나무모에 미러 (일반/밝은 화면)
최근 수정 시각 : 2026-11-21 10:12:10

t검정



파일:관련 문서 아이콘.svg   관련 문서: t분포
#!if 문서명2 != null
, [[]]
#!if 문서명3 != null
, [[]]
#!if 문서명4 != null
, [[]]
#!if 문서명5 != null
, [[]]
#!if 문서명6 != null
, [[]]

이 문서는 토막글입니다.

토막글 규정을 유의하시기 바랍니다.


<class=bg1> '''[[통계학|통계학
{{{#!wiki style="display: inline; font-family: Times New Roman, serif"
]]'''
<class=bg2> {{{#!wiki style="margin: 0 -10px -5px; min-height: calc(1lh + 5px)"
{{{#!folding [ 펼치기 · 접기 ]
{{{#!wiki style="margin: -5px -1px -11px; letter-spacing: -0.5px; word-break: keep-all"
<tableclass=bg2><colbgcolor=#596673,#596673><colcolor=#fff,#fff> 기술통계학 <colbgcolor=#596673,#596673><colcolor=#fff,#fff> 수치적 요약 대푯값(평균 · 중앙값 · 최빈값) · 산포도(분산 · 표준편차 · 절대편차 · 변동계수) · 공분산 · 상관계수
시각적 요약 도표 (그림그래프 · 막대그래프 · 선 그래프 · 원 그래프 · 상자 수염 그림 · 줄기와 잎 그림 · 산점도 · 히스토그램 · 도수분포표) · 그래프 왜곡 · 이상점
확률 확률 공간 · 사건 · 가능성 · 전체 확률의 법칙 · 베이즈 정리 · 큰 수의 법칙
확률변수 이산확률변수 · 연속확률변수 · 확률질량함수 · 확률밀도함수 · 적률생성함수
확률분포 개별 분포 정규분포 · 이항분포 · 푸아송분포 · 카이제곱분포(자유도) · t분포 · F분포 · 통계적 방법/분포
분포 이론 표준화 · 독립항등분포 · 표본분포 · 결합확률분포 · 마르코프 부등식 · 체비쇼프 부등식
추론통계학 기초 가설 · 변인 · 추정량
빈도주의 t검정 · 회귀분석(절차 · 최소제곱법) · 분산분석(절차) · 비모수통계학 · 주성분 분석(요인 분석) · 시계열 분석 · 패널 분석 · 생존 분석 · GARCH · 2SLS · 준모수통계학 · 메타 분석 · 외삽법 · 통계적 방법/분석
베이즈주의 기계학습(군집 분석 · 분류 분석) · 위상 데이터분석 · 모델링 (구조방정식)
오류 및 역설 p-해킹 · 통계의 함정(심슨의 역설) · 그레인저 인과관계 · 신뢰도와 타당도 · 오차 · 잔차 · 편향(확증 편향 · 선택 편향)
기반 학문 확률론 · 측도론 · 선형대수학 · 미분적분학 · 해석학 · 이산수학 }}}}}}}}}
#!style
.bg1 {background: linear-gradient(to right, #4c5660, #596673 20% 80%, #4c5660)}
.bg2 {background-color: var(--article-background-color) !important} 


1. 개요2. 일표본 t검정3. 독립표본 t검정
3.1. Student t검정 (등분산 가정)3.2. Welch t검정 (이분산 가정)
4. 대응표본 t검정5. 여담

1. 개요

t분포를 이용하는 가설검정. 주로 모평균의 가설검정을 지칭한다. 일표본 t검정, 독립표본 t검정, 대응표본 t검정으로 나뉜다. 주로 모분산을 모를 때 이용한다.

