# 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=290990  
> language: ko  
> subject: 추론통계

## 문제

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

## 보기

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

**정답: 5**

## 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 통계적 가설검정의 기본 원리와 오류 유형을 묻고 있어요. 보건행정, 특히 보건통계나 의료데이터 분석, 연구 결과 해석 시 반드시 이해해야 할 핵심 개념이에요.

**핵심 개념 분석 (Key Concept)**
통계적 가설검정은 표본 데이터를 통해 모집단에 대한 가설(주장)을 검증하는 과정이에요. 여기서 두 가지 가설이 등장합니다.
1. 귀무가설(Null Hypothesis, H0): 효과가 없거나 차이가 없다는 '현상 유지'의 가설.
2. 대립가설(Alternative Hypothesis, H1): 효과가 있거나 차이가 있다는 연구자가 주장하고 싶은 가설.

검정 과정에서 표본의 결과만으로 판단하기 때문에 항상 오류 가능성이 존재해요. 이 오류는 크게 두 가지로 구분됩니다.

**정답 근거 (Answer Rationale)**
정답은 핵심! **⑤ 제1종 오류**입니다.
제1종 오류(Type I Error, α 오류)는 **"귀무가설(H0)이 사실(참)인데도 불구하고, 이를 기각하는 오류"**를 말해요. 즉, '차이가 없는데 차이가 있다고 잘못 결론내리는 것'이죠. 이 오류의 확률을 유의수준(Significance level, α)이라고 하며, 일반적으로 0.05(5%)나 0.01(1%)로 설정해요. 이는 연구자가 감수할 수 있는 '거짓 양성(False Positive)' 오류의 위험률을 의미합니다.

**오답 분석 (Distractor Analysis)**
① 혼동 주의! '표본 오류(Sampling Error)'는 표본이 모집단을 완벽히 대표하지 못해 발생하는 모든 종류의 차이를 포괄하는 광의의 개념이에요. 제1종/제2종 오류는 표본 오류의 특정 유형이라고 볼 수 있지만, 이 문제에서 요구하는 정확한 용어는 아니에요.
② '시스템 오류'와 ③ '측정 오류'는 통계적 가설검정의 고유 오류 유형이 아니에요. 시스템 오류는 장비나 소프트웨어 결함, 측정 오류는 도구의 부정확성 등에서 비롯된 데이터 수집 단계의 오류를 의미해요.
④ 혼동 주의! '제2종 오류(Type II Error, β 오류)'는 귀무가설(H0)이 **거짓인데도 이를 기각하지 못하는 오류**예요. 즉, '차이가 있는데 차이가 없다고 잘못 결론내리는 것'이죠. '거짓 음성(False Negative)' 오류라고도 불러요. 문제에서는 '귀무가설이 사실일 때 기각하는 오류'를 묻고 있으므로, 정반대인 제2종 오류는 틀린 답이에요.

**연관 개념 정리 (Related Concepts)**
- 검정력(Power, 1-β): 제2종 오류를 범하지 않을 확률. 즉, 대립가설(H1)이 참일 때 이를 올바르게 채택할 수 있는 능력이에요. 연구 설계 시 표본 수를 결정하는 중요한 요소죠.
- p-값(p-value): 귀무가설이 참이라는 가정 하에, 현재 표본에서 관측된 결과보다 더 극단적인 결과가 나올 확률이에요. p-값이 유의수준(α)보다 작으면 귀무가설을 기각해요.

개념 정리

| 오류 유형 | 정의 | 확률 기호 | 비유 (의학 검사 예시) |
| --- | --- | --- | --- |
| 제1종 오류 (Type I Error) | 귀무가설(H0)이 참인데 기각함 (차이 없는데 있다고 판단) | α (알파) | 거짓 양성(False Positive) 건강한 사람을 질병 있다고 진단 |
| 제2종 오류 (Type II Error) | 귀무가설(H0)이 거짓인데 기각하지 않음 (차이 있는데 없다고 판단) | β (베타) | 거짓 음성(False Negative) 질병 있는 사람을 건강하다고 진단 |

한눈에 비교!

| 비교 항목 | 제1종 오류 (α 오류) | 제2종 오류 (β 오류) |
| --- | --- | --- |
| 관계 | 일반적으로 Trade-off 관계 (한쪽을 줄이면 다른 쪽이 커짐) |  |
| 연구에서의 중점 | 가설검정 시 통제의 초점 (유의수준 α 설정) | 검정력(Power)을 높이는 데 중점 (표본 수 증가 등) |
| 보건정책에서의 위험 | 효과 없는 신약을 허가 (불필요한 비용/부작용) | 효과 있는 신약을 허가하지 않음 (치료 기회 상실) |

실무 포인트
- **의학 논문/보고서 해석**: "p < 0.05"라는 결과는 제1종 오류를 범할 확률이 5% 미만이라는 의미예요. 이 기준을 충족했다고 해서 100% 확실한 것이 아니라는 점을 이해해야 해요.
- **보험 심사/의료기기 평가: 새로운 치료법이나 장비의 효과를 평가할 때, 제1종 오류(효과 없는 것을 효과 있다고 판단)를 줄이는 것이 매우 중요해요. 이는 불필요한 보험 급여 지출을 방지하기 위함이죠.
- 역학 조사**: 집단 발병 원인을 규명할 때, 제2종 오류(원인이 있는데 찾지 못함)를 범하면 추가 피해를 초래할 수 있어요.

암기 팁
- **숫자 연결**: "1종(α)은 '일(1)치고 맞는(H0 참) 말을 일(1)부러 기각'한다", "2종(β)은 '이(2)미 틀린(H0 거짓) 말을 이(2)의없이 받아들인다'"
- **의학 검사 비유**: "양성(positive) 판정이 1번째로 나쁜 오류(제1종), 음성(negative) 판정이 2번째로 나쁜 오류(제2종)"로 연상하세요.

