# 다음 중 분석 데이터의 이상값(outlier)을 통계적으로 검정하는 방법으로 옳은 것은?

> source: MyMerci (mymerci.kr)  
> url: https://mymerci.kr/pages/nclex_q.php?qn_id=346142  
> language: ko  
> subject: 분석화학 기초

## 문제

다음 중 분석 데이터의 이상값(outlier)을 통계적으로 검정하는 방법으로 옳은 것은?

## 보기

1. 카이제곱 검정(Chi-square test)
2. t-검정(t-test)
3. 분산분석(ANOVA)
4. F-검정(F-test)
5. Q-검정(Q-test, Dixon's test) **✔ 정답**

**정답: 5**

## 해설

Dixon의 Q-검정은 소규모 데이터셋에서 이상값(outlier)을 통계적으로 판별하는 방법이다. Q값 = |의심값 - 가장 인접한 값| / 전체 범위로 계산하여 임계값과 비교한다. t-검정은 평균 비교, F-검정은 분산 비교에 사용된다.

## 심화 해설

핵심 해설
이 문제는 약학 연구나 품질관리(QC)에서 데이터의 신뢰성을 평가할 때 중요한 이상값(Outlier) 검정 방법을 묻고 있어요. 실험 데이터나 분석 결과에서 다른 값들과 현저히 다른 의심스러운 값이 나왔을 때, 이를 단순히 제거할 수는 없어요. 통계적으로 유의미한 이상값인지 검정하는 절차가 필요하죠.

**정답 근거 (Answer Rationale)**
정답은 핵심! ⑤번 Q-검정(Q-test, Dixon's test)입니다. 이 검정법은 특히 소규모 데이터셋(보통 n=3~10)에서 하나의 이상값을 검출하는 데 널리 사용되는 방법이에요. 계산 방법은 Q = |의심값(Xq) - 가장 가까운 값(Xn)| / (최댓값 - 최솟값)으로, 이 Q 통계량을 해당 표본 크기와 유의수준(예: 95% 신뢰수준)에 대한 임계값(Qcritical)과 비교합니다. 계산된 Q 값이 임계값보다 크면, 해당 데이터는 통계적으로 유의한 이상값으로 판단할 수 있어요.

**오답 분석 (Distractor Analysis)**
혼동 주의! 다른 선택지들은 모두 **가설 검정(Hypothesis testing)**의 방법이지만, 이상값을 특별히 검정하는 목적이 아닙니다.

① 카이제곱 검정(Chi-square test): 범주형 데이터(예: 성별에 따른 약물 반응 차이)의 독립성 또는 적합도를 검정할 때 사용됩니다.

② t-검정(t-test): 두 집단의 평균이 통계적으로 유의미하게 차이가 나는지 비교할 때 사용됩니다 (예: 신약과 위약의 효과 비교).

③ 분산분석(ANOVA): 세 개 이상의 집단 평균을 비교할 때 사용되며, t-검정을 확장한 개념입니다.

④ F-검정(F-test): 주로 두 집단의 분산이 동일한지(등분산성 검정) 비교하거나, 분산분석(ANOVA)에서 집단 간 변동을 평가할 때 사용됩니다.

**연관 개념 정리 (Related Concepts)**
Q-검정 외에도 이상값 검정 방법은 여러 가지가 있어요. 그럽스 검정(Grubbs' test)은 표본 크기에 관계없이 하나 또는 두 개의 이상값을 검출할 수 있어 더 일반적으로 사용됩니다. 또한, 쇼베네 검정(Chauvenet's criterion)이라는 방법도 있습니다. 약학에서 이 개념은 약품 분석법 검증(Method Validation), 생물학적 동등성 시험 데이터 처리, 실험실 내 품질 관리 데이터 평가 등에서 매우 중요하게 적용됩니다.

