데이터분석 전문가(ADP)

데이터분석 전문가(ADP) 시험 노트개념 정리19 MIN

t검정·분산분석·카이제곱검정

ADP 4과목 통계 분석의 넷째 자리입니다. 일표본·이표본·대응표본 t검정, 등분산 검정과 Welch 검정, 일원배치 분산분석과 F통계량, 카이제곱 적합도·독립성·동질성 검정, 비모수 검정을 손계산과 R 함수로 정리합니다.

앞 노트에서 가설검정의 뼈대, 곧 귀무가설을 세우고 검정통계량을 구해 기각역이나 p-값으로 판정하는 흐름을 세웠습니다. 이 노트는 그 뼈대에 실제 검정을 끼웁니다. 고를 기준은 둘입니다 — 비교하는 것이 평균인가 비율·빈도인가, 그리고 집단이 몇 개이고 서로 독립인가. 이 두 질문으로 t검정, 분산분석, 카이제곱검정, 비모수 검정 가운데 하나가 정해집니다.

t검정

일표본 t검정

일표본 t검정은 한 집단의 평균이 정해진 값 μ0\mu_0 와 다른지 보는 검정입니다. 모표준편차를 모르므로 표본 표준편차로 표준화한 t=(xˉ−μ0)/(s/n)t = (\bar{x} - \mu_0) / (s / \sqrt{n}) 가 자유도 n−1n-1 인 t분포를 따릅니다. 포장 무게가 50g이라는 제품 16개를 재어 평균 52g, 표준편차 8g을 얻었다면 t=2/2=1.0t = 2 / 2 = 1.0 이고, 자유도 15의 양측 5% 경계 2.131에 못 미쳐 귀무가설을 기각하지 못합니다. t검정은 모집단이 정규분포를 따른다고 가정하며, 표본이 크면 중심극한정리 덕분에 이 가정에 덜 민감해집니다.

독립 이표본 t검정

독립 이표본 t검정은 서로 무관한 두 집단의 평균을 견줍니다. 두 모분산이 같다고 보면 두 표본분산을 자유도로 가중 평균한 합동분산 sp2=(n1−1)s12+(n2−1)s22n1+n2−2s_p^2 = \frac{(n_1 - 1)s_1^2 + (n_2 - 1)s_2^2}{n_1 + n_2 - 2} 을 쓰고, t=(xˉ1−xˉ2)/{sp1/n1+1/n2}t = (\bar{x}_1 - \bar{x}_2) / \{s_p \sqrt{1/n_1 + 1/n_2}\} 가 자유도 n1+n2−2n_1 + n_2 - 2 인 t분포를 따릅니다. 열 명씩의 두 반이 평균 30점과 26점, 분산 10과 8이라면 합동분산은 (90+72)/18=9(90 + 72) / 18 = 9, 분모는 3×0.2≈1.3423 \times \sqrt{0.2} \approx 1.342 라 t≈2.98t \approx 2.98 입니다. 자유도 18의 경계 2.101을 넘으므로 두 반의 평균이 다르다고 판정합니다.

대응표본 t검정

대응표본 t검정은 같은 대상을 두 번 잰 짝지은 자료에 씁니다. 교육 전후 점수처럼 짝마다 차이 d를 구하면 문제가 차이의 일표본 t검정으로 바뀌고, 자유도는 짝의 수에서 1을 뺀 값입니다. 다섯 명의 전후 차이가 3, 5, 2, 4, 6이면 평균 4, 편차 제곱합 1+1+4+0+4=101 + 1 + 4 + 0 + 4 = 10 이라 분산 2.5, 표준편차 약 1.581입니다. 표준오차 1.581/5≈0.7071.581 / \sqrt{5} \approx 0.707 로 나눈 t≈5.66t \approx 5.66 은 자유도 4의 경계 2.776을 넘습니다. 같은 자료를 독립 이표본으로 다루면 사람 사이의 차이가 오차에 섞여 효과를 놓치기 쉽습니다.