2. 일표본 t검정

하나의 모집단에서 표본을 추출하였을 때, 그 모집단의 평균이 [math(\mu_0)]와 같은지 검정하는 방법. 검정통계량은 [math(T = \dfrac{\bar{X} - \mu_0}{s/\sqrt{n}})]이며, 귀무가설 하에서 [math(T \sim t(n-1))]이다.
귀무가설 대립가설 p값
[math(H_0: \mu = \mu_0)] [math(H_1: \mu \neq \mu_0)] [math(P(|T| > |T_{obs}|))]
[math(H_0: \mu = \mu_0)] [math(H_1: \mu > \mu_0)] [math(P(T > T_{obs}))]
[math(H_0: \mu = \mu_0)] [math(H_1: \mu < \mu_0)] [math(P(T < T_{obs}))]

3. 독립표본 t검정

서로 독립인 두 모집단(예: 남자 집단과 여자 집단, 중학생 집단과 고등학생 집단)에서의 평균이 같은지를 검정하는 방법. 이는 다시 두 가지로 나뉜다.

3.1. Student t검정 (등분산 가정)

등분산 가정 하에서, 통합분산(pooled variance)을 [math({S_p}^2=\dfrac{(n_1-1){S_1}^2+(n_2-1){S_2}^2}{n_1+n_2-2})]으로 정의한다.

이를 이용한 검정통계량 [math(T = \dfrac{\overline{X_1}-\overline{X_2}}{S_p\sqrt{\frac1{n_1}+\frac1{n_2}}})]는 귀무가설 하에서 [math(t(n_1 + n_2 - 2))]를 따른다.
귀무가설 대립가설 p값
[math(H_0: \mu_1 = \mu_2)] [math(H_1: \mu_1 \neq \mu_2)] [math(P(|T| > |T_{obs}|))]
[math(H_0: \mu_1 = \mu_2)] [math(H_1: \mu_1 > \mu_2)] [math(P(T > T_{obs}))]
[math(H_0: \mu_1 = \mu_2)] [math(H_1: \mu_1 < \mu_2)] [math(P(T < T_{obs}))]

3.2. Welch t검정 (이분산 가정)

등분산 가정을 할 수 없을 때, 검정통계량 [math(T=\dfrac{\overline{X_1}-\overline{X_2}}{\sqrt{\frac{{S_1}^2}{n_1}+\frac{{S_2}^2}{n_2}}})]는 귀무가설 하에서 [math(t(\nu))]를 따른다. 이때 자유도는 [math(\nu = \dfrac{\left(\frac{{S_1}^2}{n_1}+\frac{{S_2}^2}{n_2}\right)^2}{\frac{({S_1}^2/n_1)^2}{n_1-1} + \frac{({S_2}^2/n_2)^2}{n_2-1}})]이다. 이 자유도를 Welch–Satterthwaite 자유도라 하며, 이 값은 자연수가 아닐 수도 있다.
귀무가설 대립가설 p값
[math(H_0: \mu_1 = \mu_2)] [math(H_1: \mu_1 \neq \mu_2)] [math(P(|T| > |T_{obs}|))]
[math(H_0: \mu_1 = \mu_2)] [math(H_1: \mu_1 > \mu_2)] [math(P(T > T_{obs}))]
[math(H_0: \mu_1 = \mu_2)] [math(H_1: \mu_1 < \mu_2)] [math(P(T < T_{obs}))]

4. 대응표본 t검정

동일한 대상에게 두 번 측정하거나, 서로 짝지어진 대상에게 측정한 두 값의 차이를 검정하는 방법으로, 두 표본은 서로 대응되어야 한다. (예: 중간고사 점수와 기말고사 점수)

[math(D_i = X_i - Y_i)]에 대하여 [math(T=\dfrac{\overline D}{S_D/\sqrt n})]라 하면 이는 [math(t(n-1))]을 따른다.
귀무가설 대립가설 p값
[math(H_0: \mu_1 = \mu_2)] [math(H_1: \mu_1 \neq \mu_2)] [math(P(|T| > |T_{obs}|))]
[math(H_0: \mu_1 = \mu_2)] [math(H_1: \mu_1 > \mu_2)] [math(P(T > T_{obs}))]
[math(H_0: \mu_1 = \mu_2)] [math(H_1: \mu_1 < \mu_2)] [math(P(T < T_{obs}))]

5. 여담

분류