1-표본 Z 검정력 및 표본 크기
표준편차를 알고 있을 때, 예를 들어 오래 안정적인 관리도 이력에서 알 수 있을 때 하나의 평균에 대한 1-표본 Z 검정을 계획합니다. 표본 크기, 차이, 검정력 중 두 가지와 알려진 표준편차를 입력하면 도구가 닫힌 형태의 정규분포 공식으로 나머지 하나를 구합니다. 실제 검정력이 포함된 결과 표와 검정력 곡선을 출력합니다. 표준편차를 추정할 경우에는 1-표본 t를 사용하십시오.
최종 검토
핵심 요점
1-표본 Z의 검정력 및 표본 크기는 공정 표준편차를 알고 있을 때 하나의 평균을 목표값과 비교하는 검정을 계획하며, 표본 크기, 검정력 또는 탐지 가능한 최소 차이를 구합니다.
목적
1-표본 Z의 검정력 및 표본 크기는 공정 표준편차를 알고 있을 때, 예를 들어 오래 안정적인 관리도 이력에서 알 수 있을 때 하나의 평균을 목표값과 비교하는 검정을 계획합니다. 의미 있는 이동을 탐지하려면 측정이 몇 개 필요한지, 계획한 표본의 검정력이 얼마인지, 주어진 표본이 탐지할 수 있는 최소 이동이 얼마인지에 답합니다. 표본 크기, 차이, 검정력 중 두 가지를 입력하면 도구가 나머지 하나를 구합니다. 1-표본 Z 검정 전에 사용하며, 표준편차를 표본에서 추정할 경우에는 대신 1-표본 t의 검정력 및 표본 크기를 사용하십시오.
주요 기능
- 표본 크기, 검정력 또는 차이를 구합니다. 구하려는 항목은 비워 둡니다.
- 표본 크기 “10 20 30”처럼 여러 값을 한 번에 입력하면 조합마다 한 행이 만들어집니다.
- 선택한 신뢰수준에서 양측(Mean ≠ hypothesized mean) 또는 단측(Mean < hypothesized mean, Mean > hypothesized mean) 대립가설을 지원합니다.
- 닫힌 형태의 정규분포 계산이므로 알려진 표준편차에 대해 결과가 정확합니다.
- 각 차이에 대한 표본 크기별 검정력 곡선이며, 구한 점이 표시됩니다.
통계적 방법
검정 통계량은 Z = (x̄ − μ₀) / (σ/√n)이며 σ를 알려진 값으로 취급하므로 계산 전체에 표준정규분포를 사용합니다. 유의수준은 α = 1 − 신뢰수준 / 100이고, 표준화 차이는 d = 차이 / σ(차이는 참 평균에서 μ₀를 뺀 값)이며, z는 양측 대립가설에서는 z₁₋α/₂, 단측에서는 z₁₋α입니다.
양측 검정에서 검정력 = Φ(|d|·√n − z) + Φ(−|d|·√n − z)입니다. Mean > hypothesized mean에서는 검정력 = Φ(d·√n − z), Mean < hypothesized mean에서는 검정력 = Φ(−d·√n − z)이므로, 단측 검정은 반대쪽 차이에 대해 검정력이 0에 가깝습니다. 목표 검정력에 대한 표본 크기는 n = ((z + z_β) / d)²이며, z_β는 목표 검정력의 정규분포 분위수입니다. n은 올림하며 그 정수에서의 검정력을 실제 검정력으로 보고합니다. 주어진 n과 검정력에서 탐지 가능한 최소 차이는 σ·(z + z_β)/√n이며, “less than” 대립가설에서는 음의 차이로 보고합니다.
σ를 추정하지 않으므로 Z 계산은 같은 표본 크기에서 t 계산보다 검정력이 약간 높게 나오며, 작은 표본에서 더 뚜렷합니다. 표준편차를 실제로 알고 있고 안정적일 때만 사용하십시오. 단측 대립가설에서 반대쪽 차이로 표본 크기를 구하면 오류 메시지가 반환됩니다.
