특이치 검정(Outlier Test)
특이치 검정은 데이터 집합에서 대부분의 데이터로부터 비정상적으로 멀리 떨어진 관측값, 즉 같은 공정이나 모집단에서 나왔을 가능성이 낮을 만큼 극단적인 값을 통계적으로 식별합니다. 극단값 하나가 평균을 왜곡하고 표준편차를 부풀리며 공정능력 분석, 회귀분석, 가설검정의 결과에 크게 영향을 줄 수 있으므로, 특이치를 탐지하는 것은 데이터 품질 검토의 중요한 단계입니다.
최종 검토
핵심 요점
특이치 검정은 데이터 집합에서 대부분의 데이터로부터 비정상적으로 멀리 떨어진 관측값, 즉 같은 공정이나 모집단에서 나왔을 가능성이 낮을 만큼 극단적인 값을 통계적으로 식별합니다.
특이치 검정이란?
특이치 검정은 데이터 집합에서 대부분의 데이터로부터 비정상적으로 멀리 떨어진 관측값, 즉 같은 기저 공정이나 모집단에서 나왔을 가능성이 낮을 만큼 극단적인 값을 통계적으로 식별합니다. 극단값 하나가 평균을 왜곡하고 표준편차를 부풀리며 공정능력 분석, 회귀분석, 가설검정의 결과에 크게 영향을 줄 수 있으므로, 특이치를 탐지하는 것은 데이터 품질 검토의 중요한 단계입니다.
가장 흔히 사용하는 방법은 Grubbs 검정(ESD 검정, 즉 Extreme Studentized Deviate라고도 함)으로, 데이터 집합에서 가장 극단적인 값이 나머지와 유의하게 다른지를 검정합니다.
간단한 정의:어떤 데이터 점이 같은 공정에 속한다고 보기 어려울 만큼 극단적인지를 식별하는 공식적인 통계 검정으로, 의심스러운 값을 조사할지 제거할지 결정하는 데 도움이 됩니다.
특이치 검정은 언제 사용합니까?
- 공정능력 분석, 회귀분석, 가설검정을 실행하기 전에 데이터 집합에 비정상적인 값이 있을 것으로 의심되는 경우에 사용합니다.
- 공정에 관한 의사결정을 하기 전에 데이터의 무결성을 확인하기 위해 데이터 정제 및 검증 중에 사용합니다.
- 히스토그램이나 관리도에서 개별 데이터 점이 시각적으로 극단적으로 보이며 통계적으로 이례적인지 확인하기 위한 공식 검정이 필요할 때 사용합니다.
- 데이터 집합에 측정 오차, 데이터 입력 실수 또는 특수 원인 사건 으로 인해 비정형적인 값이 들어갔을 수 있을 때 사용합니다.
특이치 검정의 올바른 사용 지침
- 데이터는 대략 정규분포를 따라야 합니다. Grubbs 검정은 정규성을 가정하므로 매우 치우친 데이터에서는 신뢰할 수 있게 작동하지 않을 수 있습니다.
- 표시된 특이치를 조사 없이 자동으로 삭제하지 마십시오. 특이치가 실제 공정 사건인지, 측정 오차인지, 데이터 입력 실수인지 항상 판단하십시오.
- Grubbs 검정을 사용할 때는 한 번에 하나의 특이치 만 검정하십시오. 특이치 하나를 제거하고 다시 검정하는 것이 여러 특이치를 동시에 검정하는 것보다 더 신뢰할 수 있습니다.
- 제거한 특이치는 제거 사유와 함께 문서화하십시오. 이는 감사 추적과 품질 기록에 매우 중요합니다.
- 표준 기본값인 alpha 0.05 로 설정하십시오. p-값이 0.05보다 작으면 표시된 값이 통계적으로 이례적임을 나타냅니다.
대안: 특이치 검정을 사용하지 않아야 할 때
- 데이터가 정규분포를 따르지 않으면, 강건한 특이치 탐지 방법 (IQR 방법이나 중앙값 절대편차 등)을 대신 사용하십시오.
- 공식 검정 대신 데이터의 산포를 시각적으로 확인 하려면 다음을 사용하십시오: 상자 그림 또는 개별 값 그림
- 특이치가 여러 개일 것으로 예상되면 단일 특이치 Grubbs 검정을 반복하는 대신 일반화 ESD(Extreme Studentized Deviate) 검정 을 사용하십시오.
- 특이치가 알려진 특수 원인 사건으로 인한 것이면 단순히 제거하지 말고 공정 신호로 보고 관리도 를 사용하여 조사하십시오.
특이치 검정 예제
한 목재 손잡이 제조사의 품질 엔지니어가 빗자루 손잡이의 무작위 표본에 대해 강도를 시험합니다. 엔지니어는 각 손잡이가 부러지는 데 필요한 힘을 기록합니다. 엔지니어는 데이터 그래프를 만들고 표본의 값 하나가 비정상적으로 작아 보인다는 것을 알아챕니다. 단계는 다음과 같습니다.
- 필요한 데이터를 수집했습니다.

- 이제 Zometric Statistical Software에서 데이터를 분석합니다: https://statsai.zometric.com/.
- 특이치 검정을 찾으려면 다음을 선택합니다: Statistical module> Hypothesis Test> Outlier test.
- 도구 안에서 데이터와 기타 입력값을 다음과 같이 입력합니다.

