1-표본 z 검정(One Sample z-test)
1-표본 z 검정은 이전 연구나 과거 데이터로 모집단 표준편차를 알고 있을 때 표본 평균을 가설 평균과 비교합니다. 데이터는 연속형이며 무작위이고 서로 독립이어야 하며, 정규분포를 따르거나 표본 크기가 20보다 크고 심하게 치우치지 않아야 합니다. 표준편차를 모르면 1-표본 t 검정을 사용합니다. 출력에는 z 통계량, p-값, 신뢰구간이 포함됩니다.
최종 검토
핵심 요점
1-표본 z 검정은 모집단 표준편차를 알고 있을 때, 표준정규분포를 사용하여 표본 평균이 가설로 세운 모평균과 유의하게 다른지 판정합니다.
이 페이지 내용
1-표본 z 검정이란?
1-표본 z 검정은 표본의 평균이 알려진 모평균과 유의하게 다른지 판정하는 데 사용하는 추론통계의 기본 절차입니다. 이 모수적 검정은 모집단 표준편차를 알고 있고, 데이터 점이 서로 독립이며, 데이터가 정규분포를 따르거나 표본 평균이 근사적으로 정규분포를 따를 만큼 표본 크기가 충분히 큰 경우(20보다 크고 데이터가 심하게 치우치지 않은 경우)에 적용할 수 있습니다. 가설검정에서 1-표본, 2-표본, 비율에 모두 적용할 수 있어 활용도가 높습니다. z 검정은 데이터의 성격과 검정하려는 가설에 따라 좌측 검정, 우측 검정, 양측 검정으로 나뉩니다. 이 검정은 표준정규분포를 사용하여 임계값을 계산하고 표본 평균을 모평균과 비교합니다.
1-표본 z 검정은 표본 평균이 모평균보다 유의하게 큰지, 작은지, 또는 같지 않은지를 평가합니다. 귀무가설은 표본 평균과 모평균 사이에 유의한 차이가 없다는 것입니다. 검정 통계량을 계산하여 임계값과 비교하며, 임계 영역에 들어가면 귀무가설을 기각합니다.
1-표본 z 검정은 언제 사용합니까?
일반적으로 표본이 하나이고 이를 알려진 모집단 값과 비교하려는 경우에 사용합니다.
1-표본 z 검정의 사용 조건은 다음과 같습니다.
- 알려진 모집단 표준편차: 모집단 표준편차(σ\sigmaσ)를 알고 있어야 합니다.
- 표본 크기: 데이터가 정규분포를 따르지 않는 경우 표본 크기는 20보다 커야 하며 데이터가 심하게 치우쳐 있지 않아야 합니다.
- 정규분포: 표본을 추출한 모집단은 정규분포를 따라야 하며, 특히 표본 크기가 작은 경우(20 이하)에 그렇습니다. 그러나 표본 크기가 클수록 z 검정은 비정규성에 강건합니다.
- 서로 독립인 데이터 점: 표본의 데이터 점은 서로 독립이어야 합니다. 즉, 한 데이터 점의 값이 다른 데이터 점의 값에 영향을 주지 않아야 합니다.
1-표본 z 검정을 사용할 수 있는 몇 가지 시나리오는 다음과 같습니다.
- 품질 관리: 한 공장이 위젯을 생산하며, 위젯의 무게가 고객의 규격에 부합하는지 알고 싶습니다. 이 경우 위젯 표본을 추출하여 무게를 측정하고 고객의 규격과 비교할 수 있습니다.
- 의학 연구: 혈압을 낮추는 신약이 개발되었으며, 효과가 있는지 알고 싶습니다. 고혈압 환자의 표본을 추출하여 약을 투여하고 일정 기간 후 혈압을 측정할 수 있습니다. 그런 다음 표본의 평균 혈압을 모평균과 비교할 수 있습니다.
- 고객 만족: 한 회사가 고객이 자사 제품에 만족하는지 알고 싶습니다. 이 경우 회사는 고객의 무작위 표본을 추출하여 만족도를 1에서 10까지의 척도로 평가하도록 요청할 수 있습니다. 그런 다음 표본의 평균 만족도 점수를 모평균과 비교할 수 있습니다.
1-표본 z 검정의 올바른 사용 지침
- 모집단 표준편차를 알고 있는 경우에 1-표본 z 검정을 사용하십시오.