입력 항목 및 옵션
항목 | 설명 |
Sample sizes | 공백 또는 쉼표로 구분하며, 예를 들어 “10 20 30”입니다. 표본 크기를 구하려면 비워 둡니다. |
Differences | 공백 또는 쉼표로 구분하며, 예를 들어 “1 2 3”입니다. 탐지하려는 가설 평균과의 차이입니다. 차이를 구하려면 비워 둡니다. |
Power values | 공백 또는 쉼표로 구분하며, 예를 들어 “0.8 0.9”입니다. 검정력을 구하려면 비워 둡니다. |
Known standard deviation | 필수. 알려져 있다고 가정하는(표본에서 추정하지 않는) 모집단 표준편차입니다. |
Confidence level | 기본값은 95(α = 0.05)이며 범위는 75~100입니다. |
Alternative hypothesis | Mean ≠ hypothesized mean(기본값), Mean < hypothesized mean 또는 Mean > hypothesized mean. |
Power curve | 기본적으로 선택되어 있으며, 표본 크기에 대한 검정력을 그립니다. |
Title | 출력과 검정력 곡선에 표시되는 제목입니다. |

그림 1 — 검정력 구하기: Sample sizes = 10 20 30, Differences = 1.5, Known standard deviation = 2.5, 신뢰수준 95%의 양측.
출력 설명
- Settings — 구한 항목, 알려진 표준편차, 신뢰수준, 대립가설.
- Results — 조합마다 한 행이며, 검정력을 구할 때는 차이, 표본 크기, 검정력, 표본 크기를 구할 때는 목표 검정력과 실제 검정력, 차이를 구할 때는 차이를 표시합니다.
- Power Curve — 각 차이에 대한 표본 크기별 검정력이며, 계산한 점이 표시됩니다.
- Download를 통한 PDF 내보내기.

그림 2 — 예제 결과: 1.5 g 이동에서 포장 10개, 20개, 30개의 검정력은 0.475, 0.765, 0.908입니다.
계산 예제
한 식품 포장업체가 250 g 포장의 평균 무게를 감사합니다. 수년간의 안정적인 관리도 데이터로 표준편차가 2.5 g이므로 알려진 값으로 취급합니다. 어느 방향이든 1.5 g의 이동은 의미가 있으며, 감사팀은 포장 10개, 20개, 30개의 표본을 비교하려고 합니다. Sample sizes = 10 20 30, Differences = 1.5, Known standard deviation = 2.5를 입력하고 Power values는 비워 두며, 신뢰수준 95%의 양측 대립가설을 유지합니다.
검정력은 포장 10개에서 0.475, 20개에서 0.765, 30개에서 0.908입니다. 10개 포장 감사로는 실제 1.5 g 이동을 절반 넘게 놓치게 되므로 팀은 30개로 바꿉니다. Power values = 0.9로 표본 크기를 구하면 검정력 90%에 30개가 최소임이 확인됩니다. 포장 20개와 검정력 80%에서 탐지 가능한 최소 이동은 1.57 g입니다. 표준편차를 각 표본에서 추정했다면(1-표본 t 계산) 검정력은 0.396, 0.721, 0.888로 더 낮았을 것입니다.
자주 묻는 질문
1-표본 t 대신 1-표본 Z 검정력 계산은 언제 사용합니까?
공정 표준편차를 실제로 알고 있고 안정적일 때, 예를 들어 수년간의 관리도 데이터에서 알 수 있을 때만 Z 계산을 사용하십시오. 표준편차를 표본에서 추정할 경우에는 1-표본 t의 검정력 및 표본 크기를 사용하십시오. 표준편차를 추정하지 않으므로 Z는 같은 표본 크기에서 t보다 검정력이 약간 높게 나오며, 작은 표본에서 더 뚜렷합니다.
1-표본 Z 검정의 표본 크기 공식은 무엇입니까?
목표 검정력에 대한 표본 크기는 n = ((z + z_beta) / d)의 제곱이며, d는 차이를 알려진 표준편차로 나눈 값, z는 선택한 대립가설의 임계값, z_beta는 목표 검정력의 정규분포 분위수입니다. 결과는 올림하며 그 정수에서의 검정력을 실제 검정력으로 보고합니다.
탐지 가능한 최소 차이는 어떻게 구합니까?
주어진 표본 크기와 검정력에서 탐지 가능한 최소 차이는 표준편차에 (z + z_beta)를 곱하고 n의 제곱근으로 나눈 값입니다. less-than 대립가설에서는 음의 차이로 보고합니다. 알려진 표준편차가 2.5 g인 계산 예제에서 포장 20개와 검정력 80%는 1.57 g의 이동을 탐지할 수 있습니다.
표본 크기는 1-표본 Z 검정의 검정력에 어떤 영향을 줍니까?
검정력은 표본 크기에 따라 커집니다. 알려진 표준편차 2.5 g, 이동 1.5 g, 신뢰수준 95% 양측인 계산 예제에서 검정력은 포장 10개에서 0.475, 20개에서 0.765, 30개에서 0.908입니다. 1-표본 t 계산처럼 표준편차를 추정하면 검정력이 0.396, 0.721, 0.888로 더 낮아집니다.
