1-표본 비율 검정(One Sample Proportion Test)
1-표본 비율 검정은 단일 표본에서 특정 결과의 비율이 지정된 모집단 비율과 유의하게 다른지 판단하는 데 사용하는 통계적 가설검정입니다. 일련의 시행에서의 성공 횟수나 한 배치의 불량품 비율처럼 데이터가 이항분포를 따를 때 주로 사용합니다.
최종 검토
핵심 요점
1-표본 비율 검정은 단일 표본에서 특정 결과의 비율이 지정된 모집단 비율과 유의하게 다른지 판단하는 데 사용하는 통계적 가설검정입니다.
이 페이지 내용
1-표본 비율 검정이란?
1-표본 비율 검정은 단일 표본에서 특정 결과의 비율이 지정된 모집단 비율과 유의하게 다른지 판단하는 데 사용하는 통계적 가설검정입니다. 일련의 시행에서의 성공 횟수나 한 배치의 불량품 비율처럼 데이터가 이항분포를 따를 때 주로 사용합니다. 이 검정은 관측된 표본 비율이 가설로 세운 모집단 비율에서 무작위 표본 변동으로 기대할 수 있는 수준을 넘어 벗어나는지 평가합니다.
관측된 비율을 목표값 또는 기준값과 비교하고, 모집단 비율을 포함할 가능성이 높은 신뢰구간을 계산합니다. 이를 부등성 가설 검정이라고도 합니다. 검정은 표본 크기에 따라 정규 근사 또는 이항 열거법을 사용할 수 있으며, 정규 근사는 표본 크기가 클 때 더 정확하고 이항 열거법은 표본 크기가 작을 때 더 정확합니다.
1-표본 비율 검정은 언제 사용합니까?
1-표본 비율 검정은 단일 모집단에서 어떤 특성의 비율이 가설로 세운 값과 유의하게 다른지 판단하려는 경우에 사용합니다.
- 가설 비율(P0): 비교 대상이 되는 모집단 비율에 대한 구체적인 가설 값이 있어야 합니다.
- 이분형 결과: 데이터는 성공/실패, 예/아니요와 같은 이분형 결과 형태여야 합니다.
- 표본 크기:
- 큰 표본: 표본 크기가 크면(일반적으로 nP0 ≥ 10이고 n(1-P0) ≥ 10) 검정에 정규 근사 방법을 사용합니다.
- 작은 표본: 표본 크기가 작으면 더 정확한 결과를 위해 이항 열거법을 사용합니다.
- 무작위 추출: 표본은 대표성과 검정 결과의 타당성을 보장하도록 모집단에서 무작위로 선택해야 합니다.
- 독립성: 표본의 각 시행 또는 관측값은 서로 독립이어야 합니다.
- 비율 계산: 표본 비율(P̂)은 성공 횟수를 전체 시행 횟수로 나눈 값으로 계산합니다.
- 검정 방향:
- 양측 검정: 표본 비율이 가설 비율과 유의하게 다른지(P̂ ≠ P0) 검정하려는 경우입니다.
- 단측 검정: 표본 비율이 가설 비율보다 유의하게 큰지(P̂ > P0) 또는 작은지(P̂ < P0) 검정하려는 경우입니다.
1-표본 비율 검정을 사용할 수 있는 시나리오는 다음과 같습니다.
- 한 마케팅 회사가 경쟁사 브랜드보다 자사 브랜드를 선호하는 소비자의 비율이 50%와 같은 특정 값보다 높은지 알고 싶어 합니다.
- 한 공중보건 기관이 특정 모집단에서 특정 백신을 접종받은 사람의 비율이 80%와 같은 특정 값보다 낮은지 알고 싶어 합니다.
- 한 교육 기관이 특정 시험에 합격한 학생의 비율이 70%와 같은 특정 값보다 높은지 알고 싶어 합니다.
이러한 각 시나리오에서 1-표본 비율 검정은 관측된 비율이 가설로 세운 값과 유의하게 다른지 판단하는 데 사용됩니다. 이는 관심 모집단에 대해 의사결정을 내리거나 결론을 도출하는 데 도움이 됩니다.
1-표본 비율 검정의 올바른 사용 지침
- 무작위 추출: 모집단에 대해 타당한 일반화를 하려면 표본 데이터를 무작위로 선택하십시오.
- 이분형 데이터: 데이터에는 합격/불합격 또는 1/0과 같이 두 범주만 있어야 합니다.
- 관측값의 독립성: 각 관측값은 다른 모든 관측값과 독립이어야 합니다.
- 적절한 표본 크기: 정밀한 추정값, 유용한 신뢰구간, 제2종 오류에 대한 충분한 보호를 제공할 수 있도록 표본 크기가 충분히 큰지 확인하십시오.
대안: 1-표본 비율 검정을 사용하지 않아야 할 때
- 제품의 결점 수와 같은 개수 데이터를 다루는 경우에는 1-표본 포아송 비율 검정(1-Sample Poisson Rate)을 사용하십시오.
1-표본 비율 검정 예제
한 마케팅 분석가가 신제품 우편 광고가 전국 평균과 다른 반응률을 보이는지 알고 싶어 합니다. 광고를 받을 가구 1000가구를 무작위로 선택합니다. 표본으로 뽑은 1000가구 중 87가구가 광고를 받은 후 구매했습니다. 분석가는 1-표본 비율 검정을 수행하여 구매한 가구의 비율이 전국 평균 6.5%와 다른지 판단합니다. 단계는 다음과 같습니다.
