t-분포 (t-Distribution)

마일스톤 학습법으로 단계별 완전 정복

확률분포

t-분포

소표본

자유도

신뢰구간

t-검정

이 학습을 통해 달성할 수 있는 목표

기초 이해

• t-분포가 정규분포보다 꼬리가 두꺼운 이유를 이해할 수 있다
• 언제 t-분포를 정규분포 대신 쓰는지 판단할 수 있다
• 자유도가 t-분포 모양에 미치는 영향을 설명할 수 있다

심화 학습

• t-통계량과 자유도(n−1)를 이해하고 계산할 수 있다
• 소표본 모평균의 t 신뢰구간을 구할 수 있다
• 자유도에 따른 임계값 변화를 해석할 수 있다

실무 적용

• t-분포의 정의(정규·카이제곱의 비)와 정규분포로의 수렴을 이해할 수 있다
• 대응표본·이표본 t-검정을 소표본 실무에 적용할 수 있다
• 정규성·이상값 가정의 한계를 인식하고 대안을 고려할 수 있다

한눈에 보기

t-분포(스튜던트 t-분포)는 모표준편차를 모르고 표본으로 추정할 때 표본평균의 표준화 값이 따르는 연속분포로, 정규분포보다 꼬리가 두껍다.

자유도가 작을수록 꼬리가 두껍고, 자유도가 커지면 표준정규분포로 수렴한다(대략 자유도 30을 넘으면 거의 같음).
소표본(대개 n < 30)에서 모평균의 신뢰구간·t-검정에 쓰인다 — σ를 s로 추정하는 불확실성 때문에 정규분포보다 넓은 구간을 준다.
1908년 고셋(W. S. Gosset)이 "Student"라는 필명으로 발표했다 — 기네스 양조장의 소표본 품질관리 문제에서 출발했다.

학습 로드맵

각 단계를 클릭하면 해당 학습 내용을 볼 수 있습니다

기초 이해

개념 정의와 기본 원리

약 20분

클릭

심화 학습

공식 유도와 다양한 예시

약 30분

클릭

실무 적용

실제 케이스와 고급 응용

약 40분

학습 진도 (완료한 단계)

먼저 알아두면 좋은 개념들

정규분포

t-분포는 정규분포를 기준으로 꼬리를 두껍게 한 분포이므로 정규분포를 먼저 알아야 합니다

표준편차

t-통계량은 표본표준편차로 표준화하므로 표준편차 개념이 필요합니다

t-분포란 무엇인가?

난이도 3/5

약 20분

t-분포는 정규분포와 비슷한 종 모양이지만 꼬리가 더 두꺼운 분포입니다. 모집단의 표준편차(σ)를 모르는 채 작은 표본으로 평균을 추정할 때, 그 불확실성을 반영하기 위해 정규분포 대신 사용합니다.

t-분포를 "불확실성을 더 얹은 정규분포"라고 생각해보세요. 표본이 크면 표준편차를 정확히 알 수 있어 정규분포를 써도 됩니다. 하지만 표본이 작으면 표준편차 자체도 어림잡은 값이라 "실제로는 더 극단적인 값도 꽤 나올 수 있다"는 여지를 남겨야 합니다. 그래서 t-분포는 정규분포보다 꼬리가 두껍고, 표본이 커질수록(자유도가 커질수록) 점점 정규분포에 가까워집니다.

핵심 포인트

•
정규분포보다 꼬리가 두꺼운 종 모양 분포
•
자유도(주로 표본크기−1)가 모양을 결정
•
자유도가 커지면 표준정규분포로 수렴
•
모표준편차를 모를 때 소표본 평균 추론에 사용

간단한 예시

표본 10개로 평균을 추정한다면 자유도는 10−1 = 9입니다.

• 정규분포: 95% 구간에 ±1.96 표준오차

• t-분포(자유도 9): 95% 구간에 ±2.26 표준오차

표본이 작아 t-분포가 더 넓은(안전한) 구간을 줍니다. 표본이 커지면 이 값이 1.96에 가까워집니다.

