어떤 실험실에서 동일한 표준시료를 두 분석가(A, B)가 각각 6회씩 측정하였다. t 검정을 이용하여 두 분석가의 측정 평균값 사이에 유의한 차이가 있는지 검정할 때, 합동 표준편차(pooled standard deviation, s_p)를 구하는 식으로 옳은 것은? (n_A = n_B = 6, s_A = 분석가 A의 표준편차, s_B = 분석가 B의 표준편차)

합동 표준편차 공식은 s_p = √[((n_A - 1)s_A² + (n_B - 1)s_B²) / (n_A + n_B - 2)]이다. n_A = n_B = 6이므로 s_p = √[(5s_A² + 5s_B²) / (6 + 6 - 2)] = √[(5s_A² + 5s_B²) / 10]이다. 오답 ②는 분자에 (n-1) 대신 n을 사용한 오류, ③은 분자는 맞지만 분모를 n_A + n_B = 12로 잘못 계산한 오류(자유도 오류), ④는 표준편차를 단순 평균한 오류, ⑤는 분산을 단순 평균하여 제곱근을 취한 오류이다.

핵심 해설 이 문제는 두 집단의 평균을 비교하는 독립 표본 t-검정(Independent samples t-test)에서 핵심! 전제 조건인 등분산성(Equal variance)을 가정할 때 사용하는 합동 분산 추정량(Pooled variance estimator)의 공식을 정확히 이해하고 있는지 묻고 있어요. 분석자 A와 B가 동일한 시료를 측정했고, 두 집단의 표본 크기(n)가 같다는 점에 주목해야 합니다. 1. 핵심 개념 분석 (Key Concept): 합동 분산(s_p²)은 두 집단의 분산을 하나로 통합하여 모집단의 분산을 더 정확하게 추정하기 위한 값이에요. 각 집단의 분산에 표본 크기가 아닌 자유도(Degree of freedom, n-1)를 가중치로 곱하여 더한 뒤, 전체 자유도의 합(n_A + n_B - 2)으로 나누어 계산합니다. 즉, 단순 평균이 아니라 각 집단의 정보량(자유도)을 반영한 가중 평균인 셈이에요. 합동 표준편차(s_p)는 이 합동 분산의 양의 제곱근입니다. 2. 정답 근거 (Answer Rationale): 합동 분산의 공식은 s_p² = [(n_A - 1)s_A² + (n_B - 1)s_B²] / (n_A + n_B - 2)입니다. 문제에서 n_A = n_B = 6 이므로, 분자는 (6-1)s_A² + (6-1)s_B² = 5s_A² + 5s_B²이 되고, 분모는 6 + 6 - 2 = 10이 됩니다. 따라서 합동 표준편차 s_p = √[(5s_A² + 5s_B²) / 10] 이 정답이에요. 3. 오답 분석 (Distractor Analysis): 혼동 주의! ①번 선지는 분자는 맞지만 분모를 12로 잘못 계산했어요. 분모에 n_A + n_B를 그대로 사용한 것으로, 두 표본에서 각각 평균을 추정하는 데 사용된 자유도 손실(2)을 반영하지 않은 오류입니다. 혼동 주의! ③번 선지는 분자에서 자유도(n-1) 대신 표본 크기 n(=6)을 가중치로 사용했어요. 이는 모집단의 분산을 추정할 때 편향(Bias)이 발생하게 됩니다. ④번 선지는 표준편차를 산술평균한 값이고, ⑤번 선지는 분산을 산술평균한 후 제곱근을 취한 값이에요. 이는 모두 자유도를 고려하지 않은 단순 평균 계산으로, 올바른 합동 추정량이 아니랍니다. 4. 연관 개념 정리 (Related Concepts): 약학 연구에서 의약품 분석 결과의 재현성, 생물학적 동등성 시험(Bioequivalence test)에서 두 제제의 평균 비교, 서로 다른 생산 배치(Batch) 간 품질 비교 등에 t-검정이 활발히 사용됩니다. 합동 표준편차는 t-검정의 검정 통계량(t) 계산과 신뢰 구간 추정에 직접 사용되므로, 그 정의와 계산법을 정확히 알아야 해요. 만약 두 집단의 분산이 같다고 가정할 수 없는 경우(등분산성 기각)에는 Welch's t-test를 사용하며, 이때는 합동 분산을 사용하지 않고 각 집단의 분산을 개별적으로 사용합니다. 개념 정리

구분	합동 분산(Pooled Variance)	비고
사용 시기	두 집단의 분산이 같다고 가정할 때(등분산성 가정)	F-검정이나 Levene 검정으로 확인
공식	s_p² = [(n₁-1)s₁² + (n₂-1)s₂²] / (n₁ + n₂ - 2)	자유도 가중 평균
목적	모집단 분산의 더 정밀한 추정	검정력(Power) 향상

한눈에 비교!