- 다음을 사용하여 데이터를 분석합니다: https://statsai.zometric.com/
- 도구 안에서 데이터를 입력합니다. 사건 수는 87, 시행 수는 1000, 가설 비율은 0.065, 신뢰수준은 95로 입력합니다.
- 위 도구를 사용하면 다음과 같은 출력을 얻습니다.

1-표본 비율 검정 방법
절차는 다음과 같습니다.
- Zometric Statistical Software에 로그인합니다: https://statsai.zometric.com/
- 홈 페이지에서 Statistical Tool> Graphical analysis >One sample proportion test를 선택합니다.
- 이어서 One sample proportion test 를 클릭하여 도구 화면으로 이동합니다.
- 다음으로, 데이터를 직접 입력하거나 Excel 시트에서 데이터 전체를 복사(Ctrl+C)하여 붙여넣습니다(Ctrl+V).
- 다음으로, 사건 수, 시행 수, 가설 비율, 신뢰수준 값을 입력해야 합니다.
- 마지막으로, 페이지 하단의 calculate를 클릭하면 원하는 결과를 얻을 수 있습니다.
1-표본 비율 검정 도구 화면에는 왼쪽 부분만 있습니다.

이 왼쪽 부분에는 다음과 같은 여러 옵션이 있습니다.
- Number of events: 1-표본 비율 검정에서 사건 수는 분석 대상 표본에서 관심 사건이 발생한 횟수를 뜻합니다.
- Number of trials: 1-표본 비율 검정에서 시행 수는 분석 대상 표본에 대해 이루어진 독립적이고 동일한 시행 또는 관측의 횟수를 뜻합니다.
- Hypothesized proportion: 1-표본 비율 검정에서 가설 비율(귀무가설 비율이라고도 함)은 검정 대상 모집단에서 참이라고 가정하는 비율입니다.
- Confidence level: 가설검정에서 신뢰수준은 통계 분석에 대해 갖는 확실성의 정도 또는 신뢰의 수준을 나타냅니다. 이는 모집단의 참 모수가 지정된 값의 범위 안에 놓일 가능성을 나타내는 확률 값입니다. 일반적으로 신뢰수준은 백분율로 표현하며 (1 - α)로 나타내는데, α는 유의수준, 즉 참인 귀무가설을 기각할 확률입니다. 예를 들어 신뢰수준이 95%라면, 모집단의 참 모수가 구간 추정값 안에 있다고 95% 확신하며 제1종 오류(참인 귀무가설을 기각하는 오류)를 범할 가능성이 5%라는 뜻입니다. 실무적으로 신뢰수준이 높을수록 통계 분석과 결과를 더 확신한다는 뜻입니다. 그러나 신뢰수준을 높이면 신뢰구간의 폭도 넓어져 작은 효과를 탐지하기가 더 어려워집니다. 따라서 신뢰수준의 선택은 연구의 맥락과 연구자의 목표에 따라 달라집니다.
- Alternative hypothesis: 가설검정에서 대립가설(연구가설이라고도 함)은 귀무가설과 다른 결론을 나타내는 진술입니다. 귀무가설은 보통 현상 유지, 즉 둘 이상의 집단이나 변수 사이에 유의한 차이나 관계가 없다는 가정을 나타냅니다. 대립가설은 검정 대상이 되는 진술이며, 연구 대상 집단이나 변수 사이에 유의한 차이나 관계가 있다고 제안합니다.
- Normal approximation method: 정규 근사 방법은 1-표본 비율 검정에서 표본 비율의 표본분포를 정규분포로 근사하는 데 사용하는 통계 방법입니다. 이 방법은 표본 크기가 충분히 크고(일반적으로 표본 크기 n이 30 이상) 표본의 성공 비율이 0이나 1에 너무 가깝지 않을 때 사용합니다.
- Load example: 예제 데이터가 로드됩니다.
자주 묻는 질문
1-표본 비율 검정이란 무엇입니까?
1-표본 비율 검정은 단일 표본에서 어떤 결과의 비율이 지정된 모집단 비율과 유의하게 다른지 판단하는 가설검정입니다. 일련의 시행에서의 성공 횟수나 한 배치의 불량품처럼 이항 데이터에 사용하며, 모집단 비율에 대한 신뢰구간도 제공합니다.
정규 근사와 이항 방법은 언제 사용해야 합니까?
표본이 크면, 일반적으로 nP0가 10 이상이고 n(1 - P0)가 10 이상이면 정규 근사 방법을 사용할 수 있습니다. 표본이 작으면 이항 열거법이 더 정확한 결과를 줍니다. 정규 근사는 표본 크기가 클 때 더 정확합니다.
1-표본 비율 검정의 가정은 무엇입니까?
데이터는 합격/불합격 또는 예/아니요처럼 두 범주만 있는 이분형이어야 합니다. 표본은 무작위로 선택해야 하고, 각 관측값은 서로 독립이어야 하며, 비교 대상이 되는 구체적인 가설 비율이 있어야 합니다. 또한 정밀한 추정과 제2종 오류에 대한 보호를 위해 표본이 충분히 커야 합니다.
1-표본 비율 검정은 언제 사용하지 않아야 합니까?
한 제품에 결점이 여러 개 있을 수 있는, 제품의 결점 수와 같은 개수 데이터에는 사용하지 마십시오. 사건의 개수에는 대신 1-표본 포아송 비율 검정(1-Sample Poisson Rate)을 사용하십시오. 비율 검정은 각 시행이 성공 또는 실패인 이분형 결과에만 사용합니다.