- 포장 무게와 같은 연속형 데이터를 분석에 사용하십시오.
- 계수 데이터에는 1-표본 포아송 비율을, 합격/불합격 유형의 데이터에는 1-비율을 사용하십시오.
- 표본 크기는 20보다 커야 하며 데이터가 심하게 치우쳐 있지 않아야 합니다.
- 표본 데이터를 무작위로 선택하고 각 관측값이 서로 독립인지 확인하십시오.
- 정밀한 추정, 좁은 신뢰구간, 오류 방지를 위해 적절한 표본 크기를 정하십시오.
대안: 1-표본 z 검정을 사용하지 않아야 할 때
모집단의 표준편차를 모르는 경우에는 다음을 사용하십시오: 1-표본 t 검정.
1-표본 z 검정 예제
한 가공식품 제조업체의 과학자가 자사 병 소스의 지방 비율을 평가하려고 합니다. 표시된 비율은 15%입니다. 과학자는 무작위 표본 20개의 지방 비율을 측정합니다. 이전 측정에서 모집단 표준편차는 2.6%로 확인되었습니다. 과학자는 지방 비율이 15%와 다른지 판정하기 위해 1-표본 z 검정을 수행합니다. 단계는 다음과 같습니다.
- 필요한 데이터를 수집했습니다.

- 이제 Zometric Statistical Software에서 데이터를 분석합니다: https://statsai.zometric.com/.
- 1-표본 z 검정을 찾으려면 다음을 선택합니다: Statistical module> Graphical analysis> One sample z-test.
- 도구 안에서 데이터와 기타 입력값을 다음과 같이 입력합니다.
- 위 도구를 사용하면 다음과 같은 출력을 얻습니다.



1-표본 z 검정 방법
절차는 다음과 같습니다.
- Zometric Statistical Software에 로그인합니다: https://statsai.zometric.com/
- 홈 페이지에서 Statistical Tool> Graphical analysis >One sample z-test를 선택합니다.
- 이어서 One sample z-test 를 클릭하여 도구 화면으로 이동합니다.
- 다음으로, 데이터를 직접 입력하거나 Excel 시트에서 데이터 전체를 복사(Ctrl+C)하여 붙여넣습니다(Ctrl+V).
- 다음으로, Confidence level, Known standard deviation, Hypothesized mean의 값을 입력해야 합니다.
- 마지막으로, 페이지 하단의 calculate를 클릭하면 원하는 결과를 얻을 수 있습니다.
1-표본 z 검정 도구 화면은 두 부분으로 나뉩니다.

왼쪽 부분에는 데이터 창(Data Pane)이 있습니다. Data Pane에서는 각 행이 하나의 부분군이 됩니다. 데이터를 직접 입력하거나 Excel 시트에서 데이터 전체를 복사(Ctrl+C)하여 여기에 붙여넣을(Ctrl+V) 수 있습니다.
Load example: 예제 데이터가 로드됩니다.
Load File: Excel 데이터를 직접 로드하는 데 사용합니다.
오른쪽 부분에는 다음과 같은 여러 옵션이 있습니다.
- Confidence level: 가설검정에서 신뢰수준은 통계 분석에 대해 갖는 확실성의 정도, 즉 신뢰의 수준을 나타냅니다. 참인 모집단 모수가 지정된 값의 범위 안에 있을 가능성을 나타내는 확률 값입니다. 일반적으로 신뢰수준은 백분율로 표현하며 (1 - α)로 나타내는데, α는 유의수준, 즉 참인 귀무가설을 기각할 확률입니다. 예를 들어 신뢰수준이 95%라면, 참인 모집단 모수가 구간 추정 안에 있다고 95% 확신하며 제1종 오류(참인 귀무가설을 기각하는 오류)를 범할 확률이 5%라는 뜻입니다. 실무적으로 신뢰수준이 높을수록 통계 분석과 결과에 대한 확신이 커집니다. 그러나 신뢰수준을 높이면 신뢰구간의 폭도 넓어져 작은 효과를 탐지하기가 더 어려워집니다. 따라서 신뢰수준의 선택은 연구의 맥락과 연구자의 목표에 따라 달라집니다.
- Known standard deviation: 이전 연구나 과거 데이터로 알고 있으며 표본으로 추정하지 않은 모집단 표준편차(σ)입니다. 검정 통계량 z는 표본 평균과 가설 평균의 차이를 평균의 표준오차(σ를 표본 크기의 제곱근으로 나눈 값)로 나눈 값으로 계산하며, 표준정규분포와 비교합니다.
