# 정규분포를 따르는 모집단의 평균에 대한 가설검정에서, 표본 크기가 작을 때(n

> source: MyMerci (mymerci.kr)  
> url: https://mymerci.kr/pages/nclex_q.php?qn_id=290987  
> language: ko  
> subject: 추론통계

## 문제

정규분포를 따르는 모집단의 평균에 대한 가설검정에서, 표본 크기가 작을 때(n

## 보기

1. 카이제곱 검정
2. t-검정 **✔ 정답**
3. 비모수 검정
4. F-검정
5. z-검정

**정답: 2**

## 해설

표본 크기가 작고 모표준편차를 알지 못할 때는 표본으로부터 추정된 표준오차를 사용하는 t-검정을 적용한다. z-검정은 대표본이거나 모표준편차를 알 때 사용한다.

## 심화 해설

보건행정 핵심 해설
이 문제는 보건통계학에서 가장 기본적이면서도 중요한 가설검정 방법 선택의 원칙을 묻고 있어요. 보건행정 현장에서는 설문조사 결과 분석, 의료 서비스 효과 비교, 정책 평가 등 다양한 상황에서 통계적 검정이 필요하므로, 그 원리를 정확히 이해하는 것이 필수적이에요.

**핵심 개념 분석 (Key Concept)**: 문제의 핵심은 "정규분포를 따르는 모집단의 평균"을 검정할 때, 핵심! "표본 크기가 작을 때" 어떤 검정 방법을 사용해야 하는지입니다. 통계적 추론에서 모집단의 평균(μ)에 대한 검정은 크게 두 가지 방법이 있어요: z-검정과 t-검정이죠. 이 둘을 구분하는 결정적인 기준은 **① 표본 크기(n) ② 모집단의 표준편차(σ)를 알고 있는지 여부**예요.

**정답 근거 (Answer Rationale)**: 정답은 ②번 't-검정'입니다. 그 이유는 다음과 같은 통계학 원칙에 근거해요.
1.  핵심! t-검정은 표본 크기가 작고(일반적으로 n < 30), **모집단의 표준편차(σ)를 알지 못할 때** 사용합니다. 이때는 표본 데이터로부터 표준편차(s)를 추정하여 표준오차를 계산하고, 이를 바탕으로 검정 통계량(t)을 산출해요.
2.  t-분포는 표본 크기가 작을수록 꼬리가 두꺼워지고(표준정규분포보다 더 퍼져 있음), 표본 크기가 커질수록 z-분포(표준정규분포)에 수렴하는 특징이 있어요. 따라서 소표본일 때는 불확실성을 고려한 t-검정이 더 적합합니다.
3.  문제 조건 "정규분포를 따르는 모집단"은 t-검정의 기본 가정(정규성 가정)이 충족됨을 의미하므로, t-검정 적용에 아무런 문제가 없어요.

**오답 분석 (Distractor Analysis)**:
-   ①번 '카이제곱 검정': 이는 혼동 주의! 평균이 아닌 **분산**을 검정하거나, **범주형 변수** 간의 독립성/적합성을 검정할 때 사용하는 방법이에요. (예: 성별에 따른 흡연율 차이 검정, 주사위 눈금의 출현 빈도가 균등한지 검정)
-   ③번 '비모수 검정': 이는 모집단의 분포에 대한 가정(예: 정규분포)을 하지 않는 검정 방법이에요. 문제에서 이미 "정규분포를 따른다"는 가정이 명시되어 있으므로, 더 강력한(검정력이 높은) 모수 검정인 t-검정을 사용하는 것이 적절해요. (예: Mann-Whitney U 검정, Wilcoxon 부호순위 검정)
-   ④번 'F-검정': 이는 주로 **두 개 이상의 집단 평균을 비교**(분산분석, ANOVA)하거나, **두 집단의 분산이 동일한지 비교**할 때 사용하는 검정이에요. 단일 모집단 평균이나 두 집단 평균의 차이를 검정하는 t-검정과는 목적이 달라요.
-   ⑤번 'z-검정': 혼동 주의! 이는 표본 크기가 클 때(대표본, 일반적으로 n ≥ 30) **중심극한정리**에 의해 표본평균의 분포가 정규분포에 근사하거나, **모집단의 표준편차(σ)를 정확히 알고 있을 때** 사용하는 검정이에요. 문제 조건은 "표본 크기가 작을 때"이므로 z-검정은 부적절합니다.

