2-표본 동등성 검정
2-표본 동등성 검정은 서로 독립인 두 집단 또는 공정이 실질적으로 같다고 볼 수 있을 만큼 가까운 결과를 내는지 평가합니다. 통계적으로 유의한 차이를 검정하는 대신, 두 집단 평균 사이의 차이가 사전에 지정한 동등 한계보다 작음을 입증하여 두 집단이 모든 실용적인 목적에서 서로 바꿔 쓸 수 있음을 증명하는 것을 목표로 합니다.
최종 검토
핵심 요점
2-표본 동등성 검정은 서로 독립인 두 집단 또는 공정이 실질적으로 같다고 볼 수 있을 만큼 가까운 결과를 내는지 평가합니다.
이 페이지 내용
2-표본 동등성 검정이란?
2-표본 동등성 검정은 서로 독립인 두 집단 또는 공정이 실질적으로 같다고 볼 수 있을 만큼 가까운 결과를 내는지 평가합니다. 통계적으로 유의한 차이를 검정하는 대신, 두 집단 평균 사이의 차이가 사전에 지정한 동등 한계보다 작음을 입증하여 두 집단이 모든 실용적인 목적에서 서로 바꿔 쓸 수 있음을 증명하는 것을 목표로 합니다.
이 검정은 새로운 방법이 확립된 표준과 일치함을 입증하는 것이 주된 목적인 제약 연구(생물학적 동등성), 제조 공정 검증, 품질 시스템 전환 에 널리 사용됩니다.
간단한 정의: 서로 독립인 두 집단이 동등하게 취급할 수 있을 만큼 비슷함을 증명하는 검정으로, 두 집단 사이의 차이가 실무에서 문제가 되지 않을 만큼 작음을 확인합니다.
2-표본 동등성 검정은 언제 사용합니까?
- 차이를 탐지하는 것이 아니라 동등성을 입증하는 것이 목표일 때 서로 독립인 두 집단 을 비교하는 경우에 사용합니다.
- 기존의 확립된 표준에 대해 새로운 공정, 공급업체, 재료 또는 방법 을 검증할 때 사용합니다.
- 두 독립 공정이 동등한 결과를 낸다는 공식적인 통계적 증거를 규제 제출 또는 품질 감사 에서 요구할 때 사용합니다.
- 개별 관측값 간에 대응이나 짝짓기가 없고 각 집단이 독립적으로 측정된 경우에 사용합니다.
2-표본 동등성 검정의 올바른 사용 지침
- 분야 지식이나 규제 요구사항을 바탕으로 동등 구간을 미리 정의 하십시오. 이는 실용적으로 여전히 허용되는 가장 큰 차이를 나타내야 합니다.
- 두 집단이 진정으로 독립 인지 확인하십시오. 한 집단의 어떤 관측값도 다른 집단의 관측값과 연결되어서는 안 됩니다.
- 두 집단의 데이터가 근사적으로 정규분포를 따라야하며, 그렇지 않으면 중심극한정리가 적용될 만큼 표본 크기가 충분히 커야 합니다.
- 두 집단 모두에서 충분한 표본 크기 를 사용하십시오. 동등성 검정은 신뢰할 수 있는 검정력을 얻기 위해 일반 검정보다 더 큰 표본이 필요합니다.
- 동등성은 차이에 대한 신뢰구간 전체가 동등 한계 안에 들어올 때 에만 확인됩니다. 부분적으로 겹치는 것만으로는 충분하지 않습니다.
대안: 2-표본 동등성 검정을 사용하지 않아야 할 때
- 두 집단이 쌍체이거나 짝지어진경우에는 다음을 사용하십시오: 쌍체 동등성 검정
- 목적이 유사성을 확인하는 것이 아니라 차이를 탐지하는 것이라면 다음을 사용하십시오: 2-표본 t 검정
- 만약 의미 있는 동등 구간을 지정할 수 없다면, 이 검정을 제대로 실행할 수 없습니다. 정의된 한계는 필수입니다.