검정 자료 자유도 R
일표본 한 집단 n−1n-1 t.test(x, mu = 50)
독립 이표본 무관한 두 집단 n1+n2−2n_1 + n_2 - 2 (등분산) t.test(x, y, var.equal = TRUE)
대응표본 같은 대상의 전후 짝의 수 − 1 t.test(x, y, paired = TRUE)

등분산 검정

F검정

독립 이표본 t검정에서 합동분산을 쓰려면 두 모분산이 같아야 하므로, 먼저 등분산 검정으로 확인합니다. 가장 기본인 F검정은 두 표본분산의 비 F=s12/s22F = s_1^2 / s_2^2 가 자유도 (n1−1,n2−1)(n_1 - 1, n_2 - 1) 인 F분포를 따른다는 것을 씁니다. 위 두 반이라면 F=10/8=1.25F = 10 / 8 = 1.25 로 1에 가까워 등분산 가정을 버릴 근거가 약합니다. R의 var.test(x, y)가 이 검정이고, 정규성에 덜 기대는 대안으로 Levene 검정과 Bartlett 검정이 있습니다.

Welch 검정

등분산 가정이 깨지면 합동분산을 쓰지 않고 두 표본분산을 각자 쓰는 Welch 검정으로 갑니다. 검정통계량의 분모가 s12/n1+s22/n2\sqrt{s_1^2/n_1 + s_2^2/n_2} 이고, 자유도는 근사식으로 구해 정수가 아닐 수 있습니다. R의 t.test(x, y)는 기본값이 var.equal = FALSE라 아무 인자 없이 부르면 Welch 검정입니다. 합동분산 t검정을 원하면 인자를 명시해야 하고, 출력 머리의 「Welch Two Sample t-test」라는 글자로 어느 쪽이 돌았는지 가립니다.

일원배치 분산분석

제곱합의 분해

집단이 셋 이상이면 t검정을 짝마다 되풀이하지 않습니다. 세 집단이면 비교가 세 번이고, 각 비교에서 5%씩 제1종 오류를 감수하면 전체로는 오류 확률이 5%를 크게 넘습니다. 그 대신 한 번에 「모든 집단의 평균이 같다」를 검정하는 것이 일원배치 분산분석(ANOVA)이고, 요인이 하나라서 일원배치입니다. 전체 변동 SST를 집단 평균들이 전체 평균에서 벗어난 집단 간 변동 SSB와, 관측값이 제 집단 평균에서 벗어난 집단 내 변동 SSW로 나눕니다.

세 집단 A(3, 4, 5, 4), B(5, 6, 7, 6), C(7, 8, 9, 8)의 평균은 4, 6, 8이고 전체 평균은 6입니다. SSB=4×{(4−6)2+02+(8−6)2}=32SSB = 4 \times \{(4-6)^2 + 0^2 + (8-6)^2\} = 32 이고, 집단마다 편차가 −1, 0, 1, 0이라 SSW=2×3=6SSW = 2 \times 3 = 6 이며, SST=38SST = 38 이 둘의 합과 맞습니다.

F통계량

제곱합을 자유도로 나눈 것이 평균제곱입니다. 집단 수가 k, 전체 관측 수가 N이면 집단 간 자유도는 k−1k - 1, 집단 내 자유도는 N−kN - k 입니다.

요인 제곱합 자유도 평균제곱 F
집단 간 32 2 16 24
집단 내 6 9 0.667
합계 38 11

F통계량은 집단 간 평균제곱을 집단 내 평균제곱으로 나눈 값이고, 집단 평균의 차이가 집단 안의 흔들림보다 얼마나 큰지를 잽니다. 여기서는 16/0.667=2416 / 0.667 = 24 로 자유도 (2, 9)의 5% 경계 약 4.26을 크게 넘어 세 평균이 모두 같지는 않다고 판정합니다. 분산분석은 정규성, 등분산성, 관측의 독립을 가정합니다.

사후검정

분산분석이 기각하면 「적어도 한 쌍이 다르다」까지만 압니다. 어느 쌍이 다른지는 사후검정으로 가리고, 전체 오류율을 맞춰 주는 Tukey HSD가 대표입니다. Scheffé, Bonferroni 보정도 같은 자리에 섭니다.

df <- data.frame(y = c(3,4,5,4, 5,6,7,6, 7,8,9,8),
                 g = factor(rep(c("A","B","C"), each = 4)))
fit <- aov(y ~ g, data = df)
summary(fit)    # g: Df 2, Sum Sq 32, Mean Sq 16, F value 24
TukeyHSD(fit)   # 쌍마다 평균 차이와 보정된 p-값