**연관 개념 정리 (Related Concepts)**:
-   **자유도(Degree of Freedom)**: t-검정에서 사용하는 t-분포의 형태를 결정하는 매개변수로, 일반적으로 표본 크기(n)에서 1을 뺀 값(n-1)입니다. 자유도가 클수록 t-분포는 표준정규분포에 가까워져요.
-   **중심극한정리(Central Limit Theorem, CLT)**: 모집단의 분포가 어떻든 간에, 표본 크기가 충분히 크면 표본평균의 분포는 정규분포에 근사한다는 정리입니다. 이 때문에 대표본에서는 z-검정을 사용할 수 있어요.

개념 정리

| 검정 방법 | 주요 용도 | 사용 조건 / 특징 |
| --- | --- | --- |
| t-검정 | 소표본의 평균 검정 (단일, 독립, 대응 표본) | • n이 작고, σ를 모를 때 • 정규성 가정 필요 • t-분포 사용 |
| z-검정 | 대표본의 평균 검정 또는 σ를 알 때 | • n이 크거나, σ를 알 때 • 중심극한정리 적용 • 표준정규분포 사용 |
| 카이제곱 검정 | 분산 검정, 적합도, 독립성 검정 | • 범주형 자료 분석 • 관측빈도 vs 기대빈도 비교 |
| F-검정 | 분산 비교, 분산분석(ANOVA) | • 두 집단 이상의 평균 비교 • 등분산성 검정 |
| 비모수 검정 | 분포 가정이 어려울 때 | • 정규성 가정 불필요 • 순위(rank) 기반 분석 • 검정력이 상대적으로 낮음 |

한눈에 비교!

| 비교 항목 | t-검정 | z-검정 |
| --- | --- | --- |
| 표본 크기 | 소표본 (n < 30) | 대표본 (n ≥ 30) |
| 모표준편차(σ) | 알지 못함 → 표본으로 추정(s) | 알고 있거나, 대표본으로 추정 가능 |
| 이론적 근거 | 정규성 가정 | 중심극한정리 |
| 사용 분포 | t-분포 (자유도 n-1) | 표준정규분포 (z-분포) |
| 보건행정 적용 예 | 소규모 병동 간호사 만족도 비교, 신약 임상 1상 시험 결과 분석 | 대규모 지역주민 건강설문 결과 분석, 건강보험 대용량 데이터 분석 |

실무 포인트
보건행정 실무에서 통계 검정을 할 때는:
1.  **데이터 특성 파악**: 먼저 자료가 연속형(평균 검정)인지 범주형(비율/빈도 검정)인지 확인하세요.
2.  **가정 확인**: 연속형 자료라면 정규성 검정(Shapiro-Wilk 검정 등)과 등분산성 검정(Levene 검정 등)을 실시해 t-검정의 가정이 충족되는지 확인해야 해요.
3.  **소프트웨어 활용**: SPSS, R, SAS, Excel 등 통계 소프트웨어를 사용할 때는 분석 목적에 맞는 검정 방법을 메뉴에서 정확히 선택해야 합니다. (예: 독립표본 t-검정, 대응표본 t-검정, 일표본 t-검정)

암기 팁
-   **"소t 대z"**: 핵심! 소표본은 **t**-검정, 대표본은 **z**-검정! 가장 간단한 암기법이에요.
-   **"시그마 모르면 t를 써"**: 모표준편차 σ(시그마)를 모르면 t-검정을 사용한다고 연상하세요.

국시 빈출 포인트
보건의료정보관리사/병원행정사 시험에서는 t-검정과 z-검정의 구분이 단순 지식 확인형으로 매우 자주 출제됩니다. "표본 크기가 25일 때", "모표준편차를 알 수 없을 때"와 같은 조건을 정확히 읽고 구분하는 능력이 중요해요.