2-표본 동등성 검정 예제
한 식품 과학 엔지니어가 더 저렴한 새 고양이 사료 배합이 기존 제품과 단백질 함량이 같은지 알고 싶어 합니다. 이를 검정하기 위해 엔지니어는 두 배합에서 각각 100그램 표본을 채취하여 단백질 함량을 측정합니다. 두 배합의 단백질 함량이 ±0.5그램의 범위 안에서 동등함을 확인하는 것이 목표이므로, 엔지니어는 2-표본 동등성 검정을 수행합니다. 두 배합의 단백질 함량 분산은 알려져 있지 않으며 같지 않을 수 있습니다. 검정 단계는 다음과 같습니다.
- 필요한 데이터를 수집했습니다.

- 이제 Zometric Statistical Software에서 데이터를 분석합니다: https://statsai.zometric.com/.
- 2-표본 동등성 검정을 찾으려면 다음을 선택합니다: Statistical module> Hypothesis Test> Two Sample Equivalence test.
- 도구 안에서 데이터와 기타 입력값을 다음과 같이 입력합니다.

위 도구를 사용하면 다음과 같은 출력을 얻습니다.


쌍체 동등성 검정 방법
절차는 다음과 같습니다.
- Zometric Statistical Software에 로그인합니다: https://statsai.zometric.com/
- 홈 페이지에서 Statistical Tool> Hypothesis Test >Two Sample Equivalence test를 선택합니다.
- 다음으로, 데이터를 직접 입력하거나 Excel 시트에서 데이터 전체를 복사(Ctrl+C)하여 붙여넣습니다(Ctrl+V).
- 필요한 옵션을 입력합니다.
- 마지막으로, 페이지 하단의 calculate를 클릭하면 원하는 결과를 얻을 수 있습니다.
2-표본 동등성 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.
- Test Samples 평가 대상인 새로운 또는 대체 집단 의 측정값이 들어 있는 열을 선택합니다. 예를 들어 할인 공급업체, 새 배합 또는 개선된 공정의 측정값입니다. 확립된 기준과 동등함을 입증하려는 집단입니다. 이 항목은 필수입니다.
- Reference Samples: 시험 표본과 비교되는 확립된 또는 표준 집단 의 측정값이 들어 있는 열을 선택합니다. 예를 들어 기존 공급업체, 현재 배합 또는 기존 공정의 데이터입니다. 쌍체 동등성 검정과 달리 이 열의 관측값은 Test Samples 열의 관측값과 개별적으로 대응할 필요가 없으며 , 두 집단은 서로 완전히 독립입니다. 이 항목은 필수입니다.
- Alpha: 동등성 검정의 유의수준을 설정합니다. 표준 기본값은 0.05이며, 두 집단이 실제로 동등하지 않은데 동등하다고 잘못 결론 내릴 위험이 5%라는 의미입니다. 더 작은 알파(예: 0.01)는 동등하다고 결론짓기 전에 더 강한 증거를 요구하며 위험이 큰 응용이나 규제 응용에서 사용합니다. 알파는 데이터 수집을 시작하기 전에 정의해야 합니다.
- Hypothesized (Test Mean − Reference Mean): 검정하는 시험 집단 평균과 기준 집단 평균 사이의 가정된 차이입니다. 대부분의 동등성 연구에서는 0으로 설정하며, 두 집단이 같은 평균 결과를 내야 한다고 가정한다는 의미입니다. 두 집단 사이에 알려졌거나 허용되는 체계적 오프셋이 있다면 대신 그 값을 여기에 입력할 수 있습니다.
- Alternative Hypothesis: 검정이 증명하려는 것을 정의합니다.
- Lower Limit < Test Mean − Reference Mean < Upper Limit — 두 집단 사이의 참 평균 차이가 미리 정의한 동등 한계 안에 완전히 들어옴을 확인합니다. 동등성은 차이에 대한 신뢰구간이 두 한계 안에 동시에 완전히 포함될 때만 결론지을 수 있으며, 부분적으로 겹치는 것만으로는 충분하지 않습니다.
- Lower Limit 시험 집단과 기준 집단 사이의 허용되는 최소 차이 입니다. 이 값은 동등 구간의 하한을 정의합니다. 평균 차이가 이 값보다 작으면 시험 집단이 기준 집단보다 허용할 수 없을 정도로 낮다고 간주합니다. 이 한계는 분석 전에 과학적, 규제적 또는 실용적 요구사항으로 정해야 하며 검정 대상 데이터에서 도출해서는 안 됩니다.
