# 가설검정에서 '검정력(power)'을 올바르게 정의한 것은?

> source: MyMerci (mymerci.kr)  
> url: https://mymerci.kr/pages/nclex_q.php?qn_id=290963  
> language: ko  
> subject: 추론통계

## 문제

가설검정에서 '검정력(power)'을 올바르게 정의한 것은?

## 보기

1. 귀무가설이 참일 때 이를 채택할 확률
2. 대립가설이 거짓일 때 이를 채택할 확률
3. 귀무가설이 거짓일 때 이를 기각할 확률 **✔ 정답**
4. 표본 오차를 통제할 수 있는 확률
5. 귀무가설이 참일 때 이를 기각할 확률

**정답: 3**

## 해설

검정력(1-β)은 귀무가설이 실제로 거짓일 때(즉, 대립가설이 참일 때) 이를 올바르게 기각할 확률을 의미한다.

## 심화 해설

보건행정 핵심 해설
이 문제는 보건통계학의 핵심 개념인 가설검정(Hypothesis Testing)에서 검정력(Power)의 정의를 묻고 있어요. 검정력은 연구 설계나 표본 크기 결정에서 매우 중요한 개념으로, 실제 효과가 존재할 때 이를 올바르게 발견해내는 능력을 수치화한 거예요.

**핵심 개념 분석 (Key Concept)**
가설검정에는 두 가지 중요한 오류가 있어요.
- 제1종 오류(α, Type I Error): 귀무가설이 참인데 잘못 기각하는 오류. 즉, '가짜 양성' 오류예요.
- 제2종 오류(β, Type II Error): 귀무가설이 거짓인데(대립가설이 참인데) 채택하는 오류. 즉, '가짜 음성' 오류예요.
핵심! 검정력(Power)은 **1 - β**로 정의되며, '대립가설이 참일 때(즉, 귀무가설이 거짓일 때) 이를 올바르게 기각할 확률'이에요. 쉽게 말해, '실제로 존재하는 차이나 효과를 통계적으로 발견해낼 확률'이죠.

**정답 근거 (Answer Rationale)**
정답은 ③번 '귀무가설이 거짓일 때 이를 기각할 확률'이에요. 이는 검정력의 표준적 정의로, 모든 통계학 교재에 명시되어 있어요. 검정력이 높을수록 연구의 신뢰도가 높아지며, 일반적으로 0.8(80%) 이상을 목표로 표본 크기를 산정해요.

**오답 분석 (Distractor Analysis)**
혼동 주의! 각 오답을 분석해볼게요.
① '귀무가설이 참일 때 이를 채택할 확률': 이는 **1 - α**에 해당하며, '유의수준을 통과할 확률'이 아니라 '올바르게 귀무가설을 채택할 확률'이에요. 검정력과는 반대 개념이죠.
② '대립가설이 거짓일 때 이를 채택할 확률': 대립가설이 거짓이라는 것은 귀무가설이 참이라는 뜻이에요. 따라서 이는 **제1종 오류(α)**를 설명하는 말이에요.
④ '표본 오차를 통제할 수 있는 확률': 표본 오차는 신뢰구간(Confidence Interval)과 관련된 개념이지, 검정력의 직접적 정의가 아니에요.
⑤ '귀무가설이 참일 때 이를 기각할 확률': 이는 바로 제1종 오류의 확률(α, 유의수준)을 의미해요. 가장 많이 혼동하는 포인트예요!

**연관 개념 정리 (Related Concepts)**
검정력에 영향을 미치는 주요 요소는 세 가지예요.
1. **효과 크기(Effect Size)**: 실제 차이의 크기. 효과가 클수록 검정력이 높아져요.
2. **표본 크기(Sample Size)**: 표본이 클수록 검정력이 높아져요. (가장 직접적인 조절 요소)
3. **유의수준(α, Significance Level)**: α를 크게 설정하면(예: 0.05 → 0.10) 검정력이 높아지지만, 제1종 오류 위험도 함께 증가해요.

개념 정리

| 용어 | 정의 | 기호/공식 |
| --- | --- | --- |
| 검정력(Power) | 귀무가설이 거짓일 때(대립가설이 참일 때) 올바르게 기각할 확률 | 1 - β |
| 제1종 오류(Type I Error) | 귀무가설이 참인데 기각하는 오류 (가짜 양성) | α (유의수준) |
| 제2종 오류(Type II Error) | 귀무가설이 거짓인데 채택하는 오류 (가짜 음성) | β |
| 유의수준(Significance Level) | 제1종 오류를 허용할 최대 확률 | 보통 0.05 또는 0.01 |

한눈에 비교!

| 비교 항목 | 검정력(Power, 1-β) | 유의수준(α) |
| --- | --- | --- |
| 의미 | 효과를 발견할 능력 | 잘못된 효과를 보고할 위험 |
| 관련 오류 | 제2종 오류(β)와 반비례 | 제1종 오류(α) 그 자체 |
| 연구 설계 시 목표 | 보통 0.8(80%) 이상 유지 | 0.05(5%) 이하로 고정 |
| 실무적 중요성 | 표본 크기 산정의 근거, 연구의 신뢰성 지표 | 결과 해석의 기준선, '통계적 유의성' 판단 기준 |

실무 포인트
보건행정이나 의학 연구에서 검정력 분석(Power Analysis)은 연구를 설계하기 전 **반드시** 수행해야 하는 절차예요. 예를 들어, 새로운 환자 교육 프로그램의 효과를 평가하는 연구를 계획할 때, 충분한 검정력(예: 80%)을 확보하려면 몇 명의 환자가 필요한지 미리 계산해야 해요. 검정력이 너무 낮은 연구는 아무리 유의한 결과가 나와도 신뢰받기 어려워요.