통계량	분산의 공식	표준편차의 공식
합동(등분산 가정)	Σ[(nᵢ - 1)sᵢ²] / Σ(nᵢ - 1)	√(합동 분산)
단순 평균(오답)	(s₁² + s₂²) / 2	√[(s₁² + s₂²) / 2] 또는 (s₁ + s₂) / 2

암기 팁 합동 분산 공식을 외울 때는 '자유도 분의 자유도 곱하기 분산의 합'으로 기억하세요. 분자에는 '(n-1) × s²' 의 합이 들어가고, 분모에는 '(n-1)'의 합이 들어갑니다. '자유도(n-1)가 가중치 역할을 한다'는 점을 떠올리면, 단순히 n으로 나누는 오답을 피할 수 있어요. 국시 빈출 포인트 약사 국가고시 예방약학(의약품분석학, 통계학) 파트에서는 단순 공식 암기보다 주어진 상황에서 어떤 통계 기법을 적용할지, 그리고 자유도와 같은 기본 개념을 정확히 이해하고 있는지를 평가해요. 등분산 가정 여부에 따라 t-검정의 종류(Student's t vs Welch's t)가 달라진다는 점과 함께 출제될 수 있습니다. 기출 변형 주의! 공식을 직접 계산하는 문제 외에도, "두 분석법의 정밀도(Precision)를 비교하기 위해 F-검정을 먼저 수행하여 등분산성을 확인한 후 t-검정을 실시한다"는 일련의 분석 흐름을 묻는 사례형 문제로 변형될 수 있어요. 분석 방법 벨리데이션(Validation)에서 정밀성 평가 시 사용되는 통계 처리와 연관 지어 학습해 두면 좋습니다.

약국/임상 실무 가이드 임상 시나리오 (Clinical Scenario): 당신은 제약회사 품질관리(QC) 부서에서 일하는 약사입니다. 신규 도입된 함량 분석 기기(예: HPLC)의 성능을 평가하기 위해, 숙련된 분석가 A와 신입 분석가 B가 동일한 로트(Lot)의 의약품을 가지고 각각 6회씩 반복 측정하여 함량(%) 데이터를 얻었어요. 이제 이 데이터를 바탕으로 두 분석가의 측정 평균값 사이에 유의미한 차이가 있는지 통계적으로 검증해야 합니다. 즉, 분석가에 따른 개인차가 결과에 영향을 미치는지(중간 정밀도, Intermediate precision)를 평가하는 상황이에요. 만약 차이가 없다면 분석법이 분석가의 숙련도에 관계없이 견고하다(Robust)고 판단할 수 있습니다. 복약지도 및 중재 전략 (Counseling & Intervention): 먼저 두 분석가가 얻은 분산(s_A², s_B²)의 동질성을 F-검정을 통해 확인합니다. 만약 두 분산이 통계적으로 다르지 않다면(등분산성 가정 충족), 합동 표준편차(s_p)를 이용한 독립 표본 t-검정(Student's t-test)을 실시합니다. 이때 합동 표준편차 계산이 정확해야 올바른 t-값이 산출되고, 이 t-값을 바탕으로 유의확률(p-value)을 계산하여 두 평균값의 차이 유무를 판단할 수 있어요. 핵심! 분석 결과의 신뢰성을 담보하기 위해서는 통계적 검정력이 충분한지(일반적으로 검정력 80% 이상)도 함께 고려하는 것이 실무에서 중요합니다. 환자 안전 및 주의사항 (Precautions): QC 업무에서 잘못된 통계 계산은 의약품의 품질을 잘못 판단하게 하여, 불량 의약품이 시중에 유통되거나 반대로 정상 의약품을 폐기하는 막대한 경제적 손실을 초래할 수 있어요. 따라서 단순 계산 실수를 방지하기 위해, 통계 소프트웨어(예: Minitab, SPSS) 사용 시에도 입력된 자유도와 수식을 반드시 검증해야 합니다. 복약지도 프로토콜 의약품 품질관리 실무에서 두 집단의 평균을 비교할 때는 '등분산성 검정 → 등분산 가정 t-검정(합동분산 사용) 또는 Welch's t-검정'의 절차를 준수해야 합니다. 특히 '중간 정밀도(Intermediate precision)' 확립 시, '분석자'를 변수로 한 이와 같은 통계적 검정이 필수적입니다. 선배 약사의 한마디 "QC 약사에게 통계는 단순한 수학이 아니라 의약품의 품질과 환자의 안전을 지키는 방패와 같아요. 합동 표준편차 하나를 계산하더라도, 왜 분모에서 2를 빼는지(자유도의 개념), 왜 단순 평균을 내면 안 되는지를 이해하는 것이 진짜 실력이랍니다. 데이터를 대할 때는 항상 '이 계산이 통계학적으로, 그리고 과학적으로 타당한가?'를 고민하는 습관을 들이세요!"