# 통계적 가설검정에서 귀무가설(H0)이 참인데 기각하는 오류는?

> source: MyMerci (mymerci.kr)  
> url: https://mymerci.kr/pages/nclex_q.php?qn_id=290960  
> language: ko  
> subject: 추론통계

## 문제

통계적 가설검정에서 귀무가설(H0)이 참인데 기각하는 오류는?

## 보기

1. 제2종 오류
2. 측정 오류
3. 시스템 오류
4. 제1종 오류 **✔ 정답**
5. 표본 오류

**정답: 4**

## 해설

제1종 오류(α 오류)는 귀무가설이 참인데 잘못 기각하는 오류이다. 제2종 오류(β 오류)는 귀무가설이 거짓인데 채택하는 오류이다.

## 심화 해설

보건행정 핵심 해설
이 문제는 보건통계학의 기초이자, 연구 설계와 결과 해석의 핵심인 통계적 가설검정 오류에 대해 묻고 있어요. 보건행정 현장에서는 정책 효과 분석, 의료 서비스 품질 평가(QI), 신약 임상시험 결과 판독 등 데이터 기반 의사결정의 토대가 되는 매우 중요한 개념이에요.

**핵심 개념 분석 (Key Concept)**
통계적 가설검정은 표본 데이터를 통해 모집단에 대한 주장(가설)을 검증하는 과정이에요. 이때 두 가지 가설이 설정됩니다.
1. 귀무가설(Null Hypothesis, H0): 효과가 없다, 차이가 없다는 '현상태를 유지'하는 가설.
2. 대립가설(Alternative Hypothesis, H1): 효과가 있다, 차이가 있다는 연구자가 주장하고 싶은 가설.

검정 과정에서 표본의 불확실성 때문에 발생할 수 있는 오류는 크게 두 가지로, 이는 핵심! 가설의 '진실(참/거짓)'과 검정자의 '결정(기각/채택)'이 교차하는 매트릭스로 이해하면 명확해요.

**정답 근거 (Answer Rationale)**
정답은 **④ 제1종 오류**입니다.
핵심! 제1종 오류(Type I Error, α 오류)는 **"귀무가설(H0)이 사실은 참인데, 검정 결과에 따라 이를 잘못 기각하는 오류"**를 말해요. 즉, '없는 효과를 있다고 잘못 판단'하는 오류예요. 이 오류가 발생할 최대 허용 확률을 유의수준(Significance Level, α)이라고 하며, 일반적으로 0.05(5%)나 0.01(1%)로 설정해요.

**오답 분석 (Distractor Analysis)**
혼동 주의! 가장 많이 혼동하는 개념은 제2종 오류예요.
① **제2종 오류(Type II Error, β 오류)**: 이는 귀무가설(H0)이 사실은 거짓인데(즉, 대립가설 H1이 참인데), 이를 잘못 채택(기각하지 못함)하는 오류예요. '있는 효과를 없다고 잘못 판단'하는 거예요. 제1종 오류와 정반대 상황이에요.
② **측정 오류(Measurement Error)**: 도구의 부정확성, 관찰자 편향 등 데이터 수집 과정에서 발생하는 오류로, 가설검정 오류와는 다른 차원의 개념이에요.
③ **시스템 오류(System Error)**: 통계 소프트웨어 오류나 절차상의 실수 등을 의미할 수 있으나, 통계학에서 정식으로 정의된 가설검정 오류 유형이 아니에요.
⑤ **표본 오류(Sampling Error)**: 모집단 전체를 조사하지 않고 표본만 조사함으로써 발생하는 자연스러운 오차를 말해요. 이는 모든 표본조사에 내재된 불확실성이며, 가설검정 오류의 원인이 될 수는 있지만 오류 유형 자체는 아니에요.

**연관 개념 정리 (Related Concepts)**
- 검정력(Power, 1-β): 제2종 오류(β)를 범하지 않을 확률, 즉 '있는 효과를 올바르게 발견해낼 확률'이에요. 연구 설계 시 표본 수를 결정하는 핵심 요소죠.
- p-값(p-value): 귀무가설이 참이라는 가정 하에, 현재 표본에서 관찰된 결과보다 더 극단적인 결과가 나올 확률이에요. p값이 유의수준(α)보다 작으면 귀무가설을 기각하게 돼요.

