A집단 평균 4.1, B집단 평균 5.3. B가 정말 더 높은 걸까요, 아니면 표본이 그렇게 나온 걸까요? t검정은 평균 간 격차를 각 집단 내 퍼짐과 저울질해 답합니다.
Note
지저분한 두 집단 사이의 큰 차이는 아무것도 아닐 수 있고, 촘촘한 두 집단 사이의 작은 차이는 진짜일 수 있습니다. t검정이 둘을 균형 잡습니다.
세 가지 종류
| 유형 | 비교 대상 |
|---|---|
| 일표본 | 한 집단의 평균을 알려진 값과 |
| 독립(이표본) | 서로 다른 두 집단의 평균 |
| 대응 | 같은 대상의 전 vs 후 |
두 측정이 같은 사람·항목에서 나올 땐 언제나 대응 검정을 쓰세요 — 개인 간 변동을 제거해 훨씬 강력합니다.
가정
- 데이터가 대략 정규(또는 표본이 충분히 커서 평균이 정규)
- 관측치의 독립성(대응 검정 제외 — 설계상 짝지음)
- 이표본 검정은 유사한 분산 — 아니면 Welch 보정 사용
Watch out
데이터가 심하게 치우쳤거나 강한 이상치가 있으면 평균 자체가 나쁜 요약입니다 — 대신 비모수 검정을 고려하세요.
결과 읽기
검정은 t통계량과 p값을 반환합니다. 임계값(보통 0.05) 미만의 p값은 차이가 우연일 가능성이 낮다는 뜻입니다. 효과크기도 항상 보고하세요 — 표본이 크면 사소한 격차도 "유의"해집니다.
SKARI Statistical Lab의 t검정
Statistical Lab이 알맞은 t검정을 대신 실행합니다: 집단을 고르면 SKARI가 정규성과 분산을 점검하고, 일표본·독립·대응 중에서 고르고, 통계량·p값·효과크기를 쉬운 말로 보고합니다.
- 자동 가정 점검(정규성, 등분산)
- 일표본·독립·대응 검정
- p값과 함께 효과크기·해석
Takeaway
오독할 맨 숫자가 아니라, 올바른 검정과 그 주의사항을 얻습니다.
자주 묻는 질문
대응과 독립 중?
두 측정이 같은 대상(전/후)이면 대응, 집단이 분리되면 독립입니다.
분산이 다르면?
등분산을 가정하지 않는 Welch t검정을 쓰세요. 이표본 비교의 안전한 기본값입니다.
t검정과 ANOVA 중?
두 집단 → t검정. 셋 이상 → ANOVA, 여러 쌍대 검정으로 거짓 양성을 부풀리지 않도록.
결론
t검정은 두 평균 비교의 일꾼입니다. 알맞은 종류를 고르고, 가정에 유념하고, 유의성을 효과크기와 함께 읽으세요.
Takeaway
격차를 퍼짐과 저울질하면, 진짜 차이가 잡음에서 도드라집니다.
ANOVA(분산분석)
세 집단 이상일 때
가설검정 기초
검정 뒤의 뼈대
비모수 검정
데이터가 정규가 아닐 때