# 가설검정에서 귀무가설이 참인데도 이를 기각하는 오류는?

> source: MyMerci (mymerci.kr)  
> url: https://mymerci.kr/pages/nclex_q.php?qn_id=290743  
> language: ko  
> subject: 통계의 기초

## 문제

가설검정에서 귀무가설이 참인데도 이를 기각하는 오류는?

## 보기

1. 제2종 오류
2. 제1종 오류 **✔ 정답**
3. 표본오류
4. 혼란오류
5. 측정오류

**정답: 2**

## 해설

제1종 오류(α 오류)는 귀무가설이 참인데도 이를 기각하는 오류이다. 제2종 오류(β 오류)는 귀무가설이 거짓인데도 이를 기각하지 않는 오류이다.

## 심화 해설

보건행정 핵심 해설
이 문제는 보건통계학의 기초이자, 연구 설계와 데이터 해석의 핵심인 가설검정(Hypothesis Testing)에서 발생하는 오류 유형을 묻고 있어요. 특히, 핵심! **제1종 오류(Type I Error)**와 **제2종 오류(Type II Error)**의 정의를 정확히 구분하는 것이 중요해요.

**핵심 개념 분석 (Key Concept)**: 가설검정은 연구자가 세운 대립가설(Alternative Hypothesis, H1)을 입증하기 위해, 그 반대인 귀무가설(Null Hypothesis, H0)을 기각하는 방식으로 진행돼요. 이 과정에서 표본 데이터의 변동성 때문에 판단에 오류가 발생할 수 있어요. 이러한 오류는 크게 두 가지로 나뉘며, 이는 모든 통계적 검정(예: t-검정, 카이제곱 검정)의 근간을 이루는 개념이에요.

**정답 근거 (Answer Rationale)**: 정답은 **② 제1종 오류**입니다. 핵심! 제1종 오류(α 오류)는 "귀무가설(H0)이 사실은 참인데, 표본 데이터를 근거로 이를 잘못 기각하는 오류"를 말해요. 쉽게 말해, '없는 효과를 있다고 잘못 판단하는 오류'예요. 이 오류가 발생할 확률을 유의수준(Significance Level, α)이라고 하며, 일반적으로 연구에서 0.05(5%)나 0.01(1%)로 설정해요.

**오답 분석 (Distractor Analysis)**:

혼동 주의! ①번 '제2종 오류'는 정반대의 상황이에요. 제2종 오류(β 오류)는 "귀무가설(H0)이 사실은 거짓(즉, 대립가설 H1이 참)인데, 이를 기각하지 못하고 받아들이는 오류"입니다. '있는 효과를 없다고 잘못 판단하는 오류'죠.

③번 '표본오류'는 표본을 추출하는 과정에서 모집단을 대표하지 못해 발생하는 전체적인 오차를 포괄하는 개념이에요. 제1종/제2종 오류보다 더 넓은 의미예요.

④번 '혼란오류'는 공식적인 통계 용어가 아니에요. 연구 설계상 교란변수(Confounding Variable)를 통제하지 못해 발생하는 오류를 의미할 수 있지만, 가설검정의 공식 오류 유형은 아니에요.

⑤번 '측정오류'는 도구의 부정확성, 관찰자 차이 등으로 데이터 자체에 발생하는 오류로, 측정의 신뢰도(Reliability)와 타당도(Validity) 문제와 관련돼 있어요.

**연관 개념 정리 (Related Concepts)**:
- **검정력(Power, 1-β)**: 제2종 오류를 범하지 않을 확률, 즉 '있는 효과를 제대로 발견해낼 확률'이에요. 연구 설계 시 표본 수를 결정하는 중요한 요소죠.
- **p-value**: 귀무가설이 참이라는 가정 하에, 현재 관찰된 데이터(또는 그보다 더 극단적인 데이터)가 나올 확률이에요. p-value가 유의수준(α)보다 작으면 귀무가설을 기각해요.