5. 위 도구를 사용하면 다음과 같은 출력을 얻습니다.


특이치 검정 방법
절차는 다음과 같습니다.
- Zometric Statistical Software에 로그인합니다: https://statsai.zometric.com/
- 홈 페이지에서 Statistical Tool> Hypothesis Test >Outlier test를 선택합니다.
- 다음으로, 데이터를 직접 입력하거나 Excel 시트에서 데이터 전체를 복사(Ctrl+C)하여 여기에 붙여넣습니다(Ctrl+V).
- 필요한 옵션을 입력합니다.
- 마지막으로, 페이지 하단의 calculate를 클릭하면 원하는 결과를 얻을 수 있습니다.
특이치 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.
- Variables: 특이치를 검정하려는 연속형 데이터가 담긴 열을 선택합니다. 여러 변수를 한 번에 확인하려면 Ctrl 또는 Command + 클릭으로 여러 열을 선택합니다. 선택한 각 열은 독립적으로 검정되며, 도구는 모든 변수를 따로 평가하여 각 데이터 집합에 통계적으로 극단적인 값이 있는지 보고합니다.
- Significance Level: 표시된 값이 통계적으로 유의한 특이치인지 판단하는 기준을 설정합니다. 표준 기본값은 0.05이며, 실제로는 특이치가 없는데 정상 데이터 점을 특이치로 잘못 식별할 위험이 5%라는 뜻입니다. 유의수준이 낮으면(예: 0.01) 검정이 더 보수적이 되어 오경보가 줄어들지만 실제 특이치를 놓칠 수 있습니다. 유의수준이 높으면(예: 0.10) 검정이 더 민감해지지만 자연스러운 공정 변동의 일부일 뿐인 값을 표시할 가능성이 커집니다.
- Outlier Test: Grubbs Grubbs 검정은 특이치를 식별하는 데 사용하는 통계적 방법입니다. 데이터 집합에서 가장 극단적인 값이 평균에서 표준편차의 몇 배만큼 떨어져 있는지 계산한 다음, 그 거리를 표본 크기와 유의수준에 따른 임계값과 비교합니다. 가장 극단적인 값이 임계값을 넘으면 통계적으로 유의한 특이치로 표시됩니다.
- Grubbs 검정은 데이터가 대략 정규분포를 따른다고 가정하며 한 번에 하나의 특이치 를 검정합니다. 즉 데이터 집합에서 가장 극단적인 값 하나를 식별합니다. 그 값이 확인되어 제거되면 나머지 데이터에 대해 검정을 반복하여 추가 특이치가 있는지 확인할 수 있습니다. 이는 정규분포를 따르는 연속형 데이터의 특이치 탐지에서 가장 널리 인정되고 흔히 사용하는 방법입니다.
- Outlier Plot: 활성화하면 의심되는 특이치가 명확하게 표시된 데이터 그림을 보여 줍니다. 그림은 모든 데이터 점을 하나의 척도 위에 표시하므로 표시된 값이 나머지 데이터에서 얼마나 떨어져 있는지 즉시 알 수 있습니다. 이러한 시각적 확인은 특이치가 실제 극단값인지 아니면 분포의 자연스러운 꼬리에 있는 관측값일 뿐인지 판단하는 데 도움이 되므로 중요하며, 표시된 점을 조사할지 유지할지에 대해 더 충분한 정보에 근거한 결정을 내릴 수 있게 합니다.
자주 묻는 질문
특이치 검정이란 무엇입니까?
특이치 검정은 나머지 데이터로부터 비정상적으로 멀리 떨어져 같은 공정이나 모집단에서 나왔을 가능성이 낮을 만큼 극단적인 관측값을 통계적으로 식별합니다. 극단값 하나가 평균을 왜곡하고 표준편차를 부풀리며 공정능력 분석, 회귀분석, 가설검정에 영향을 줄 수 있으므로 이는 중요한 데이터 품질 단계입니다.
Grubbs 검정은 어떻게 작동합니까?
ESD(Extreme Studentized Deviate) 검정이라고도 하는 Grubbs 검정은 가장 극단적인 값이 평균에서 표준편차의 몇 배만큼 떨어져 있는지 계산한 다음, 그 거리를 표본 크기와 유의수준에 따른 임계값과 비교합니다. 임계값을 넘으면 그 값은 통계적으로 유의한 특이치로 표시됩니다.
Grubbs 특이치 검정의 가정은 무엇입니까?
Grubbs 검정은 매우 치우친 데이터에서는 신뢰할 수 있게 작동하지 않을 수 있으므로 데이터는 대략 정규분포를 따라야 합니다. 한 번에 하나의 특이치를 검정하며, 값이 확인되어 제거되면 나머지 데이터에 대해 검정을 반복할 수 있습니다. 비정규 데이터에는 IQR 방법이나 중앙값 절대편차와 같은 강건한 방법을 사용하십시오.
특이치 검정에서 발견된 특이치는 삭제해야 합니까?
표시된 특이치를 자동으로 삭제하지 마십시오. 먼저 그 값이 실제 공정 사건인지, 측정 오차인지, 데이터 입력 실수인지 판단하고, 제거한 특이치는 사유와 함께 문서화하십시오. 특이치가 알려진 특수 원인에서 비롯된 것이면 공정 신호로 보고 관리도를 사용하여 조사하십시오.