개념 정리

| 오류 유형 | 별칭 | 정의 (가설의 진실 vs 결정) | 허용 확률 | 실무적 의미 |
| --- | --- | --- | --- | --- |
| 제1종 오류 | α 오류, False Positive | H0이 참인데 기각함 | 유의수준 (α) | 효과 없는데 있다고 잘못 주장 (위양성) |
| 제2종 오류 | β 오류, False Negative | H0이 거짓인데 채택(기각X)함 | β | 효과 있는데 없다고 잘못 주장 (위음성) |

한눈에 비교!

| 비교 항목 | 제1종 오류 (Type I Error) | 제2종 오류 (Type II Error) |
| --- | --- | --- |
| 핵심 상황 | "없는 것을 있다고 함" | "있는 것을 없다고 함" |
| 위험 부담 | 허가 받지 않은 혼동 주의!무효한 신약을 허가 (사회적 비용↑) | 효과 있는 신약을 허가하지 못함 (기회 손실) |
| 관계 | 표본 크기 고정 시, 하나를 줄이면 다른 하나가 늘어나는 Trade-off 관계 |  |

실무 포인트
보건행정/정책 평가나 의료 연구에서:
1. **유의수준(α) 설정**: 일반적으로 0.05를 사용하지만, 신약 임상시험처럼 제1종 오류의 위험이 매우 클 경우(위약을 효과 있다고 잘못 판단) 더 엄격한 0.01을 사용하기도 해요.
2. **표본 수 산정**: 원하는 검정력(예: 80% 또는 90%)과 유의수준(α), 예상 효과 크기를 미리 설정한 후 통계 전문가와 함께 표본 수를 계산해야 신뢰할 수 있는 연구 결과를 도출할 수 있어요.
3. **결과 해석 시**: "통계적으로 유의하다(p < 0.05)"는 말은 '제1종 오류를 범할 확률이 5% 미만이다'를 의미하며, 이는 '효과가 100% 존재한다'는 뜻이 **아니에요**. 항상 불확실성이 내포되어 있다는 점을 인지해야 해요.

암기 팁
"**1(종) 기(각)**"로 외우세요! 제**1**종 오류는 귀무가설이 참일 때 **기**각하는 오류. 나머지(제2종)는 자연스럽게 반대 상황(거짓일 때 채택)이 됩니다.

국시 빈출 포인트
- 제1종/제2종 오류의 **정의를 구분**하여 묻는 기본 문제가 매우 자주 출제됩니다.
- 유의수준(α), 검정력(1-β), p값과의 관계를 연결지어 출제되기도 합니다.
- 보건의료정보관리사 시험에서는 연구방법론 파트에서, 병원행정사 시험에서는 병원경영학(연구 및 평가) 파트에서 단골 출제 개념입니다.

기출 변형 주의!
1. **사례 적용형**: "새로운 감염병 진단키트를 평가했을 때, 실제로 감염되지 않은 사람을 양성으로 판정하는 오류는?" → 정답: 제1종 오류 (False Positive).
2. **역(逆) 개념 확인형**: "제2종 오류의 확률을 무엇이라고 하는가?" → 정답: β.
3. **관계 이해형**: "표본 크기를 증가시킬 때, 일반적으로 어떻게 변하는가?" → 정답: 제1종 오류(α)는 변하지 않고, 제2종 오류(β)는 감소하여 검정력(1-β)이 증가한다.

## 임상 시나리오

보건행정 실무 가이드
**실무 시나리오 (Clinical Scenario)**
"병원 품질관리(QI)팀에서 도입한 새로운 수술 후 감염 예방 프로토콜의 효과를 평가하고 있어요. 6개월간 데이터를 수집해 기존 방법과 비교한 결과, 통계적 검정에서 p값이 0.03으로 나왔습니다(유의수준 α=0.05). 팀장은 '새 프로토콜이 감염률을 유의미하게 낮췄다'고 결론을 내리려 합니다. 여기서 숨겨진 통계적 리스크는 무엇일까요?"