- Upper Limit 시험 집단과 기준 집단 사이의 허용되는 최대 차이 입니다. 이 값은 동등 구간의 상한을 정의합니다. 평균 차이가 이 값을 넘으면 시험 집단이 기준 집단보다 허용할 수 없을 정도로 높은 결과를 낸다고 간주합니다. Lower Limit과 함께 두 집단이 동등하다고 선언하기 위해 관측된 차이가 들어와야 하는 전체 동등 범위를 이룹니다.
- Assume Equal Variance: 선택하면 두 집단의 모분산이 같다고 가정하고 계산에 합동 표준편차를 사용하며, 이 가정이 성립할 때 검정력이 약간 더 높습니다. 선택하지 않으면 집단별로 별도의 분산 추정값을 사용하며(Welch 방식), 두 집단의 산포가 뚜렷이 다를 때 더 신뢰할 수 있습니다. 확신이 없다면 더 보수적이고 안전한 선택이므로 선택하지 않은 상태로 두십시오.
- Box Plot of Difference: 사용하면 두 집단 값의 분포와 두 집단 간 차이를 요약하는 상자 그림을 표시합니다. 각 집단의 중심, 산포, 모양을 빠르게 시각적으로 비교할 수 있어 눈에 보이는 차이가 실용적으로 의미 있는지 또는 허용 범위 안인지 판단하는 데 도움이 됩니다.
- Histogram of Difference: 사용하면 두 집단 분포 간 차이의 히스토그램을 표시합니다. 데이터가 정규성 가정을 충족하는지 확인하고, 차이가 대칭으로 분포하는지 또는 검정 결과의 신뢰성에 영향을 줄 수 있는 특이한 패턴이 있는지 파악하는 데 도움이 됩니다.
- Equivalence Plot: 사용하면 동등성 검정의 핵심 결과 그림을 표시하며, 평균 차이의 신뢰구간을 동등 하한과 상한에 대해 그려 보여 줍니다. 신뢰구간 전체가 두 한계 안에 들어오면 동등성이 확인됩니다. 이는 검토해야 할 가장 중요한 출력이며 항상 p-값과 함께 평가해야 합니다.
- Individual Value Plot: 사용하면 두 집단의 모든 개별 데이터 점을 나란히 표시합니다. 각 집단의 전체 산포와 분포를 완전하게 볼 수 있어 요약 그림만으로는 드러나지 않을 수 있는 특이치, 왜도 또는 변동성의 차이를 쉽게 찾을 수 있습니다.
자주 묻는 질문
2-표본 동등성 검정이란 무엇입니까?
2-표본 동등성 검정은 서로 독립인 두 집단 또는 공정이 실질적으로 같다고 볼 수 있을 만큼 가까운 결과를 내는지 평가합니다. 유의한 차이를 검정하는 대신, 두 평균 사이의 차이가 사전에 지정한 동등 한계보다 작음을 보이는 것을 목표로 합니다.
2-표본 t 검정 대신 동등성 검정을 사용해야 하는 경우는 언제입니까?
확립된 표준에 대해 새로운 공정, 공급업체, 재료 또는 방법을 검증하거나 규제 제출을 하는 것처럼 유사성을 입증하는 것이 목표일 때 동등성 검정을 사용합니다. 차이를 탐지하는 것이 목표일 때는 2-표본 t 검정을 사용합니다. 쌍체 또는 짝지어진 데이터에는 쌍체 동등성 검정을 사용하십시오.
동등성은 어떻게 결론짓습니까?
동등성은 평균 차이에 대한 신뢰구간 전체가 동등 하한과 상한 안에 들어올 때만 확인됩니다. 부분적으로 겹치는 것만으로는 충분하지 않습니다. Equivalence plot은 이 구간을 한계와 함께 보여 주며 p-값과 함께 검토해야 합니다.
2-표본 동등성 검정의 가정은 무엇입니까?
두 집단은 관측값 간에 짝짓기 없이 진정으로 독립이어야 합니다. 데이터는 근사적으로 정규분포를 따르거나 중심극한정리가 적용될 만큼 표본이 충분히 커야 합니다. 동등 구간은 분야 지식이나 규제 요구사항을 바탕으로 미리 정의해야 하며, 동등성 검정은 일반 검정보다 더 큰 표본이 필요합니다.