개념 정리

| 검정법 | 주요 용도 | 약학 적용 예시 |
| --- | --- | --- |
| Q-검정 (Dixon's test) | 소규모 데이터(n=3~10)의 단일 이상값 검출 | 함량균일도 시험, 용출시험에서 특이치 판단 |
| 그럽스 검정 (Grubbs' test) | 표본 크기 무관, 단일 또는 이중 이상값 검출 | 혈중 약물 농도 분석 데이터의 이상치 판별 |
| t-검정 | 두 집단 평균 비교 | 신약 vs 위약의 효능 비교 |
| F-검정 | 두 집단 분산 비교 (등분산 검정) | 두 다른 분석 방법의 정밀도(Precision) 비교 |
| 카이제곱 검정 | 범주형 데이터의 연관성/적합도 검정 | 부작용 발생률이 성별에 따라 다른지 분석 |

암기 팁
"**Q**는 **Questionable**(의심스러운) 값을 찾는 검정!"이라고 연상하세요. Dixon's test의 'D'를 'Doubtful data(의심스러운 데이터)'와 연결지어도 좋아요. t-test는 '평균(mean) 비교', F-test는 '분산(Variance) 비교'로 구분하면 명확해집니다.

국시 빈출 포인트
이상값 검정은 약제학의 분석법 검증 부분과 예방약학/보건통계 영역에서 종종 출제됩니다. 단순히 방법 이름을 묻는 것에서 나아가, 작은 데이터 세트가 주어지고 Q 값을 계산하거나 임계값과 비교하는 간단한 계산 문제 형태로도 출제될 수 있어요. Q-검정, 그럽스 검정, t-검정, F-검정의 용도를 명확히 구분하는 것이 핵심입니다.

기출 변형 주의!
"함량균일도 시험 결과 10정의 함량(%)이 다음과 같을 때, 통계적 이상값 검정법으로 적절한 것은?"과 같이 약국 실무(조제품질관리) 또는 GMP(우수의약품제조관리기준) 맥락에서 출제될 수 있습니다. 항상 "소규모 데이터셋에서 이상값 판별"이라는 키워드가 보이면 Q-검정을 먼저 떠올리세요.

## 임상 시나리오

약국/임상 실무 가이드
**임상 시나리오 (Clinical Scenario)**
약국에서 조제한 외용 크림의 주성분 함량을 품질 확인을 위해 5개의 샘플을 채취해 분석했습니다. 결과는 98.2%, 99.1%, 97.8%, 101.5%, 96.0%였습니다. 품질관리 담당 약사는 96.0%라는 값이 다른 값들과 차이가 나서 의심스럽습니다. 이 값을 단순히 무시하고 평균을 내면 안 되겠죠? 어떻게 통계적으로 접근해야 할까요?

**복약지도 및 중재 전략 (Counseling & Intervention)**
이 상황에서는 핵심! Q-검정을 적용해야 합니다. 먼저 데이터를 크기 순으로 나열합니다: 96.0, 97.8, 98.2, 99.1, 101.5. 의심값은 가장 작은 값인 96.0%입니다.

Q = |의심값 - 가장 가까운 값| / 범위 = |96.0 - 97.8| / (101.5 - 96.0) = 1.8 / 5.5 ≈ 0.327

표본 크기 n=5, 95% 신뢰수준(유의수준 0.05)에서 Q-검정의 임계값은 약 0.710입니다. 계산된 Q 값(0.327)이 임계값(0.710)보다 작으므로, 96.0%는 통계적으로 유의한 이상값이 **아닙니다**. 따라서 이 데이터를 제거하지 않고 전체 데이터셋에 포함시켜 평균 함량 등을 계산해야 합니다. 만약 이상값으로 판정되었다면, 해당 샘플의 분석 과정 오류, 샘플링 문제 등을 조사하고 재분석을 실시해야 합니다.

**환자 안전 및 주의사항 (Precautions)**
의약품 품질 관리에서 이상값을 적절히 처리하는 것은 환자 안전과 직접적으로 연결됩니다. 잘못된 데이터를 포함시켜 평균을 내면 실제 품질이 기준을 만족하지 못하는데도 만족하는 것으로 잘못 판단할 수 있습니다. 반대로, 정상적인 변동 범위 내 데이터를 이상값으로 잘못 제거하면 불필요한 조사와 비용이 발생하고, 제품의 실제 변동성을 과소평가할 위험이 있습니다. 따라서 객관적이고 표준화된 통계적 검정 절차를 따르는 것이 필수적입니다.

