두 분석법 A와 B의 정밀도를 비교하기 위해 각각 10회 반복 측정하였다. 두 분석법의 분산(variance)이 통계적으로 유의하게 다른지 검정하는 방법으로 옳은 것은?

F-검정은 두 집단의 분산(variance)을 비교하는 통계 검정법으로, F = s₁² / s₂²로 계산한다. 분석법의 정밀도 비교는 분산 비교이므로 F-검정이 적합하다. t-검정은 평균 비교에 사용된다.

핵심 해설 이 문제는 분석법의 정밀도(Precision) 비교를 위한 통계적 검정 방법을 묻고 있어요. 정밀도는 측정값의 재현성(Reproducibility)을 의미하며, 통계학적으로는 분산(Variance) 또는 표준편차(Standard Deviation)로 표현됩니다. 따라서 두 분석법의 정밀도를 비교한다는 것은 두 집단의 분산이 통계적으로 유의한 차이가 있는지를 검정하는 문제예요. 정답 근거 (Answer Rationale) 핵심! 정답은 ② F-검정(F-test)입니다. F-검정은 두 정규 분포를 따르는 모집단의 분산을 비교하는 데 사용되는 검정법이에요. 검정 통계량 F는 두 표본 분산의 비율(F = s₁² / s₂²)로 계산되며, 이 값이 F 분포(F-distribution)에서의 임계값과 비교되어 두 분산이 동일한지(귀무가설)를 판단합니다. 분석법의 정밀도 비교가 바로 분산 비교이므로 F-검정이 가장 적합한 방법입니다. 오답 분석 (Distractor Analysis) 혼동 주의! ①번 독립 t-검정(Independent t-test)과 ④번 대응 t-검정(Paired t-test)은 모두 평균(Mean)을 비교하는 검정법이에요. t-검정은 분산이 동일하다는 가정 하에 평균의 차이를 검정하므로, 이 문제의 목적인 '분산 자체의 차이'를 검정하는 데는 사용할 수 없습니다.
혼동 주의! ③번 Mann-Whitney U 검정은 비모수 검정(Non-parametric test)의 일종으로, 두 독립 표본의 중앙값(Median)이나 분포의 위치가 동일한지 비교할 때 사용해요. 평균 비교의 비모수 버전이라고 생각할 수 있으며, 분산 비교에는 적합하지 않습니다.
혼동 주의! ⑤번 카이제곱 검정(Chi-square test)은 주로 범주형 데이터(Categorical data)의 독립성 검정이나 적합도 검정에 사용됩니다. 예를 들어, 치료 반응 유무(유/무)와 치료군(약물/위약) 사이의 연관성을 분석할 때 쓰이죠. 연속형 데이터인 분산의 비교에는 사용되지 않아요. 연관 개념 정리 (Related Concepts) 분석법 검증(Assay Validation) 시 정밀도는 매우 중요한 지표 중 하나예요. 정밀도는 다시 반복성(Repeatability, 동일 조건 내)과 재현성(Reproducibility, 조건이 변할 때)으로 나뉘어 평가됩니다. 정확도(Accuracy, 참값에 대한 근접도)는 평균을 통해, 정밀도는 분산을 통해 평가된다는 점을 명심하세요. 개념 정리

검정법	비교 대상	데이터 유형	약학에서의 주요 용도 예시
F-검정	두 집단의 분산	연속형, 정규분포	두 분석법의 정밀도 비교, ANOVA의 사전 검정
독립 t-검정	두 독립 집단의 평균	연속형, 정규분포	신약과 위약군의 혈압 강하 효과 비교
대응 t-검정	동일 집단 전후의 평균	연속형, 정규분포	약물 투여 전후의 동일 환자 혈중 농도 비교
Mann-Whitney U 검정	두 독립 집단의 분포 위치(중앙값)	연속형, 비모수	정규분포를 따르지 않는 통증 점수(VAS) 비교
카이제곱 검정	범주형 변수 간 연관성	범주형 (명목, 순서)	부작용 발생률의 군간 비교, 성별에 따른 치료 반응 차이

암기 팁 "F는 F분산(F-variance) 검정!" F-검정은 분산(Variance) 비교에 쓰인다고 연상하세요. t-검정은 t-평균(t-mean)이라고 생각하면 구분하기 쉬워요. 국시 빈출 포인트 통계 검정법은 약물동태학(PK) 파라미터 비교, 생물학적 동등성(Bioequivalence) 시험, 분석법 검증(Validation) 관련 문제에서 자주 출제됩니다. 특히 무엇(평균/분산/비율)을 비교하는지와 데이터의 조건(정규성, 독립성 등)을 먼저 파악하는 것이 문제 해결의 첫걸음이에요.

약국/임상 실무 가이드 임상 시나리오 (Clinical Scenario) "신규로 도입된 혈중 약물 농도 분석 장비의 성능을 기존 장비와 비교 평가해야 합니다. 동일한 환자 샘플을 두 장비로 각각 10번씩 반복 측정하여 데이터를 얻었어요. 새 장비가 기존 장비보다 측정값의 변동(흔들림)이 적은지, 즉 정밀도가 더 우수한지를 통계적으로 입증해야 합니다." 복약지도 및 중재 전략 (Counseling & Intervention) 이 경우, 약사나 연구자는 두 데이터 세트의 표준편차(Standard Deviation) 또는 분산을 먼저 계산합니다. 그 후 F-검정을 수행하여 두 분산 간에 통계적으로 유의한 차이가 있는지 확인합니다. 만약 새 장비의 분산이 유의하게 작다면, "새 장비의 정밀도가 통계적으로 유의하게 더 높다"고 결론지을 수 있어요. 이는 치료약물농도감시(TDM) 결과의 신뢰도를 높이는 중요한 근거가 됩니다. 환자 안전 및 주의사항 (Precautions) F-검정을 적용하기 전에 데이터가 정규분포(Normal distribution)를 따른다는 가정을 확인해야 해요. 정규성 검정(예: Shapiro-Wilk 검정)을 먼저 실시하는 것이 좋습니다. 만약 데이터가 정규분포를 따르지 않는다면, 분산 비교를 위한 비모수 검정법(예: Levene's test)을 고려해야 합니다. 선배 약사의 한마디 "약학 연구나 약국 품질 관리에서 데이터는 말을 해요. 그런데 그 목소리를 제대로 듣기 위해서는 적합한 통계 도구를 사용해야 합니다. '평균'만 보면 비슷해 보이는 두 분석법도 '분산'을 비교해보면 한쪽이 훨씬 불안정할 수 있어요. 정밀도가 낮은 분석법으로 TDM을 한다면, 동일한 환자라도 측정 시마다 결과가 크게 달라져 올바른 용량 조절에 실패할 수 있죠. 통계는 단순한 숫자 놀이가 아니라, 환자 안전을 지키는 과학적 언어라는 걸 기억하세요!"