암기 팁
- **Power는 '힘'**: 실제 효과를 잡아내는 힘! → '거짓인 귀무가설을 기각하는 힘' = 검정력.
- **α vs β 대조 암기**:
- α(Alpha): 첫 번째 오류. 'A'는 'Accidentally reject true(참을 우연히 기각)'.
- β(Beta): 두 번째 오류. 'B'는 'Blindly accept false(거짓을 맹목적으로 채택)'.
- Power(1-β): β의 반대. '참을 찾아내는 힘'.

국시 빈출 포인트
검정력은 **정의 자체를 묻는 기본 문제**로 매우 자주 출제돼요. 특히 '제1종 오류(α)'와의 정의 비교, 또는 '검정력을 높이는 방법'을 묻는 문제도 많아요. "표본 크기를 늘리면 검정력이 어떻게 변하는가?" 같은 질문에 자신 있게 대답할 수 있어야 해요.

기출 변형 주의!
1. **사례 적용형**: "어떤 연구에서 검정력이 0.7로 계산되었다. 이는 무엇을 의미하는가?" → "실제 효과가 존재할 때, 70%의 확률로 그 효과를 통계적으로 발견할 수 있다는 의미"라고 답해야 해요.
2. **역산 문제**: "검정력이 0.9일 때, 제2종 오류(β)의 확률은?" → 1 - 0.9 = 0.1
3. **참/거짓 판단형**: "검정력을 높이기 위해 유의수준(α)을 0.01에서 0.05로 높이는 것은 바람직하다." → 이는 **참**인 명제예요. α를 높이면 검정력은 높아지지만, 제1종 오류 위험도 함께 증가한다는 트레이드오프(Trade-off) 관계를 이해해야 해요.

## 임상 시나리오

보건행정 실무 가이드
**실무 시나리오 (Clinical Scenario)**
"병원 기획팀에서 신규 도입한 디지털 헬스케어 앱이 당뇨 환자의 혈당 조절에 효과가 있는지 연구를 설계하려고 해요. 과거 유사 연구에서 효과 크기(Effect Size)가 중간 정도(Cohen's d=0.5)로 나타났을 때, 유의수준 α=0.05, 검정력 80%를 확보하려면 최소 몇 명의 환자가 필요한지 표본 크기를 산정해야 합니다."

**행정 중재 전략 (Admin Intervention)**
1. **상황 파악**: 연구 목표(효과 검증), 주요 변수(혈당 수치), 연구 설계(무작위 대조군 시험, RCT)를 명확히 해요.
2. **법적/규정 검토**: 연구는 생명윤리심의위원회(IRB) 승인을 받아야 하며, 표본 크기 산정 근거(검정력 분석 결과)를 연구 계획서에 포함시켜 제출해야 해요.
3. **대응 및 처리**: 통계 전문가 또는 G*Power 같은 소프트웨어를 활용해 검정력 분석을 수행해요. 가정된 효과 크기(d=0.5), α=0.05, power=0.8을 입력하면, 필요한 표본 크기(예: 각 군당 64명, 총 128명)가 산출돼요.
4. **사후 기록/보고**: 산출된 표본 크기를 근거로 연구 예산(대상자 모집 비용 등)을 편성하고, IRB 제출 서류에 검정력 분석 결과를 명시해요.

**법적 안전 및 주의사항 (Precautions)**
- 검정력이 지나치게 낮은(예: 60% 미만) 연구를 수행하면 윤리적 문제가 발생할 수 있어요. 참가자에게 부담을 주면서도 의미 있는 결과를 도출할 가능성이 낮기 때문이에요.
- 연구 결과를 발표할 때는 반드시 사용한 검정력을 보고해야 해요. 검정력이 낮은 연구의 '유의하지 않음' 결과는 '효과가 없음'을 증명하는 것이 아니라, 단지 '효과를 발견하지 못했음'을 의미할 뿐이에요.

업무 프로토콜
**연구 설계 시 검정력 분석 프로토콜**
1. **단계 1: 파라미터 설정** → 효과 크기(선행연구 참조 또는 가정), 유의수준(α=0.05), 목표 검정력(Power=0.8 또는 0.9) 설정.
2. **단계 2: 분석 수행** → 통계 소프트웨어 또는 표를 이용해 필요한 표본 크기(N) 계산.
3. **단계 3: 현실성 검토** → 계산된 N이 예산, 시간, 모집 가능 인원 내에서 실현 가능한지 확인. 불가능하면 효과 크기 재평가 또는 검정력 목표 조정(예: 0.8 → 0.7) 검토.
4. **단계 4: 문서화** → 연구 계획서에 모든 가정과 계산 과정을 투명하게 기록.

선배의 한마디
"검정력은 통계의 '현실 감각'이에요. 아무리 멋진 연구 아이디어도 검정력이 낮으면 허상에 불과할 수 있어요. 보건행정가나 연구 기획자라면, '이 연구로 진짜 차이를 발견할 확률이 충분한가?'를 항상 질문하며 업무에 접근해야 해요. 숫자 뒤에 숨은 의미를 읽는 것이 전문가의 자세예요!"

## 같은 주제 문제

- [통계적 가설검정에서 귀무가설(H0)이 참인데 기각하는 오류는?](https://mymerci.kr/pages/nclex_q.php?qn_id=290960)
- [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)
- [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._