독립표본 t-검정과 대응표본 t-검정

왜 배우는가: 독립표본 t-검정과 대응표본 t-검정은 두 집단 또는 전후 비교에서 평균 차이가 우연인지 판단하는 가장 기본적인 가설검정 도구다. 실무에서 공정·품질·마케팅 효과를 비교할 때 자주 쓰이며, 두 기법의 구분(표본 독립성 판단)이 시험에서 반복해 출제된다.

출제 이력: 제131회 1교시 9번, 제111회 3교시 2번

1. 한 줄 정의와 핵심 키워드

독립표본 t-검정은 서로 독립인 두 모집단의 평균 차이를 t분포로 검정하고, 대응표본 t-검정은 짝지은 두 측정값의 차이 평균이 0인지 검정하는 방법이다.

핵심 키워드: 독립표본 t-검정, 대응표본 t-검정, 귀무가설, 통합표준편차, 차이의 평균 \bar{d}, 자유도, 등분산성, 정규성

2. 개념 풀이

쉽게 말하면 두 그룹의 평균이 실제로 다른지, 아니면 표본을 뽑을 때 생긴 우연인지 가리는 방법이다. 그룹이 서로 다른 대상이면 독립표본을, 같은 대상을 두 번 재거나 짝을 지을 수 있으면 대응표본을 쓴다.

독립표본 t-검정은 두 모집단에서 각각 독립으로 추출한 표본의 평균 차이를 검정한다. 두 모집단의 분산이 같다고 가정하고, 두 표본의 분산을 합친 통합표준편차(pooled standard deviation)로 표준오차를 구한다. 검정통계량은 t=\dfrac{\bar{x}_1-\bar{x}_2}{s_p\sqrt{1/n_1+1/n_2}} 이며, 자유도는 n_1+n_2-2 인 t분포를 따른다. 여기서 s_p는 통합표준편차, n_1, n_2는 각 표본크기다.

대응표본 t-검정은 같은 대상의 전후 측정처럼 짝지어진 자료를 다룬다. 각 쌍의 차이 d_i를 먼저 구하고, 차이의 평균 \bar{d}를 차이의 표준편차 s_d로 나눈다. 검정통계량은 t=\dfrac{\bar{d}}{s_d/\sqrt{n}} 이고 자유도는 n-1 이다. 두 집단을 짝 없이 비교하는 것이 아니라, 개인차가 차이 계산에서 상쇄된다는 점이 핵심이다.

귀무가설(H0)은 두 독립표본에서는 \mu_1=\mu_2, 대응표본에서는 \mu_d=0 이다. 대립가설은 양측·단측 중 문제의 방향에 따라 정한다.

3. 등장 배경과 필요성

평균 비교 문제에서 모분산을 알면 Z-검정을 쓰지만, 실제로는 모분산을 모르는 경우가 대부분이다. 이때 표본분산으로 대체하면 표본통계량이 정규분포가 아닌 t분포를 따르므로, 작은 표본에서도 정확한 검정이 가능해졌다. 이 방법이 윌리엄 고셋(Student)의 t분포 연구에서 출발했다는 점은 교재에 널리 실린 내용이다.

두 집단 비교에서는 집단 간 차이를, 같은 대상의 변화에서는 대상 내 차이를 보아야 한다. 같은 방법을 잘못 적용하면 검정력이 떨어지거나 잘못된 결론이 나온다. 예를 들어 같은 사람의 교육 전후 점수를 독립표본으로 비교하면 개인차가 오차에 섞여 차이가 잘 드러나지 않는다. 그래서 자료 구조에 맞는 검정을 고르는 판단이 필요하다.

이 두 기법은 데이터 분석에서 A/B 테스트, 공정 개선 전후 비교, 설문 집단 비교의 기초가 된다. 따라서 정보관리기술사 시험에서도 통계적 추론의 실무 적용 문제로 자주 나온다.

4. 구성요소·원리·절차

독립표본 t-검정과 대응표본 t-검정은 모두 두 평균의 차이를 표준오차로 나눈 검정통계량 t를 쓴다. 차이는 표본을 어떻게 짝짓느냐와 분모의 표준오차를 어떻게 구하느냐에 있다.

독립표본은 두 집단의 통합 표준편차를 써서 표준오차를 구한다. 두 집단의 모분산이 같다는 등분산 가정이 전제다. 대응표본은 짝별 차이 d를 한 표본으로 보고 차이의 평균과 표준편차로 검정한다. 짝이 같은 개체이므로 개인차가 상쇄되어 표준오차가 작아진다.

검정통계량은 다음과 같다.

$s_p=\sqrt{\frac{(n_1-1)s_1^2+(n_2-1)s_2^2}{n_1+n_2-2}}$

$t=\frac{\bar x_1-\bar x_2}{s_p\sqrt{\frac{1}{n_1}+\frac{1}{n_2}}}\quad(\text{독립표본})$

$t=\frac{\bar d}{s_d/\sqrt{n}}\quad(\text{대응표본},\ s_d:\text{차이의 표준편차})$

절차는 다음과 같다.

• 두 표본이 독립인지 짝지어진 것인지 확인한다.
• 독립이면 두 모분산이 같은지 등분산 검정으로 판단한다.
• 등분산이면 통합 표준편차로 t를 구하고, 등분산이 아니면 Welch 보정 자유도를 쓴다.
• 짝지어진 표본이면 차이 d의 평균과 표준편차로 t를 구한다.
• 자유도에 맞는 t분포 임계값 또는 p값과 비교해 귀무가설을 기각하거나 채택한다.

예를 들어 사슴 한 마리의 뒷다리와 앞다리 길이를 측정한 자료는 한 개체의 두 측정이므로 대응표본이다. 차이 평균이 3.3, 차이 표준편차가 3.057, 표본수가 10이면 t = 3.3 ÷ (3.057/√10) ≈ 3.41이다. 자유도는 9이고 양측 0.025 임계값은 2.262이므로 귀무가설을 기각한다. 결과가 상식 범위인지 보면, 차이가 평균의 약 3.4배 표준오차이므로 무리가 없다.

5. 관련 법령·기준·표준

t-검정은 법령이나 고시가 정한 기준이 아니라 통계학의 가설검정 절차다. 따라서 기준값은 통계학 표준 교재의 값을 쓴다. 아래 표는 검정 전 확인할 가정과 기준값이다.

등분산성은 SPSS 결과에서 등분산이 가정됨과 가정되지 않음 행으로 나뉘어 나온다. 이때 가정되지 않음 행을 읽어야 한다. 정규성은 원자료 또는 차이의 분포를 확인한다. 정규성이 크게 벗어나면 비모수 검정을 고려한다. 대응표본은 짝이 맞지 않는 자료를 버리므로, 짝 일부가 빠진 자료에 독립표본 검정을 잘못 쓰거나 대응표본 검정을 쓰면 결과가 틀어질 수 있다.

6. 유형과 비교

독립표본 t-검정과 대응표본 t-검정은 같은 t 분포를 쓰지만 표본이 서로 독립인지, 짝지어졌는지에 따라 검정통계량과 자유도가 달라진다. 두 검정을 혼동하면 자유도와 표준오차를 잘못 계산해 결론이 뒤집힐 수 있다. 아래 표로 두 검정을 나란히 비교한다.

표에서 보듯 독립표본은 두 집단의 분산이 같다는 전제에서 통합분산을 쓰고, 대응표본은 짝 차이 하나만 보므로 분산 동일 조건이 필요 없다. 같은 자료를 잘못 짝지어 쓰면 검정 결과가 달라진다.