국시 빈출 포인트
통계 오류 유형은 **정의를 직접 묻는 기본 문제**로 매우 자주 출제돼요. "귀무가설이 참일 때 기각" = 제1종 오류, "귀무가설이 거짓일 때 기각하지 않음" = 제2종 오류라는 **대조적 정의**를 정확히 암기하는 것이 핵심이에요. α, β 기호와 연결 지어 출제되기도 합니다.

기출 변형 주의!
1. **역(逆)으로 물어보기**: "제2종 오류의 정의는?" (정답: 귀무가설이 거짓인데 기각하지 않는 오류)
2. **확률 기호 연결**: "귀무가설이 참인데 기각할 확률을 나타내는 기호는?" (정답: α)
3. **검정력 연결**: "1-β는 무엇을 의미하는가?" (정답: 검정력)

## 임상 시나리오

보건행정 실무 가이드
**실무 시나리오 (Clinical Scenario)**
"병원 기획조정실에서 새로운 수술 로봇 도입 효과를 분석 중이에요. 1년간의 데이터를 분석한 결과, 로봇 수술군이 기존 개복 수술군에 비해 평균 재원일수가 2일 짧고(p=0.03), 합병증 발생률도 낮았어요(p=0.01). 이 결과를 바탕으로 고가 장비 도입을 권고하는 보고서를 작성하려고 합니다. 이때 통계 결과 해석에 어떤 주의가 필요할까요?"

**행정 중재 전략 (Admin Intervention)**
1. **상황 파악**: 통계적으로 유의미한(p < 0.05) 결과가 나왔지만, 이는 핵심! **제1종 오류(α 오류) 가능성을 완전히 배제할 수 없다**는 점을 인지해야 해요. 표본 크기, 연구 설계의 한계(예: 무작위 배정 여부)를 확인하세요.
2. **법적/규정 검토**: 신의료기술평가 제도에 따르면, 단일 연구 결과만으로 급여 여부를 결정하지 않아요. 메타분석이나 체계적 문헌고찰을 통해 증거 수준을 높이는 것이 중요합니다.
3. **대응 및 처리**: 보고서에 "본 결과는 제1종 오류 가능성을 내포하고 있으며, 표본 수가 상대적으로 작아 검정력(1-β)이 부족할 수 있다"는 **한계점**을 반드시 명시해야 해요. 또한, 비용효과분석(CEA) 결과와 함께 제시하여 종합적인 판단 근거를 마련하세요.
4. **사후 기록/보고**: 분석에 사용된 통계 방법(예: t-검정, 카이제곱 검정), 유의수준(α=0.05), 소프트웨어 등을 투명하게 기록하여 검증 가능성을 높여요.

**법적 안전 및 주의사항 (Precautions)**
- 주의! 통계적 유의성(p-value)과 **실제적 유의성(Effect Size)**을 혼동하지 마세요. 평균 재원일수 0.1일 차이도 p < 0.05가 나올 수 있지만, 병원 운영에 실질적인 영향은 미미할 수 있어요.
- 건강보험심사평가원(HIRA)에 신의료기술 신청 시, 통계적 검증의 엄격함이 매우 중요해요. 제1종 오류로 인해 효과가 불분명한 기술이 급여되면 사회적 비용이 발생할 수 있습니다.

업무 프로토콜
**의료기술/신약 효과 분석 보고서 작성 체크리스트**
1. 가설 설정: 귀무가설(H0)과 대립가설(H1) 명확히 기술
2. 통계 방법: 사용한 검정 방법 명시 (예: 독립표본 t-검정)
3. 유의수준: α = 0.05 (또는 0.01)로 설정
4. 결과 제시: p-값, 효과 크기(Effect Size), 신뢰구간(CI) 함께 보고
5. 한계점 기술: 표본 크기, 연구 설계, 제1종/제2종 오류 가능성 언급
6. 결론: 통계 결과를 실무적/경제적 관점에서 해석

선배의 한마디
"보건행정에서 데이터는 '증거'입니다. 통계는 그 증거의 신뢰도를 판단하는 도구예요. 제1종 오류와 제2종 오류의 개념은 '틀릴 수 있는 두 가지 방법'을 이해하게 해줘요. 효과 없는 프로그램에 예산을 쏟는 것(제1종 오류)과, 효과 있는 프로그램을 중단하는 것(제2종 오류) 모두 병원이나 보건 정책에 큰 손실을 줍니다. 숫자 뒤에 숨은 '불확실성'을 읽는 안목을 키우세요!"

## 핵심 개념

- **귀무가설 (Null Hypothesis, H0)** — 검정하고자 하는 효과나 차이가 존재하지 않는다는 통계적 가설. 일반적으로 기각의 대상이 되는 가설.
- **대립가설 (Alternative Hypothesis, H1)** — 연구자가 주장하고자 하는, 효과나 차이가 존재한다는 가설. 귀무가설의 반대 주장.
- **제1종 오류 (Type I Error, α 오류)** — 귀무가설이 사실인데도 이를 기각하는 오류. '거짓 양성(False Positive)' 오류.
- **제2종 오류 (Type II Error, β 오류)** — 귀무가설이 거짓인데도 이를 기각하지 않는 오류. '거짓 음성(False Negative)' 오류.
- **유의수준 (Significance Level, α)** — 제1종 오류를 범할 허용 가능한 최대 확률. 일반적으로 0.05 또는 0.01로 설정하며, p-값과 비교하는 기준.

## 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._