**행정 중재 전략 (Admin Intervention)**
1. **상황 파악**: p=0.03 < α=0.05이므로, 통계적으로는 귀무가설(‘두 방법 간 차이 없다’)을 기각할 수 있어요. 이는 핵심! **제1종 오류(α 오류)를 범할 확률이 3%라는 의미**예요. 즉, 새 프로토콜이 실제로는 효과가 없음에도 불구하고 효과가 있다고 잘못 판단할 위험이 3% 존재한다는 거죠.
2. **법적/규정 검토**: 단순한 p값 해석 외에, 효과 크기(Effect Size)와 신뢰구간(Confidence Interval)을 함께 검토해야 해요. 효과 크기가 매우 작다면 통계적으로 유의해도 임상적/실무적 의미는 미미할 수 있어요.
3. **대응 및 처리**: 품질관리팀에게 다음과 같이 조언할 수 있어요.
- "p값만으로 결정하기보다, 감염률 감소의 절대적 크기(예: 2%p 감소)와 이를 달성하기 위한 비용을 함께 고려해야 합니다."
- "이 결과가 우연에 의한 것일 가능성(제1종 오류)을 배제할 수 없으니, 추가 기간 동안 데이터를 더 수집해 재검증하거나, 다른 병동에서 파일럿 테스트를 해보는 것이 안전합니다."
4. **사후 기록/보고**: 품질개선 보고서에는 '통계적 유의성(p < 0.05)'과 함께 '제1종 오류 가능성 존재', '효과 크기', '한계점(표본 수, 관찰 기간 등)'을 명시하여 투명하게 보고해야 해요.

**법적 안전 및 주의사항 (Precautions)**
- 연구 윤리 차원에서, 제1종 오류로 인해 무효한 치료법이 도입되면 환자 안전에 위협이 될 수 있고, 병원은 불필요한 비용을 지출하게 돼요.
- 반대로, 제2종 오류로 인해 효과 있는 방법을 채택하지 못하면 기회를 놓치게 되죠. 따라서 중요한 정책이나 고비용 개입을 결정할 때는 유의수준(α)과 검정력(1-β)을 신중히 설정해야 해요.

업무 프로토콜
**품질개선(QI) 연구 결과 해석 체크리스트**
1. **가설 설정 확인**: 귀무가설(H0)과 대립가설(H1)이 명확한가?
2. **유의수준(α) 확인**: 연구 설계 시 설정한 α는 얼마인가? (기본 0.05)
3. **p값 확인 및 비교**: 산출된 p값이 α보다 작은가?
4. **오류 가능성 고려**: p < α라면, 그 값 자체가 제1종 오류 가능성(위양성률)이다.
5. **추가 지표 확인**: 효과 크기, 신뢰구간, 검정력(표본 수 충분성)을 함께 검토한다.
6. **의사결정**: 통계적 결과와 임상적/경제적 타당성을 종합적으로 판단하여 실행 여부를 결정한다.

선배의 한마디
"통계는 '확률의 언어'예요. 100% 확신을 주지 않아요. 보건행정가로서 데이터를 다룰 때 가장 중요한 자세는 'p값이 0.05보다 작으니까 무조건 옳다'가 아니라, '이 결과가 틀릴 수도 있다는 얼마만큼의 위험(α)을 내포하고 있는가'를 항상 염두에 두는 거예요. 제1종 오류와 제2종 오류의 개념을 이해하면, 연구 보고서나 정책 평가서를 더 비판적이고 현명하게 읽고, 신뢰할 수 있는 의사결정을 내리는 데 큰 도움이 될 거예요!"

## 같은 주제 문제

- [가설검정 시 사용하는 유의수준(α)의 일반적인 기준값은?](https://mymerci.kr/pages/nclex_q.php?qn_id=290961)
- [새로운 혈압약의 효과를 검증하기 위해 대조군과 비교하는 연구를 수행했다. 검정 결과 p-value가 0.03으로 나왔다. 이 결과의 해석으로 옳은 것은? (유의수…](https://mymerci.kr/pages/nclex_q.php?qn_id=290962)
- [가설검정에서 '검정력(power)'을 올바르게 정의한 것은?](https://mymerci.kr/pages/nclex_q.php?qn_id=290963)
- [단측 검정(one-tailed test)과 양측 검정(two-tailed test)을 구분하는 주요 기준은?](https://mymerci.kr/pages/nclex_q.php?qn_id=290964)
- [두 독립 표본의 평균을 비교하는 t-검정을 수행할 때, 먼저 확인해야 하는 전제 조건은?](https://mymerci.kr/pages/nclex_q.php?qn_id=290965)
- [카이제곱(χ²) 검정이 주로 사용되는 상황은?](https://mymerci.kr/pages/nclex_q.php?qn_id=290966)
- [가설검정에서 '귀무가설'에 대한 설명으로 옳은 것은?](https://mymerci.kr/pages/nclex_q.php?qn_id=290967)
- [유의수준 α=0.05에서 가설검정을 수행한 결과 p-value가 0.10으로 나왔다. 올바른 통계적 결론은?](https://mymerci.kr/pages/nclex_q.php?qn_id=290968)

---

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

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