# 통계적 가설검정에서 귀무가설(H0)이 사실일 때, 이를 기각하는 오류는 무엇인가?

> source: MyMerci (mymerci.kr)  
> url: https://mymerci.kr/pages/nclex_q.php?qn_id=290980  
> language: ko  
> subject: 추론통계

## 문제

통계적 가설검정에서 귀무가설(H0)이 사실일 때, 이를 기각하는 오류는 무엇인가?

## 보기

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

**정답: 3**

## 해설

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

## 심화 해설

보건행정 핵심 해설
이 문제는 보건통계학의 핵심인 통계적 가설검정에서 발생할 수 있는 오류 유형을 묻고 있어요. 특히 핵심! **제1종 오류(Type I Error)**와 **제2종 오류(Type II Error)**의 정의와 차이를 정확히 이해하는 것이 중요해요.

**핵심 개념 분석 (Key Concept)**: 통계적 가설검정은 표본 데이터를 바탕으로 모집단에 대한 가설(귀무가설 H0, 대립가설 H1)의 진위를 판단하는 과정이에요. 이때 표본의 변동성 때문에 항상 오류 가능성이 존재하며, 이를 크게 두 가지로 분류해요.

**정답 근거 (Answer Rationale)**: 정답은 ③ 제1종 오류입니다. 핵심! 제1종 오류(α 오류)는 **"귀무가설(H0)이 사실(참)인데도 불구하고, 이를 기각하는 오류"**를 말해요. 이 오류의 확률을 유의수준(Significance level, α)이라고 하며, 일반적으로 0.05(5%)나 0.01(1%)로 설정해요. 예를 들어, 실제로는 새 약이 효과가 없음에도(H0: 효과 없음) 임상시험 결과에 의해 효과가 있다고 잘못 결론내리는 경우가 이에 해당해요.

**오답 분석 (Distractor Analysis)**:

- 혼동 주의! ① '표본 오류(Sampling Error)'는 표본이 모집단을 완벽히 대표하지 못해 발생하는 일반적인 오차를 의미해요. 제1종/제2종 오류의 특정한 개념과는 다르니 구분하세요.

- ② '측정 오류(Measurement Error)'는 도구나 방법의 부정확성으로 인한 데이터 수집상의 오류에요.

- ④ '시스템 오류(System Error)'는 통계적 검정의 이론적 오류 유형이 아니에요.

- ⑤ '제2종 오류(Type II Error, β 오류)'는 **"귀무가설(H0)이 거짓인데도, 이를 채택하는 오류"**예요. 예를 들어, 실제로는 새 약이 효과가 있음에도(H0: 효과 없음이 거짓) 효과가 없다고 잘못 결론내리는 경우죠. 문제에서 묻는 상황(귀무가설이 사실일 때 기각)과 정반대에요.

**연관 개념 정리 (Related Concepts)**:

- **검정력(Power, 1-β)**: 제2종 오류(β)를 범하지 않을 확률, 즉 대립가설이 참일 때 이를 올바르게 기각할 수 있는 능력이에요. 검정력이 높을수록 좋은 검정법이에요.

- **유의수준(α)과 검정력(1-β)의 트레이드오프**: 일반적으로 α(제1종 오류 확률)를 낮추면 β(제2종 오류 확률)가 높아지고, 검정력이 낮아져요. 반대로 검정력을 높이려면 α를 높여야 해요. 이 둘의 균형을 맞추는 것이 중요해요.

개념 정리

| 오류 유형 | 다른 이름 | 정의 (귀무가설 H0 기준) | 확률 기호 | 비유 (법정 판결) |
| --- | --- | --- | --- | --- |
| 제1종 오류 | α 오류, False Positive | H0가 참인데 기각함 | α (알파) | 무죄인 사람을 유죄로 판결 (冤罪) |
| 제2종 오류 | β 오류, False Negative | H0가 거짓인데 채택함 | β (베타) | 유죄인 사람을 무죄로 판결 (방치) |

한눈에 비교!

| 비교 항목 | 제1종 오류 (Type I Error) | 제2종 오류 (Type II Error) |
| --- | --- | --- |
| 핵심 상황 | H0가 사실일 때 | H0가 거짓일 때 |
| 우리의 판단 | H0를 기각 (틀림) | H0를 채택 (틀림) |
| 보건의료에서의 위험성 | 효과 없는 치료법을 효과 있다고 홍보 (불필요한 비용/부작용) | 효과 있는 치료법을 효과 없다고 폐기 (치료 기회 상실) |
| 관리 포인트 | 유의수준(α)으로 통제 (보통 5%) | 표본 크기 증가, 검정력(1-β) 향상으로 통제 |

실무 포인트
보건행정이나 의료연구에서 임상시험 결과를 해석할 때, 이 개념은 매우 중요해요.

- **신약 승인**: 식품의약품안전처(MFDS)는 제1종 오류(α)를 매우 엄격히 통제해요. 효과가 없다는 귀무가설을 함부로 기각(효과 있다고 선언)하지 않도록 유의수준을 낮춰요.

- **검진 프로그램 평가**: 암 검진의 '위양성(False Positive)'은 제1종 오류에 해당해 불필요한 불안과 추가 검사를 초래하고, '위음성(False Negative)'은 제2종 오류에 해당해 조기 발견 기회를 놓칠 수 있어요.

