1-분산 검정력 및 표본 크기(Power and Sample Size for 1 Variance)
공정 산포를 목표값 또는 과거 값과 비교하는 1-분산 검정을 계획합니다. 표본 크기, 비(참 표준편차를 가설 표준편차로 나눈 값), 검정력 중 두 가지를 입력하면 도구가 정확한 카이제곱 계산으로 나머지 하나를 구합니다. 데이터가 정규분포를 따른다고 가정하며 비정규성에 민감합니다. 실제 검정력이 포함된 결과 표와 검정력 곡선을 출력합니다.
최종 검토
핵심 요점
1-분산 검정력 및 표본 크기는 목표값에 대한 공정 표준편차의 카이제곱 검정을 계획하며, 표본 크기, 검정력, 또는 참 표준편차 대 가설 표준편차의 탐지 가능한 비를 구합니다.
목적
1-분산 검정력 및 표본 크기는 공정 표준편차(또는 분산)를 목표값 또는 과거 값과 비교하는 검정을 계획합니다. 산포의 특정 증가 또는 감소를 탐지하는 데 측정값이 몇 개 필요한지, 계획한 표본이 어느 정도의 검정력을 가지는지, 또는 주어진 표본이 탐지할 수 있는 산포의 최소 변화가 얼마인지를 알려 줍니다. 변화는 참 표준편차 대 가설 표준편차의 비로 입력하므로 표준편차 자체를 입력할 필요가 없습니다. 표본 크기, 비, 검정력 중 두 가지를 입력하면 도구가 나머지 하나를 구합니다. 예를 들어 공정 변경으로 산포가 나빠지지 않았는지 확인하기 위해 1-분산 검정에 앞서 사용합니다.
주요 기능
- 표본 크기, 검정력 또는 비를 구합니다. 구하려는 항목을 비워 두십시오.
- 비 “1.25 1.5 2”와 검정력 값 “0.8 0.9”처럼 여러 값을 한 번에 입력하면 조합마다 한 행이 생성됩니다.
- 선택한 신뢰수준에서 양측(Ratio ≠ hypothesized ratio) 또는 단측(미만, 초과) 대립가설을 사용합니다.
- 정규 근사 없이 정확한 카이제곱 계산.
- 각 비에 대한 표본 크기 대비 검정력 곡선이며, 계산된 점이 표시됩니다.
통계적 방법
계산의 바탕이 되는 검정은 1-분산 카이제곱 검정입니다. 정규 모집단에서 측정값이 n개일 때, 참 표준편차가 가설값 σ₀와 같으면 (n − 1)·S²/σ₀²는 자유도 n − 1의 카이제곱 분포를 따릅니다. 참 표준편차가 σ = r·σ₀이면 같은 통계량은 카이제곱 변수의 r²배가 되므로 비 r만 중요합니다. 유의수준은 α = 1 − 신뢰수준 / 100입니다.
“greater than” 대립가설에서 검정력 = P(χ²ₙ₋₁ > c₁₋α / r²)이며, c₁₋α는 카이제곱 분포의 상측 임계값입니다. “less than”에서는 검정력 = P(χ²ₙ₋₁ < c_α / r²)입니다. 양측 검정에서는 양쪽 꼬리가 모두 고려되며 c_α/2와 c₁₋α/2를 사용합니다. 목표 검정력에 대한 표본 크기는 수치적으로 구한 뒤 올림하며, 그 정수에서의 검정력이 실제 검정력으로 보고됩니다. 비를 구할 때 도구는 “less than” 대립가설에서는 1 미만에서, 그 외에는 1 초과에서 탐색합니다.
카이제곱 검정은 데이터가 정규분포를 따른다고 가정하며 정규성에서 벗어나는 경우에 민감하므로, 검정을 실행할 때 데이터의 분포 형태를 확인하십시오. 산포의 변화를 탐지하려면 대부분의 사람이 예상하는 것보다 더 많은 데이터가 필요합니다. 1.25와 같은 작은 비에는 큰 표본이 필요합니다.
