핵심 해설
이 문제는 그럽스 검정(Grubbs' test), 흔히 Q 검정(Q test)이라고 불리는 통계적 방법을 이용하여 데이터 세트 내의 이상값(Outlier)을 판정하는 문제예요. 측정값들 사이에서 유독 동떨어진 값이 통계적으로 유의하게 다른지, 아니면 단순한 우연인지를 판단하는 것이 핵심이에요.
1. 핵심 개념 분석 (Key Concept): Q 검정은 소규모 데이터 세트(n
임상 시나리오
약국/임상 실무 가이드
- 임상 시나리오 (Clinical Scenario): "품질관리(QC) 실무를 처음 맡은 신입 약사예요. 오늘 아침, A 정제의 함량 균일성 시험 결과값 10개를 받았는데, 그중 한 값이 다른 값들보다 유난히 높아 보여요. 이 값 때문에 전체 로트(Lot)의 함량 시험 결과가 규격을 벗어날 수도 있어서 매우 신경 쓰이는데, 이 값을 단순 실수로 간주하고 통계적으로 제거해도 될지 판단해야 해요."
- 복약지도 및 중재 전략 (Counseling & Intervention): 이는 환자 직접 응대라기보다 의약품 품질관리 업무 흐름이에요. ① 데이터 검토: 분석기기 오작동, 시약 오염, 실험자 실수(무게 측정 오류, 희석 배수 오류) 등 명백한 과실(Assignable cause)이 있었는지 작업 일지를 먼저 확인합니다. ② 통계적 검정: 과실이 발견되지 않았다면, Q 검정과 같은 통계적 방법으로 이상값 여부를 평가합니다. ③ 판정 및 기록: 계산된 Q값이 임계값보다 크면, "통계적 이상값으로 판정되어 분석에서 제외함"이라고 결과 보고서에 명확히 기록합니다. 단, 이상값을 제외하더라도 남은 데이터로 시험 기준을 만족하는지 반드시 재평가해야 합니다. 통계적 이유만으로 데이터를 무분별하게 삭제해서는 안 됩니다. 선배 약사의 한마디: "의약품 품질은 곧 환자의 안전과 직결된다는 사실, 잊지 마세요. 데이터 하나하나에 책임감을 가지고, 통계적 도구는 그 책임을 다하기 위한 보조 수단일 뿐이에요. Q 검정 공식 하나에도 '이 약을 먹는 환자분에게 정확한 양의 약물이 전달되어야 한다'는 약사의 사명이 담겨 있답니다!"
핵심 개념
이상값 — 데이터 세트에서 다른 관측치들과 현저히 동떨어져 있어, 측정 오류나 특이한 원인에 의한 것으로 의심되는 관측치를 말합니다.
Q 검정(Q test 또는 Grubbs' test) — 소규모 데이터 세트에서 하나의 이상값을 통계적으로 기각할 수 있는지 판정하기 위한 검정법입니다. 의심값과 가장 가까운 값의 차이를 전체 데이터의 범위로 나눈 비율을 이용합니다.
유의수준(Significance level, α) — 가설 검정에서 제1종 오류(귀무가설이 참인데 기각하는 오류)를 범할 확률의 최대 허용 한계입니다. 보통 0.05(5%) 또는 0.01(1%)을 사용하며, Q 임계값을 결정하는 기준이 됩니다.
임계값(Critical value) — 가설 검정에서 계산된 검정 통계량과 비교하는 기준값입니다. Q 검정에서는 유의수준과 데이터 개수에 따라 결정된 임계값보다 계산된 Q값이 크면 이상값으로 판정합니다.
범위 — 데이터 세트의 산포도를 나타내는 가장 간단한 측도로, 최댓값과 최솟값의 차이입니다. Q 검정에서 분모로 사용됩니다.