암기 팁
**"1(종)은 참(眞)을 기각한다"**라고 외우세요! 제1종 오류는 귀무가설이 **참(眞)**일 때 일어나는 오류라는 뜻이에요. 숫자 '1'과 '참'의 발음을 연결하면 기억하기 쉬워요.

국시 빈출 포인트
통계 파트에서 **제1종/제2종 오류의 정의를 직접 묻거나, 유의수준(α), 검정력(1-β)의 개념을 연결**하는 문제가 매우 자주 출제돼요. 특히 "귀무가설이 사실일 때 기각하는 오류는?"이라는 질문은 고정 출제 패턴이니 꼭 익혀두세요.

기출 변형 주의!

- **사례형**: "어떤 신약 임상시험에서 유의수준 α=0.05로 검정한 결과 p-value=0.03이 나왔다. 이때 내릴 수 있는 결론과 이 결론에 따른 가능한 오류는?" (정답: 귀무가설 기각, 제1종 오류 가능성 존재)

- **역(逆) 질문**: "제2종 오류(β 오류)의 정의로 옳은 것은?"

- **관련 개념 연결**: "검정력(Power)을 높이기 위한 방법으로 옳은 것은? (보기: 표본 크기 증가, 유의수준 α 증가 등)"

## 임상 시나리오

보건행정 실무 가이드
**실무 시나리오 (Clinical Scenario)**: 병원 기획조정실에서 새로운 당뇨병 관리 프로그램의 효과를 평가하기 위해 6개월간의 데이터를 분석했어요. 통계 검정 결과, p-value가 0.04로 나와 프로그램 효과가 '통계적으로 유의하다'고 보고서에 결론을 내렸습니다. 하지만 실제로는 프로그램이 환자 혈당 관리에 별다른 영향을 미치지 않았다면, 이는 어떤 상황일까요?

**행정 중재 전략 (Admin Intervention)**:
1. **상황 파악**: 통계 분석 결과는 유의하지만, 실제 임상적 효과(혈당 수치 개선 정도)는 미미한 상황이에요.
2. **법적/규정 검토**: 이는 전형적인 제1종 오류(α 오류)에 해당할 가능성이 높아요. 표본의 변동이나 우연에 의해 효과가 있는 것처럼 나타났을 수 있어요.
3. **대응 및 처리**:
- 결과를 맹신하지 말고, **효과 크기(Effect Size)**를 함께 확인해요. p-value만으로 판단하면 안 돼요.
- 표본 크기가 충분했는지, 연구 설계에 결함은 없었는지 재검토해요.
- 가능하다면 추가 연구나 타 병원 데이터와의 비교 분석을 통해 결과의 견고성을 확인해요.
4. **사후 기록/보고**: 최종 보고서에는 "통계적 유의성은 있으나, 제1종 오류 가능성을 배제할 수 없으므로 해석에 주의가 필요하다"는 내용을 포함시켜 의사결정자에게 정확한 정보를 제공해야 해요.

**법적 안전 및 주의사항 (Precautions)**:
- 효과가 없다는 증거가 불충분하다고 해서(제2종 오류) 효과가 있다고 홍보하면 의료광고법 위반 및 환자 기만에 해당할 수 있어요.
- 반대로, 효과가 있는 치료법을 효과가 없다고 잘못 결론내리면(제2종 오류) 환자에게 최적의 치료를 제공하지 못하는 의료과실의 소지가 생길 수 있어요.

업무 프로토콜
**프로그램 효과 평가 시 통계 결과 해석 체크리스트**
1. p-value 확인 (α=0.05 미만인가?)
2. 제1종 오류 가능성 고려 (표본 크기, 연구 설계 검토)
3. 제2종 오류 가능성 및 검정력(1-β) 평가 (효과가 있다고 말하기에 표본이 너무 작은가?)
4. 통계적 유의성(p-value)과 임상적 유의성(Effect Size)을 구분하여 보고
5. 불확실성(Confidence Interval)을 함께 제시

선배의 한마디
"통계는 숫자로 된 증거이지만, 맹신하면 위험해요. 제1종 오류와 제2종 오류는 우리가 증거를 해석할 때 항상 염두에 둬야 할 '판단의 그림자' 같은 거예요. 보건행정가로서 데이터 기반 의사결정을 할 때, 이 오류들의 의미를 이해하면 훨씬 현명하고 책임 있는 결론을 내릴 수 있을 거예요!"

## 핵심 개념

- **귀무가설 (Null Hypothesis, H0)** — 검정하고자 하는 효과나 차이가 존재하지 않는다는 기본 가설. 통계 검정의 출발점이며, 증거가 충분히 강력해야만 기각됩니다.
- **대립가설 (Alternative Hypothesis, H1)** — 연구자가 주장하고 싶은 가설로, 효과나 차이가 존재한다는 가설. 귀무가설이 기각될 때 채택됩니다.
- **제1종 오류 (Type I Error, α Error)** — 귀무가설(H0)이 사실인데도 이를 기각하는 오류. False Positive(위양성)라고도 합니다. 그 확률을 유의수준(α)이라고 합니다.
- **제2종 오류 (Type II Error, β Error)** — 귀무가설(H0)이 거짓인데도 이를 채택하는 오류. False Negative(위음성)라고도 합니다. 그 확률을 β라고 합니다.
- **검정력 (Statistical Power, 1-β)** — 대립가설(H1)이 참일 때, 이를 올바르게 기각할 수 있는 확률. 즉, 제2종 오류를 범하지 않을 확률입니다. 검정력이 높을수록 좋은 검정법입니다.

## 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)
- [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)

---

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

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