기출 변형 주의!
동일한 개념을 다음과 같이 변형하여 출제될 수 있어요:
-   **사례형**: "어느 보건소에서 20명의 주민을 대상으로 한 새로운 운동 프로그램의 혈압 강하 효과를 검정하려고 한다. 가장 적합한 통계 검정 방법은?" → 조건(소표본, 대응표본)을 추론하여 **대응표본 t-검정**을 선택해야 합니다.
-   **역접형**: "다음 중 z-검정을 사용하기에 가장 적절한 상황은?" → "대표본" 또는 "모표준편차를 알고 있는 경우"를 고르는 문제로 출제될 수 있어요.

## 임상 시나리오

보건행정 실무 가이드
**실무 시나리오 (Clinical Scenario)**: "A 병원 기획팀에서 새로 도입한 원무 처리 시스템의 업무 처리 시간 단축 효과를 평가하려고 해요. 시스템 도입 전후 각 15명의 직원을 대상으로 동일한 업무를 처리하는 데 걸린 시간(분)을 측정했어요. 데이터는 정규분포를 따른다고 가정할 수 있습니다. 효과 분석을 위해 어떤 통계 검정을 적용해야 할까요?"

**행정 중재 전략 (Admin Intervention)**:
1.  **상황 파악**: 동일한 집단(직원)을 시스템 도입 전과 후에 측정한 **대응표본(Paired Sample)** 데이터입니다. 분석 목표는 "평균 처리 시간에 차이가 있는가"입니다.
2.  **법적/규정 검토**: 통계적 방법 선택에는 법규보다는 과학적 원칙이 적용됩니다. 표본 크기가 각 15명으로 소표본이며, 모표준편차는 알 수 없습니다. 정규성 가정은 주어졌습니다.
3.  **대응 및 처리**: 핵심! 이 상황에는 **대응표본 t-검정(Paired t-test)**을 적용해야 합니다. 각 직원의 '전-후' 차이값의 평균이 0과 유의미하게 다른지를 검정하게 됩니다.
4.  **사후 기록/보고**: 분석 결과(t-통계량, p-value, 신뢰구간)를 보고서에 명시하고, 시스템 도입의 효과에 대한 통계적 근거로 활용합니다.

**법적 안전 및 주의사항 (Precautions)**:
-   통계 분석 결과를 과장하거나 왜곡하여 보고하지 않도록 주의해야 합니다. p-value가 유의수준(예: 0.05)보다 크면 "효과가 없다"고 해석하는 것이 아니라, "통계적으로 유의한 차이를 발견하지 못했다"고 기술하는 것이 과학적입니다.
-   연구윤리 차원에서, 데이터 조작이나 이상치(Outlier)를 무단으로 제거하는 행위는 절대 금지됩니다.

업무 프로토콜
**통계 검정 선택 프로토콜**:
1.  **목적 정의**: 무엇을 비교하는가? (평균? 비율? 분산?)
2.  **데이터 구조 확인**: 표본 수? 독립표본/대응표본? 연속형/범주형?
3.  **가정 검토**: 정규성? 등분산성? (검정 또는 그래프로 확인)
4.  **방법 선택**: 위의 기준에 따라 t, z, 카이제곱, F, 비모수 검정 중 선택.
5.  **분석 수행 및 해석**: 소프트웨어 실행 → 결과(p-value 등) 해석 → 실무적 결론 도출.

선배의 한마디
"보건행정에서 데이터는 말을 합니다. 하지만 그 목소리를 제대로 듣기 위해서는 적절한 통계 도구가 필요해요. t-검정과 z-검정의 차이는 마치 정밀한 수술도구와 일반 공구의 차이와 같아요. 상황과 조건에 맞는 도구를 선택하는 것이 전문가의 첫걸음이에요. 보험 청구 데이터 분석, 환자 만족도 조사, 병원 성과 평가 등 모든 곳에서 이 기본기가 빛을 발할 거예요!"

## 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._