카이제곱검정

적합도 검정

범주형 자료의 빈도를 다루는 검정이 카이제곱검정이고, 관측빈도 O와 기대빈도 E로 χ2=∑(O−E)2/E\chi^2 = \sum (O - E)^2 / E 를 셉니다. 적합도 검정은 한 변수의 빈도가 가정한 분포를 따르는지 봅니다. 주사위를 60번 던져 8, 12, 9, 11, 6, 14가 나왔다면 기대빈도는 모두 10이고 χ2=(4+4+1+1+16+16)/10=4.2\chi^2 = (4 + 4 + 1 + 1 + 16 + 16) / 10 = 4.2 입니다. 자유도는 범주 수에서 1을 뺀 5이고 5% 경계 11.07에 못 미쳐 공정한 주사위라는 가정을 버리지 못합니다.

독립성 검정

독립성 검정은 한 모집단에서 뽑은 표본을 두 변수로 교차 분류해, 두 변수가 서로 관련이 없는지 봅니다. 기대빈도는 독립을 가정한 값 E=(행 합×열 합)/NE = (\text{행 합} \times \text{열 합}) / N 이고, 자유도는 (r−1)(c−1)(r - 1)(c - 1) 입니다. 100명을 성별과 선호 상품으로 나눠 남성 A 30·B 20, 여성 A 20·B 30이 나왔다면 모든 칸의 기대빈도가 25이고 칸마다 25/25=125 / 25 = 1 이라 χ2=4\chi^2 = 4 입니다. 자유도 1의 경계 3.841을 넘어 성별과 선호가 관련 있다고 판정합니다. 기대빈도가 5보다 작은 칸이 많으면 근사가 나빠지므로 범주를 합치거나 피셔의 정확검정을 씁니다.

동질성 검정

동질성 검정은 계산이 독립성 검정과 똑같지만 자료를 얻는 방식이 다릅니다.

구분 독립성 검정 동질성 검정
표본 한 모집단에서 하나 여러 모집단에서 각각
미리 정한 것 전체 표본 크기 모집단마다의 표본 크기
귀무가설 두 변수는 독립이다 모집단마다 범주의 비율이 같다

서울·부산에서 각각 200명씩 정해 뽑아 지지 정당 비율을 견주면 동질성 검정이고, 한 번에 400명을 뽑아 지역과 지지 정당을 함께 물었다면 독립성 검정입니다. R에서는 둘 다 chisq.test(table)이고 2×2 표에는 기본으로 연속성 수정이 걸리므로, 손계산과 맞추려면 correct = FALSE를 줍니다.

비모수 검정

순위 기반 검정

t검정과 분산분석은 정규분포를 가정하는 모수 검정입니다. 표본이 작고 정규성이 의심되거나 자료가 순서척도이면, 분포를 가정하지 않고 값의 부호나 순위를 쓰는 비모수 검정으로 갑니다. 정규성은 Shapiro-Wilk 검정(shapiro.test)으로 먼저 확인합니다. 비모수 검정은 이상값에 강하지만, 정규성이 실제로 성립할 때는 같은 표본에서 모수 검정보다 검정력이 낮습니다.

모수 검정과의 대응

비모수 검정은 대응하는 모수 검정과 짝으로 익힙니다. 짝을 바꿔 놓은 보기가 이 대응을 묻는 꼴입니다.

상황 모수 검정 비모수 검정 R
한 집단 또는 대응표본 일표본·대응표본 t검정 부호검정, 윌콕슨 부호순위 검정 wilcox.test(x, y, paired = TRUE)
독립인 두 집단 독립 이표본 t검정 윌콕슨 순위합 검정(만-위트니 U 검정) wilcox.test(x, y)
독립인 셋 이상 일원배치 분산분석 크루스칼-월리스 검정 kruskal.test(y ~ g)
같은 대상의 셋 이상 반복 반복측정 분산분석 프리드먼 검정 friedman.test()

이 밖에 자료가 무작위로 나열됐는지 보는 런 검정, 순위로 상관을 재는 스피어만 순위상관계수도 비모수 쪽에 듭니다.