이해도 확인하기

정답:

모집단 표준편차 σ를 모르고 표본표준편차 s로 대신 추정하며, 특히 표본이 작을 때(대개 n<30) 사용합니다. σ의 추정 불확실성을 두꺼운 꼬리로 반영합니다.

정답:

자유도가 커질수록 꼬리가 얇아지며 표준정규분포에 수렴합니다. 표본이 커지면 표준편차 추정이 정확해져 정규분포와 거의 같아지기 때문입니다.

모집단이 정규분포이고 표준편차 σ를 모를 때, 표본평균을 표준화한 값

은 자유도 Loading...인 t-분포를 따릅니다. 정규분포의 z-통계량과 형태는 같지만, 분모에 참값 σ 대신 표본표준편차 s를 쓴다는 점이 핵심 차이입니다. s 자체가 표본마다 흔들리는 추정값이라, 이 변동이 분포의 꼬리를 두껍게 만듭니다.

자유도(degrees of freedom): 표본표준편차를 계산할 때 표본평균을 이미 사용해 자유롭게 변할 수 있는 값이 하나 줄어들기 때문에 Loading...이 됩니다.

정규분포와의 관계: 자유도가 커지면 s가 σ에 가까워져 t-분포는 표준정규분포 N(0,1)로 수렴합니다. 자유도 30 정도면 실용적으로 거의 구분되지 않습니다.

활용: 소표본에서 모평균의 신뢰구간은 Loading... 로, 정규분포의 z 대신 t 임계값을 씁니다.

수학적 공식

x̄는 표본평균, μ는 모평균, s는 표본표준편차, n은 표본크기, ν(뉴)는 자유도입니다. z-통계량과 달리 분모에 σ가 아니라 s가 들어갑니다.

다양한 예시로 이해하기

예시 1: 소표본 신뢰구간

표본 16개, 평균 50, 표본표준편차 8인 경우 95% 신뢰구간

자유도 15, t(0.025, 15) = 2.131

표준오차 = 8/√16 = 2

구간 = 50 ± 2.131 × 2 = 50 ± 4.26 → (45.74, 54.26)

해답:

95% 신뢰구간은 약 (45.7, 54.3)입니다.

같은 데이터에 z(1.96)를 쓰면 구간이 좁아져 신뢰수준을 과신하게 됩니다 — 소표본에서는 t가 정확합니다.

예시 2: 자유도에 따른 임계값 변화

95% 양측 t 임계값이 자유도에 따라 어떻게 변하는가

자유도 5: 2.571

자유도 10: 2.228

자유도 30: 2.042

자유도 ∞(정규): 1.960

해답:

자유도가 커질수록 임계값이 1.96(정규)로 줄어듭니다.

표본이 작을수록 임계값이 커져 더 넓고 보수적인 구간을 줍니다.

흔한 실수들

잘못된 방법:
소표본인데 σ를 모르면서 z-분포(정규)를 사용

왜 틀렸을까?

σ를 s로 추정하는 불확실성을 무시해 신뢰구간이 너무 좁아집니다

올바른 방법:

σ를 모르고 표본이 작으면 t-분포와 t 임계값을 사용하세요

잘못된 방법:
자유도를 n으로 잘못 사용

왜 틀렸을까?

표본표준편차 계산에 평균을 써서 자유도가 하나 줄어 n−1입니다

올바른 방법:

단일 표본 평균 추론에서는 자유도 = n − 1을 사용하세요

연습 문제

힌트:

표본표준편차 계산에서 자유도가 하나 줄어듭니다.

정답:

해설:

단일 표본 평균 추론에서 자유도 = n − 1 = 25 − 1 = 24입니다.

힌트:

자유도가 무한대로 갈 때의 극한을 생각하세요.

