수 t-검정)을 사용하지만, 이는 두 변수 간 선형 관계의 강도를 보는 것이지, 두 집단 평균의 차이를 보는 일반적인 t-검정과는 목적이 다릅니다. 문제의 문맥은 일반적인 두 집단 평균 비교를 의미합니다.
④ 세 가지 이상 분석법의 평균을 동시에 비교할 때: 세 집단 이상의 평균을 비교할 때는 분산분석(ANOVA, Analysis of Variance)을 사용합니다. ANOVA 결과 유의미한 차이가 있을 경우, 사후검정(Post-hoc test)으로 어느 집단 간에 차이가 있는지 다시 세부적으로 살펴보게 됩니다. 연관 개념 정리 (Related Concepts): - 독립표본 t-검정(Independent samples t-test): 서로 관련 없는 두 집단(예: 실험군 vs 대조군)의 평균 비교. - 짝지은 표본 t-검정(Paired samples t-test): 동일 집단에게 전후 측정을 했을 때(예: 약 복용 전/후)의 평균 비교. - 일표본 t-검정(One-sample t-test): 하나의 표본 평균이 특정 기준값(예: 표준 농도)과 차이가 있는지 비교. 개념 정리

검정 방법	주요 용도	비고
t-검정	두 집단 평균 차이 검정	정규성, 등분산성 가정
F-검정	두 집단 분산 차이(등분산성) 검정	t-검정 전 선행 검정
ANOVA	세 집단 이상 평균 차이 검정	유의 시 사후검정 필요
카이제곱 검정	범주형 자료의 독립성/동질성 검정	비율의 비교

한눈에 비교! - 평균 비교: 두 집단 → t-검정 / 세 집단 이상 → ANOVA - 분산 비교: 두 집단 → F-검정 - 비율/빈도 비교: 카이제곱(χ²) 검정 암기 팁 "t는 two(2)와 발음이 비슷해요! 두 집단의 평균을 비교한다고 연상하면 쉽게 기억할 수 있습니다." 국시 빈출 포인트 통계 검정법의 용도 구분은 매년 빠지지 않고 출제되는 핵심! 영역이에요. t-검정, 카이제곱 검정, ANOVA, 회귀분석 각각이 어떤 자료형(연속형 vs 범주형)과 어떤 비교 목적(평균 vs 비율 vs 관계)에 사용되는지 표로 정리해 두는 것이 필수입니다. 기출 변형 주의! "신약과 위약(Placebo)을 투여한 두 군 간의 평균 효능 차이를 분석할 때 사용하는 가장 적절한 통계 방법은?" 또는 "동일 환자에서 약물 A 투여 전후의 평균 혈압 차이를 검정하는 방법은?"과 같이 독립표본 vs 짝지은 표본 t-검정을 구분하는 문제로 변형 출제될 수 있어요.

약국/임상 실무 가이드 임상 시나리오 (Clinical Scenario): "한 제약회사의 연구원이 새로운 일반의약품(OTC) 진통제의 효과를 검증하기 위해 시판 중인 진통제(대조군)와 비교 임상시험을 진행했습니다. 두 군 각각 30명의 환자에게 약을 투여한 후, 통증 점수 감소량의 평균을 계산했어요. 이 두 평균값이 통계적으로 유의한 차이가 있는지 판단해야 합니다." 데이터 분석 및 해석 전략: 이 경우, 독립표본 t-검정(Independent samples t-test)을 사용해야 합니다. 먼저, 두 군의 통증 점수 감소량 데이터가 정규분포를 따르는지 확인(정규성 검정)하고, 두 군의 분산이 동일한지 F-검정으로 확인(등분산성 검정)한 후 t-검정을 실시합니다. p-value가 0.05 미만이면 '두 진통제의 효과에는 통계적으로 유의미한 차이가 있다'고 해석할 수 있어요. 연구 결과 보고 및 주의사항: 통계적 유의성(Statistical significance)과 임상적 유의성(Clinical significance)은 다를 수 있습니다. 평균 차이가 아주 작더라도 표본 수가 크면 통계적으로 유의해질 수 있으므로, 평균 차이의 크기(Effect size)와 신뢰구간(Confidence Interval)도 함께 보고해야 현장에서 의미 있는 판단을 내릴 수 있습니다. 선배 약사의 한마디 "논문을 읽거나 연구 데이터를 분석할 때, '어떤 통계 검정법을 썼는가'를 보면 저자의 분석 의도를 파악할 수 있는 첫걸음이에요. t-검정이 보인다면 '아, 두 그룹을 비교하는 구나'라고 바로 떠올리세요. 단순한 통계 지식이지만, 근거중심약학(EBM)을 실천하는 전문 약사에게는 필수 무기랍니다!"