Z-검정 vs T-검정
데이터 분석은 단순한 숫자 계산을 넘어, 데이터에 숨어 있는 의미를 찾아내고 신뢰할 수 있는 결론을 도출하는 과정이다. 이 과정의 핵심 도구 중 하나가 바로 가설 검정이다.
특히, 두 그룹의 평균을 비교할 때 주로 사용되는 Z-검정과 T-검정은 모든 데이터 분석가가 반드시 이해해야 할 기본 개념이다.
이 글에서는 두 검정 방법의 차이점과 함께, 데이터 분석 면접에서 이 질문이 자주 등장하는 중요한 이유, 그리고 함께 알아야 할 다른 통계 검정 방법들을 살펴보자.
Z-검정 vs. T-검정, 무엇이 다른가?
Z-검정과 T-검정은 모두 두 그룹의 평균 차이가 통계적으로 유의미한지 판단하는 데 사용된다. 하지만 이 둘은 데이터를 다루는 조건에 따라 명확하게 구분된다.
| 구분 | Z-검정 | T-검정 |
|---|---|---|
| 사용 조건 | 모집단 분산()을 알 때 또는 표본 크기(n)가 충분히 클 때 (일반적으로 ) | 모집단 분산()을 모를 때 특히 표본 크기(n)가 작을 때 |
| 분포 | 표준정규분포 (Z)를 따름 | t-분포를 따름 |
| 특징 | 표본의 평균이 모집단 평균과 얼마나 떨어져 있는지 표준편차 단위로 측정 | 표본 크기가 작을수록 t-분포 꼬리가 Z-분포보다 두꺼워짐 (불확실성 반영) |
- Z-검정은 모집단에 대한 정보(분산)를 이미 알고 있거나, 표본이 충분히 커서 표본의 분산이 모집단의 분산과 유사하다고 가정할 수 있을 때 사용된다.
- T-검정은 현실 세계의 대부분의 데이터처럼 모집단의 분산을 알 수 없는 상황에서 사용된다. 표본 크기가 작을수록 불확실성이 커지므로, 이를 반영하기 위해 t-분포를 사용한다. t-분포는 표본 크기가 작을수록 표준정규분포보다 꼬리 부분이 더 두꺼워지는 특징을 가지고 있다.
이 질문이 중요한 이유
Z-검정과 T-검정의 차이를 묻는 것은 단순히 개념을 암기했는지를 확인하는 것이 아니라, 다음과 같은 핵심 역량을 평가하기 위함이다.
- 통계적 개념의 이해: 모집단, 표본, 분산과 같은 기초 통계 개념을 얼마나 정확히 이해하고 있는지 평가한다.
- 문제 해결 능력: 주어진 데이터의 특성(표본 크기, 모집단 정보)에 따라 가장 적절한 분석 방법을 선택할 수 있는 실무적 역량을 확인한다. 이는 데이터 분석가에게 필수적인 역량이다.
- 데이터 기반 의사결정: 통계적 검정 결과를 바탕으로 비즈니스 의사결정을 내릴 수 있는지를 확인한다. 단순히 p-value를 확인하는 수준을 넘어, 결과의 의미를 비즈니스 맥락에 맞게 해석하는 능력이 중요하다.
함께 알아야 할 다른 통계 검정 방법
카이제곱() 검정
- 용도: 범주형 변수 간의 독립성을 검정하는 데 사용된다.
- 예시: 웹사이트 방문자의 성별(남/여)과 구매 여부(구매/비구매)가 서로 관련이 있는지 확인하는 데 사용된다.
분산분석(ANOVA)
- 용도: 세 개 이상의 그룹 간의 평균 차이가 유의미한지 검정하는 데 사용된다.
- 예시: 세 가지 다른 광고 시안에 대한 클릭률 평균을 비교하여 가장 효과적인 시안을 찾는 데 사용될 수 있다. F-통계량을 사용하며, 범주형 독립변수와 연속형 종속변수가 있을 때 적합하다.
상관분석 및 회귀분석
- 용도: 두 연속형 변수 간의 선형 관계를 파악하고 예측하는 데 사용된다.
- 예시: 상관분석은 광고비 지출과 매출이 얼마나 강한 관계를 갖는지 파악하고, 회귀분석은 광고비가 매출에 미치는 영향력을 예측하는 모델을 구축한다.
Data Analytics Engineer 가 되