입력 항목 및 옵션
항목 | 설명 |
Sample sizes | 공백 또는 쉼표로 구분하며, 예: “10 20 30”. 표본 크기를 구하려면 비워 두십시오. |
Ratio(s) | 공백 또는 쉼표로 구분하며, 예: “1.5 2”. 탐지하려는 참 표준편차 대 가설 표준편차의 비입니다. 비를 구하려면 비워 두십시오. |
Power values | 공백 또는 쉼표로 구분하며, 예: “0.8 0.9”. 검정력을 구하려면 비워 두십시오. |
Confidence level | 기본값 95(α = 0.05), 범위 75~100. |
Alternative hypothesis | Ratio ≠ hypothesized ratio(기본값), Ratio < hypothesized ratio 또는 Ratio > hypothesized ratio. |
Power curve | 기본으로 선택되어 있으며, 표본 크기 대비 검정력을 그립니다. |
Title | 출력과 검정력 곡선에 표시되는 제목입니다. |

그림 1 — 표본 크기 구하기: Ratio(s) = 1.5, Power values = 0.8 0.9, 신뢰수준 95%에서 단측(Ratio > hypothesized ratio).
출력 설명
- Settings — 구한 항목, 신뢰수준, 대립가설.
- Results — 조합마다 한 행: 비, 표본 크기, 그리고 표본 크기를 구할 때는 목표 검정력과 실제 검정력, 검정력을 구할 때는 검정력, 비를 구할 때는 비.
- Power Curve — 각 비에 대한 표본 크기 대비 검정력이며, 계산된 점이 표시됩니다.
- Download를 통한 PDF 내보내기.

그림 2 — 예제의 결과: 표준편차가 50% 증가한 것을 탐지하려면 검정력 80%에 정제 19개, 검정력 90%에 27개가 필요합니다.
계산 예제
한 정제 타정기의 장기 중량 표준편차는 2 mg입니다. 새 펀치 세트를 장착한 뒤 품질팀은 산포가 커지지 않았는지 확인하고자 하며, 3 mg(비 1.5)으로의 증가가 문제가 됩니다. 증가만 중요하므로 Ratio > hypothesized ratio를 선택합니다. Sample sizes를 비워 두고 Ratio(s) = 1.5, Power values = 0.8 0.9를 신뢰수준 95%에서 입력합니다.
도구는 검정력 80%(실제 검정력 0.802)에 정제 19개, 검정력 90%(실제 검정력 0.900)에 27개가 필요하다고 알려 줍니다. 정제 10개로 하는 간단한 점검은 검정력이 0.583에 불과합니다. 변화의 크기가 매우 중요합니다. 검정력 80%로 비 1.25(2.5 mg)를 탐지하려면 정제 61개가 필요하지만, 표준편차가 두 배가 되는 경우에는 8개만 필요합니다. 비 1.5에서 양측 검정은 검정력 80%에 정제 24개가 필요합니다.
자주 묻는 질문
산포의 변화를 비로 입력하는 이유는 무엇입니까?
1-분산 카이제곱 검정은 (n - 1)에 S 제곱을 곱하고 가설 분산으로 나눈 값을 사용합니다. 참 표준편차가 가설 표준편차의 r배이면 이 통계량은 카이제곱 변수의 r 제곱배가 되므로 비 r만 중요합니다. 따라서 표준편차 자체가 아니라 참 표준편차 대 가설 표준편차의 비를 입력합니다.
표준편차의 변화를 탐지하려면 표본이 몇 개 필요합니까?
산포의 변화를 탐지하려면 대부분의 사람이 예상하는 것보다 더 많은 데이터가 필요합니다. 계산 예제에서 신뢰수준 95%의 단측 검정으로 표준편차의 50% 증가(비 1.5)를 탐지하려면 검정력 80%에 19개, 90%에 27개가 필요합니다. 비 1.25는 검정력 80%에 61개가 필요한 반면, 두 배가 되는 경우에는 8개만 필요합니다.
1-분산 검정력 계산의 가정은 무엇입니까?
1-분산 카이제곱 검정은 정규성에 의존하고 정규성에서 벗어나는 경우에 민감하므로, 측정값이 정규 모집단에서 나왔다고 가정합니다. 검정을 실행할 때 데이터의 분포 형태를 확인하십시오. 계산 자체는 정규 근사가 아니라 카이제곱 분포를 사용하는 정확한 계산입니다.
1-분산 검정은 단측이어야 합니까, 양측이어야 합니까?
공정 변경으로 변동이 나빠지지 않았는지 확인하는 것처럼 산포의 증가만 또는 감소만 중요한 경우에는 단측 대립가설을 선택하십시오. 양측 검정에는 더 많은 측정값이 필요합니다. 계산 예제에서 비 1.5는 검정력 80%에 단측으로는 19개가 필요하지만 양측으로는 24개가 필요합니다.
