F분포는 두 개의 독립적인 카이제곱분포의 비로 정의되는 연속 확률분포입니다. 주로 분산 분석(ANOVA)에서 두 개 이상의 집단 간 분산을 비교할 때 사용되며, 항상 양수 값을 가집니다.
다이어그램이 말하는 것
●
F = (χ²₁/df₁) / (χ²₂/df₂) — 두 카이제곱분포의 자유도 평균의 비
●
항상 양수 — 두 자유도(df₁, df₂)에 따라 모양 결정
●
ANOVA(분산분석)·회귀 F-검정·분산 동질성 검정의 핵심 분포
핵심 포인트
•
두 분산의 비를 나타내는 분포
•
분산 분석(ANOVA)의 핵심 도구
•
두 개의 자유도 매개변수를 가짐
•
오른쪽으로 치우친 분포 형태
간단한 예시
세 개 학급의 수학 점수 평균이 같은지 검정할 때, 학급 간 분산과 학급 내 분산의 비를 F통계량으로 계산하여 F분포와 비교합니다.
이해도 확인하기
정답:
두 개 이상의 집단 평균을 동시에 비교하는 분산분석(ANOVA), 두 집단의 분산이 같은지 검정하는 등분산 검정에 사용합니다.
정답:
집단 간 분산과 집단 내 분산이 비슷하다는 뜻으로, 집단 간에 유의한 차이가 없을 가능성이 높습니다.
F분포는 분자의 자유도 d₁과 분모의 자유도 d₂를 매개변수로 하는 F(d₁, d₂) 분포입니다. 분자는 집단 간 변동(MSB: Mean Square Between), 분모는 집단 내 변동(MSW: Mean Square Within)을 나타냅니다. 로널드 피셔가 개발했으며, 분산 분석의 이론적 기초가 됩니다. 자유도가 클수록 정규분포에 근사합니다.
수학적 공식
SS는 제곱합, MS는 평균제곱. df₁ = k-1 (집단 수 - 1), df₂ = N-k (전체 관측값 수 - 집단 수). F값이 클수록 집단 간 차이가 큼을 의미합니다.
다양한 예시로 이해하기
예시 1: 일원 분산분석 예시
세 개 광고 방법의 효과 비교
방법A: 평균 15, 방법B: 평균 18, 방법C: 평균 12, 각 5개 관측값
해답:
F = 6.25, df₁ = 2, df₂ = 12, F₀.₀₅,₂,₁₂ = 3.89. F > 임계값이므로 유의한 차이 존재
광고 방법 간에 통계적으로 유의한 효과 차이가 있습니다. 사후 검정으로 어떤 방법이 다른지 확인 필요합니다.
F분포는 베타분포와 밀접한 관련이 있으며, 회귀분석에서 모델의 전체적 유의성을 검정하는 데 사용됩니다. 비중심 F분포로 확장되어 검정력 분석에 활용되며, 반복측정 ANOVA, 혼합효과 모델 등 복잡한 실험설계에서 핵심적 역할을 합니다. 로버스트 통계에서는 F검정의 한계를 보완하는 다양한 방법들이 개발되었습니다.
실무에서의 활용
제약/의료
임상시험에서 치료군 비교
예시:
신약의 용량별 효과 비교. 여러 치료법의 부작용 발생률 차이 검정
왜 중요한가?
다중 치료군을 동시에 비교하여 가장 효과적인 치료법을 객관적으로 선별하기 위해
농업/생명과학
품종별 수확량 비교
예시:
여러 벼 품종의 수확량 차이 분석. 비료 종류와 품종의 상호작용 효과 검정
왜 중요한가?
환경 요인과 유전적 요인의 복합적 영향을 체계적으로 분석하기 위해
교육/심리학
교육 프로그램 효과성 평가
예시:
여러 교수법의 학습 효과 비교. 학생 특성과 교수법의 상호작용 분석
왜 중요한가?
다양한 교육적 개입의 효과를 동시에 비교하여 최적의 교육 전략을 도출하기 위해
실제 사례 분석: 온라인 쇼핑몰의 마케팅 전략 최적화
배경
한국의 대형 이커머스 회사 M사는 다양한 마케팅 채널을 통해 고객을 유치하고 있습니다. 마케팅 예산을 효율적으로 배분하기 위해 채널별 효과와 타겟 연령대와의 상호작용을 과학적으로 분석하고자 합니다.
문제 상황
4개 마케팅 채널(이메일, SNS, 검색광고, 디스플레이 광고)의 전환율에 유의한 차이가 있는지, 그리고 타겟 연령대(20-30대, 30-40대, 40-50대)에 따라 채널별 효과가 달라지는지(상호작용) 분석해야 합니다. 기존에는 직감에 의존한 예산 배분으로 ROI가 불안정했습니다.
데이터 설명
3개월간 수집한 마케팅 캠페인 데이터: 총 3,600명의 고객 대상 (채널별 900명씩, 연령대별 300명씩). 측정 변수는 전환율(%)이며, 각 조합당 100명씩 무작위 배정. 이메일(평균 2.1%), SNS(평균 2.8%), 검색광고(평균 3.5%), 디스플레이 광고(평균 2.3%)의 전체 전환율을 보였습니다.
분석 방법
이원 분산분석(Two-way ANOVA) 수행: 마케팅 채널(4수준) × 연령대(3수준) 완전 요인 설계. 종속변수는 전환율(%), 각 셀당 100개 관측값. 정규성 검정(Shapiro-Wilk), 등분산성 검정(Levene), 독립성 가정 확인 후 F검정 실시. 유의한 상호작용 발견 시 단순 주효과 분석과 Tukey HSD 사후검정을 통한 다중비교 수행.
해결책 및 결과
이원 분산분석 결과:
• 채널 주효과: F(3,3588) = 8.34, p < 0.001 (η² = 0.065)