복약지도 프로토콜
*   **데이터 수집**: 이상값 검정은 적어도 3개 이상의 반복 측정 데이터가 있을 때 의미가 있습니다.
*   **검정 선택**: 데이터가 적을 때(n≤10)는 Q-검정, 데이터가 많을 때는 그럽스 검정을 고려하세요.
*   **결과 해석**: "통계적으로 유의한 이상값"이 검출되었다 하더라도, 그 원인(실험 오류, 실제 이상 샘플 등)을 반드시 조사해야 합니다.
*   **문서화**: 이상값 검정 방법, 사용한 임계값(신뢰수준), 계산 과정 및 결론을 모두 기록으로 남겨야 합니다.

선배 약사의 한마디
"약사는 데이터를 다루는 과학자이기도 해요. 환자의 혈액 검사 수치부터 제품의 품질 분석 데이터까지, 숫자 하나하나가 중요한 의미를 담고 있죠. '의심스러운 값'을 마주했을 때 직감에 의존하거나 편의대로 처리하지 말고, Q-검정 같은 객관적인 도구를 사용하세요. 그것이 증거기반약학(Evidence-Based Pharmacy)의 첫걸음이에요. 국시에도 나오는 이 기본적인 통계 방법이 현장에서 제품의 품질과 궁극적으로 환자의 안전을 지키는 데 쓰인다는 걸 기억하세요!"

## 핵심 개념

- **이상값** — 데이터 세트에서 다른 값들과 현저히 다른 값을 의미하며, 측정 오류, 자연적 변이 또는 새로운 발견을 나타낼 수 있습니다.
- **Q-검정 (Dixon's test)** — 소규모 데이터셋(n=3~10)에서 단일 이상값을 통계적으로 검정하는 방법입니다. Q 통계량을 계산하여 임계값과 비교합니다.
- **그럽스 검정 (Grubbs' test)** — 표본 크기에 관계없이 하나 또는 두 개의 이상값을 검출할 수 있는 보다 일반적인 이상값 검정 방법입니다.
- **가설 검정 (Hypothesis testing)** — 표본 데이터를 기반으로 모집단에 대한 가설의 타당성을 통계적으로 평가하는 과정입니다. t-검정, F-검정, 카이제곱 검정 등이 포함됩니다.
- **등분산성** — 두 개 이상의 집단에서 분산이 동일한 성질을 말합니다. t-검정이나 ANOVA 수행 전에 F-검정 등을 통해 확인하는 중요한 가정입니다.

## 같은 주제 문제

- [분석화학에서 정밀도(precision)를 나타내는 지표로 가장 적절한 것은?](https://mymerci.kr/pages/nclex_q.php?qn_id=346127)
- [어떤 분석법의 검출한계(LOD)와 정량한계(LOQ)를 신호 대 잡음비(S/N ratio) 기준으로 올바르게 짝지은 것은?](https://mymerci.kr/pages/nclex_q.php?qn_id=346128)
- [다음 중 계통오차(systematic error)의 원인에 해당하지 않는 것은?](https://mymerci.kr/pages/nclex_q.php?qn_id=346129)
- [분석 결과의 유효숫자(significant figures) 처리에 관한 설명으로 옳은 것은?](https://mymerci.kr/pages/nclex_q.php?qn_id=346130)
- [5회 반복 측정한 결과가 다음과 같을 때, 이 데이터의 상대표준편차(RSD, %)를 구하면 약 얼마인가?](https://mymerci.kr/pages/nclex_q.php?qn_id=346131)
- [분석법 유효성 검사(method validation)에서 직선성(linearity)을 평가하는 방법으로 가장 적절한 것은?](https://mymerci.kr/pages/nclex_q.php?qn_id=346132)
- [다음 중 t-검정(t-test)을 사용하는 상황으로 가장 적절한 것은?](https://mymerci.kr/pages/nclex_q.php?qn_id=346133)
- [분석 데이터에서 이상값(outlier)을 통계적으로 검정하는 방법으로 약사 국가고시에서 가장 빈출되는 것은?](https://mymerci.kr/pages/nclex_q.php?qn_id=346134)

---

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

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