연습 문제

  1. 다섯 명의 다이어트 전후 체중 차이(전 − 후, kg)가 2, 4, 3, 5, 1이다. 대응표본 t검정의 검정통계량과 자유도는?
    ① 약 4.24, 4
    ② 약 4.24, 8
    ③ 약 1.90, 4
    ④ 3.00, 5
    ①. 차이의 평균은 3, 편차 제곱합은 1+1+0+4+4=101 + 1 + 0 + 4 + 4 = 10 이라 분산 2.5, 표준편차 약 1.581입니다. 표준오차는 1.581/5≈0.7071.581 / \sqrt{5} \approx 0.707 이고 t=3/0.707≈4.24t = 3 / 0.707 \approx 4.24, 자유도는 짝의 수 5에서 1을 뺀 4입니다. ③은 표준오차 대신 표준편차로 나눈 값입니다.
  2. 네 집단, 전체 20개 관측으로 일원배치 분산분석을 했더니 집단 간 제곱합이 30, 집단 내 제곱합이 48이었다. F통계량은?
    ① 0.625
    ② 약 1.88
    ③ 약 3.33
    ④ 10
    ③. 집단 간 평균제곱은 30/3=1030 / 3 = 10, 집단 내 평균제곱은 48/16=348 / 16 = 3 이라 F=10/3≈3.33F = 10 / 3 \approx 3.33 입니다. ①은 제곱합을 그대로 나눈 값입니다.
  3. 행 합이 60·40, 열 합이 70·30, 전체 100인 2×2 교차표에서 독립성 검정의 첫째 행·첫째 열 기대빈도는?
    ① 30
    ② 35
    ③ 42
    ④ 60
    ③. 60×70/100=4260 \times 70 / 100 = 42 입니다.
  4. 세 범주가 1:2:1 비율이라는 가설을 100개 관측으로 검정한다. 관측빈도가 30, 50, 20일 때 카이제곱 통계량과 자유도는?
    ① 2, 2
    ② 2, 3
    ③ 4, 2
    ④ 1, 1
    ①. 기대빈도는 25, 50, 25이고 χ2=25/25+0+25/25=2\chi^2 = 25/25 + 0 + 25/25 = 2 입니다. 자유도는 범주 수 3에서 1을 뺀 2입니다.
  5. 3×4 교차표로 독립성 검정을 할 때 자유도는?
    ① 6
    ② 7
    ③ 11
    ④ 12
    ①. (3−1)(4−1)=6(3 - 1)(4 - 1) = 6 입니다.
  6. 남녀 각각 150명씩 미리 정해 뽑아 선호하는 요금제 비율이 같은지 보려 한다. 알맞은 검정은?
    ① 적합도 검정
    ② 독립성 검정
    ③ 동질성 검정
    ④ 대응표본 t검정
    ③. 모집단(남·여)마다 표본 크기를 미리 정해 뽑았고, 모집단 사이 범주 비율이 같은지가 귀무가설이므로 동질성 검정입니다.
  7. 모수 검정과 비모수 검정의 짝으로 옳지 않은 것은?
    ① 대응표본 t검정 — 윌콕슨 부호순위 검정
    ② 독립 이표본 t검정 — 만-위트니 U 검정
    ③ 일원배치 분산분석 — 프리드먼 검정
    ④ 피어슨 상관계수 — 스피어만 순위상관계수
    ③. 독립인 셋 이상 집단의 비모수 짝은 크루스칼-월리스 검정입니다. 프리드먼 검정은 같은 대상을 반복 측정한 경우의 짝입니다.
  8. R에서 두 독립 표본 x, y의 평균을 합동분산으로 비교하는 코드는?
    ① t.test(x, y)
    ② t.test(x, y, var.equal = TRUE)
    ③ t.test(x, y, paired = TRUE)
    ④ var.test(x, y)
    ②. t.test()의 기본값은 var.equal = FALSE라 ①은 Welch 검정입니다. ③은 대응표본 t검정, ④는 두 분산의 비를 보는 F검정입니다.
  9. 세 집단의 평균을 비교하려고 독립 이표본 t검정을 유의수준 5%로 세 번 했다. 이 방법의 문제로 가장 알맞은 것은?
    ① 자유도가 너무 커진다
    ② 전체 제1종 오류 확률이 5%보다 커진다
    ③ 등분산 가정이 필요 없어진다
    ④ 검정력이 0이 된다
    ②. 비교마다 5%씩 잘못 기각할 여지가 있어 세 번을 합치면 적어도 한 번 잘못 기각할 확률이 5%를 넘습니다. 그래서 분산분석으로 한 번에 검정하고, 기각하면 사후검정으로 쌍을 가립니다.
데이터분석 전문가(ADP) 시험 노트 전체 보기