- Hypothesized mean: 가설 평균은 기대 평균 또는 모평균이라고도 하며, 귀무가설에 지정된, 검정 대상 변수의 평균값을 나타내는 값입니다. 실제 표본 평균과 비교하여 그 차이가 통계적으로 유의한지 아니면 우연에 의한 것인지 판단하는 데 사용하는 이론적인 값입니다.
- Alternative hypothesis: 가설검정에서 대립가설(연구가설이라고도 함)은 귀무가설과 다른 결론을 나타내는 진술입니다. 귀무가설은 일반적으로 현상 유지, 즉 둘 이상의 집단이나 변수 사이에 유의한 차이나 관계가 없다는 가정을 나타냅니다. 대립가설은 검정하려는 진술로, 연구 대상인 집단이나 변수 사이에 유의한 차이나 관계가 있다고 제안합니다.
- Box Plot: 선택하면 상자 그림이 표시되고, 선택하지 않으면 표시되지 않습니다.
- Histogram: 선택하면 히스토그램이 표시되고, 선택하지 않으면 표시되지 않습니다.
- Label: 데이터 레이블을 설정하며, 다음 세 가지 옵션이 있습니다.
- Outlier: 다른 데이터 값과 멀리 떨어진 데이터 값으로, 결과에 큰 영향을 줄 수 있습니다.
- All quartiles: 사분위수는 데이터 표본을 네 개의 동일한 부분으로 나누는 값입니다. 데이터 집합의 산포와 중심 경향을 빠르게 평가할 수 있습니다.
- Mean: 상자 그림의 평균으로, 데이터의 중심 경향에 대한 추가 정보를 제공합니다.
- Individual Data: 개별 데이터 점은 데이터 집합 안의 단일 관측값 또는 값입니다.
- Download as Excel: 결과를 Excel 형식으로 표시합니다. 이 파일은 쉽게 편집할 수 있고 load file 옵션으로 다시 로드하여 계산에 사용할 수 있습니다.
요약 데이터에 대한 1-표본 z 검정 방법
절차는 다음과 같습니다.
- Zometric Statistical Software에 로그인합니다: https://statsai.zometric.com/
- 홈 페이지에서 Statistical Tool> Graphical analysis >One sample z-test for summarized data를 선택합니다.
- 이어서 One sample z-test for summarized data 를 클릭하여 도구 화면으로 이동합니다.
- 다음으로, 데이터를 직접 입력하거나 Excel 시트에서 데이터 전체를 복사(Ctrl+C)하여 붙여넣습니다(Ctrl+V).
- 다음으로, Sample size, Sample mean, Known standard deviation, Hypothesized mean, Confidence level의 값을 입력해야 합니다.
- 마지막으로, 페이지 하단의 calculate를 클릭하면 원하는 결과를 얻을 수 있습니다.
요약 데이터에 대한 1-표본 z 검정 도구 화면에는 왼쪽 부분만 있습니다.
Load File: Excel 데이터를 직접 로드하는 데 사용합니다.

이 부분에는 다음과 같은 여러 옵션이 있습니다.
- Sample size: 표본 크기는 모집단 전체에 대한 결론을 내리기 위해 연구 대상으로 모집단에서 선택한 개인, 대상, 사건의 수를 말합니다. 다시 말해 연구에 포함된 관측값 또는 참여자의 수입니다. 표본의 크기는 연구 결과의 정확성과 신뢰성에 큰 영향을 줄 수 있습니다. 표본 크기가 클수록 일반적으로 모집단을 더 잘 대표하며 무작위 표본 추출 오차의 영향을 줄이는 데 도움이 됩니다. 따라서 결과가 통계적으로 타당하고 신뢰할 수 있도록 연구를 수행하기 전에 적절한 표본 크기를 정하는 것이 중요합니다.
- Sample mean: 표본 평균은 더 큰 모집단에서 선택한 일련의 관측값 또는 데이터 점의 평균값입니다. 표본의 모든 값을 더한 다음 관측값의 수로 나누어 계산합니다. 표본 평균은 모집단 전체의 평균값인 모평균의 추정량으로 자주 사용됩니다.