개념 정리

| 오류 유형 | 다른 이름 | 정의 (귀무가설 H0 기준) | 확률 기호 | 비유 |
| --- | --- | --- | --- | --- |
| 제1종 오류 | α 오류, False Positive | H0이 참인데 기각함 | α (알파) | 무죄인 사람을 유죄로 판결 |
| 제2종 오류 | β 오류, False Negative | H0이 거짓인데 기각하지 않음 | β (베타) | 유죄인 사람을 무죄로 판결 |

한눈에 비교!

| 비교 항목 | 제1종 오류 (Type I Error) | 제2종 오류 (Type II Error) |
| --- | --- | --- |
| 관계 | 일반적으로 트레이드오프(Trade-off) 관계. α를 줄이면 β가 늘고, β를 줄이면 α가 늘어남. |  |
| 연구에서의 중요도 | 더 위험한 오류로 간주. 유의수준(α)을 엄격히 통제함. (예: 0.05) | 검정력(1-β)을 높이기 위해 표본 크기를 늘리는 전략 사용. |
| 보건의료 예시 | 실제로는 효과 없는 새 약이 효과 있다고 잘못 결론. (위험: 비용 낭비, 부작용 위험) | 실제로는 효과 있는 새 약이 효과 없다고 잘못 결론. (위험: 효과적인 치료 기회 상실) |

실무 포인트
보건행정이나 의료연구에서 통계 결과를 해석할 때, 단순히 'p

## 임상 시나리오

보건행정 실무 가이드
**실무 시나리오 (Clinical Scenario)**: "병원 경영지원실에서 신규 도입한 전자의무기록(EMR) 시스템이 진료 시간을 단축시켰는지 평가하는 연구를 진행 중입니다. 6개월간의 데이터를 분석한 결과, 새 시스템 사용 후 평균 진료 시간이 통계적으로 유의하게(p=0.04) 줄어든 것으로 나타났습니다. 하지만 일부 과장님은 '표본 수가 적어서 우연히 나온 결과일 수 있다'며 회의적인 반응을 보입니다."

**행정 중재 전략 (Admin Intervention)**:
1. **상황 파악**: 연구 결과는 통계적으로 유의하지만(p

## 핵심 개념

- **가설검정** — 통계적 추론 방법으로, 표본 자료를 이용하여 모집단에 대한 가설의 진위를 검정하는 과정.
- **귀무가설 (Null Hypothesis, H0)** — 검정의 대상이 되는 가설로, 일반적으로 차이나 효과가 '없다'는 것을 내용으로 함. 기각 대상.
- **제1종 오류 (Type I Error, α 오류)** — 귀무가설이 참인데도 이를 잘못 기각하는 오류. False Positive.
- **유의수준 (Significance Level, α)** — 제1종 오류를 범할 허용 최대 확률. 일반적으로 0.05 또는 0.01로 설정.
- **p-value** — 귀무가설이 참일 때, 관측된 통계량 또는 그보다 더 극단적인 값을 얻을 확률. α와 비교하여 가설 기각 여부 결정.

## 같은 주제 문제

- [다음 중 질적 변수(qualitative variable)에 해당하는 것은?](https://mymerci.kr/pages/nclex_q.php?qn_id=290715)
- [모집단의 특성을 나타내는 수치를 무엇이라고 하는가?](https://mymerci.kr/pages/nclex_q.php?qn_id=290716)
- [다음 중 서열척도(ordinal scale)의 예로 가장 적절한 것은?](https://mymerci.kr/pages/nclex_q.php?qn_id=290717)
- [표본을 추출할 때 모집단의 각 구성원이 선택될 확률을 사전에 알 수 없는 표본추출 방법은?](https://mymerci.kr/pages/nclex_q.php?qn_id=290718)
- [다음 중 연속형 변수(continuous variable)가 아닌 것은?](https://mymerci.kr/pages/nclex_q.php?qn_id=290719)
- [특정 질환의 유병률을 조사하기 위해 한 지역의 주민 명부에서 무작위로 사람을 뽑아 검진하는 표본추출 방법은?](https://mymerci.kr/pages/nclex_q.php?qn_id=290720)
- [다음 중 양적 변수(quantitative variable)를 측정하는 척도가 아닌 것은?](https://mymerci.kr/pages/nclex_q.php?qn_id=290721)
- [표본의 특성을 요약하여 모집단의 모수를 추론하는 통계학의 분야는?](https://mymerci.kr/pages/nclex_q.php?qn_id=290722)

---

More free questions: [기출문제](https://mymerci.kr/)

_학습 참고용입니다. 실제 임상은 최신 지침과 소속 기관 프로토콜을 따르세요._