- Confidence level: 가설검정에서 신뢰수준은 통계 분석에 대해 갖는 확실성의 정도, 즉 신뢰의 수준을 나타냅니다. 참인 모집단 모수가 지정된 값의 범위 안에 있을 가능성을 나타내는 확률 값입니다. 일반적으로 신뢰수준은 백분율로 표현하며 (1 - α)로 나타내는데, α는 유의수준, 즉 참인 귀무가설을 기각할 확률입니다. 예를 들어 신뢰수준이 95%라면, 참인 모집단 모수가 구간 추정 안에 있다고 95% 확신하며 제1종 오류(참인 귀무가설을 기각하는 오류)를 범할 확률이 5%라는 뜻입니다. 실무적으로 신뢰수준이 높을수록 통계 분석과 결과에 대한 확신이 커집니다. 그러나 신뢰수준을 높이면 신뢰구간의 폭도 넓어져 작은 효과를 탐지하기가 더 어려워집니다. 따라서 신뢰수준의 선택은 연구의 맥락과 연구자의 목표에 따라 달라집니다.
- Known standard deviation: 이전 연구나 과거 데이터로 알고 있으며 표본으로 추정하지 않은 모집단 표준편차(σ)입니다. 검정 통계량 z는 표본 평균과 가설 평균의 차이를 평균의 표준오차(σ를 표본 크기의 제곱근으로 나눈 값)로 나눈 값으로 계산하며, 표준정규분포와 비교합니다.
- Hypothesized mean: 가설 평균은 기대 평균 또는 모평균이라고도 하며, 귀무가설에 지정된, 검정 대상 변수의 평균값을 나타내는 값입니다. 실제 표본 평균과 비교하여 그 차이가 통계적으로 유의한지 아니면 우연에 의한 것인지 판단하는 데 사용하는 이론적인 값입니다.
- Alternative hypothesis: 가설검정에서 대립가설(연구가설이라고도 함)은 귀무가설과 다른 결론을 나타내는 진술입니다. 귀무가설은 일반적으로 현상 유지, 즉 둘 이상의 집단이나 변수 사이에 유의한 차이나 관계가 없다는 가정을 나타냅니다. 대립가설은 검정하려는 진술로, 연구 대상인 집단이나 변수 사이에 유의한 차이나 관계가 있다고 제안합니다.
- Download as Excel: 결과를 Excel 형식으로 표시합니다. 이 파일은 쉽게 편집할 수 있고 load file 옵션으로 다시 로드하여 계산에 사용할 수 있습니다.
자주 묻는 질문
1-표본 z 검정이란 무엇입니까?
1-표본 z 검정은 모집단 표준편차를 알고 있을 때 표본의 평균이 알려진 모평균과 유의하게 다른지 판정합니다. z 통계량은 표본 평균과 가설 평균의 차이를 표준오차, 즉 시그마를 표본 크기의 제곱근으로 나눈 값으로 나눈 것입니다. 좌측 검정, 우측 검정, 양측 검정으로 수행할 수 있습니다.
1-표본 z 검정의 조건은 무엇입니까?
모집단 표준편차를 알고 있어야 하며, 데이터 점은 서로 독립이고 연속형이며 무작위로 추출되어야 합니다. 데이터는 정규분포를 따라야 하며, 특히 표본 크기가 20 이하인 경우에 그렇습니다. 데이터가 정규분포를 따르지 않는다면, 표본 평균이 근사적으로 정규분포를 따르도록 표본 크기가 20보다 커야 하고 데이터가 심하게 치우쳐 있지 않아야 합니다.
1-표본 z 검정과 t 검정은 어떻게 다릅니까?
z 검정은 모집단 표준편차를 알고 있을 때 사용합니다. 모집단 표준편차를 모르고 표본으로 추정해야 한다면 대신 1-표본 t 검정을 사용하십시오. 계수 데이터에는 1-표본 포아송 비율 검정을, 합격/불합격 데이터에는 1-비율을 사용하십시오.
Zometric Statistical Software에서 1-표본 z 검정은 어떻게 실행합니까?
One sample z-test 도구를 열고 데이터를 입력하거나 붙여넣은 다음, 신뢰수준, 알려진 표준편차, 가설 평균, 대립가설을 설정하고 Calculate를 클릭합니다. 요약 데이터 버전에서는 원 데이터 대신 표본 크기, 표본 평균, 알려진 표준편차, 가설 평균, 신뢰수준을 입력합니다.