정답:

약 1.96 (표준정규의 값)

해설:

자유도가 커지면 t-분포가 표준정규분포로 수렴하므로 95% 양측 임계값이 z 값 1.96에 가까워집니다.

t-분포는 표준정규 Z와 독립인 카이제곱 변수의 비로 정의됩니다: Loading.... 표본평균의 표준화에서 분모의 s²이 카이제곱분포를 따르기 때문에 이 구조가 나옵니다. 자유도 ν가 커지면 카이제곱/ν가 1로 집중되어 T가 Z로 수렴합니다.

t-분포의 꼬리는 자유도 1이면 코시분포(평균·분산이 정의되지 않음)만큼 두껍고, 자유도가 2 이하이면 분산이 무한대이거나 정의되지 않습니다. 이 두꺼운 꼬리가 소표본에서 극단값의 위험을 정직하게 반영합니다.

t-검정(단일표본·대응표본·독립 이표본)은 모두 이 분포를 기준분포로 삼으며, 정규성 가정이 어긋나도 표본이 크면 중심극한정리로 비교적 강건합니다. 다만 심한 비대칭·이상값이 있으면 비모수 검정이나 부트스트랩을 고려합니다.

실제 사례 분석: 신약 효과의 소표본 임상 분석

배경

한 바이오 스타트업이 신약의 혈압 강하 효과를 소규모 예비 임상으로 검증하려 합니다. 참가자를 많이 모으기 어려워 표본이 작습니다.

문제 상황

표본이 작고 모집단 표준편차를 모르는 상황에서, 신약 투여 후 혈압 변화의 평균이 0과 유의하게 다른지 판정해야 합니다.

데이터 설명

참가자 12명의 투여 전후 수축기 혈압 차이(전−후)를 측정했습니다. 표본평균 감소량은 8.5 mmHg, 표본표준편차는 10.2 mmHg이며, 모표준편차는 알 수 없습니다. 자유도는 12−1 = 11입니다.

분석 방법

대응표본 t-검정을 사용했습니다. 귀무가설은 "평균 변화 = 0"이고, t = (x̄−0)/(s/√n)을 자유도 11인 t-분포와 비교했습니다. 유의수준 0.05 양측 기준(t 임계값 2.201)으로 판정하고 95% 신뢰구간도 함께 구했습니다.

해결책 및 결과

t = 8.5 / (10.2/√12) = 8.5 / 2.945 ≈ 2.89.

자유도 11에서 |t|=2.89 > 2.201이므로 p < 0.05로 유의.

95% 신뢰구간 = 8.5 ± 2.201 × 2.945 = 8.5 ± 6.48 → (2.0, 15.0) mmHg.

평균 혈압 감소 8.5 mmHg는 통계적으로 유의했고(p < 0.05), 신뢰구간이 0을 포함하지 않아 효과의 방향이 일관되게 확인됐습니다.

결론:

소표본에서 σ를 모를 때는 t-분포가 정직한 추론을 줍니다. 다만 표본이 작아 신뢰구간이 넓으므로(2~15 mmHg), 효과 크기를 확정하려면 더 큰 본 임상이 필요합니다.

참고 문헌

Student (W. S. Gosset) (1908), "The probable error of a mean", Biometrika 6(1), 1–25 — t-분포를 도입한 원 논문

이론 페이지로 돌아가기

LEARN · SIMULATE · VERIFY

t-분포 (t-Distribution)

마일스톤 학습법으로 단계별 완전 정복

이 학습을 통해 달성할 수 있는 목표

기초 이해

심화 학습

실무 적용

한눈에 보기

학습 로드맵

기초 이해

심화 학습

실무 적용

먼저 알아두면 좋은 개념들

정규분포

표준편차

t-분포란 무엇인가?

핵심 포인트

간단한 예시

이해도 확인하기

Q1: t-분포는 언제 정규분포 대신 쓰나요?

Q2: 자유도가 커지면 t-분포는 어떻게 되나요?

수학적 공식

다양한 예시로 이해하기

예시 1: 소표본 신뢰구간

예시 2: 자유도에 따른 임계값 변화

흔한 실수들

잘못된 방법:
소표본인데 σ를 모르면서 z-분포(정규)를 사용

잘못된 방법:
자유도를 n으로 잘못 사용

연습 문제

문제 1:
표본 25개로 모평균을 추정할 때 t-분포의 자유도는?

문제 2:
표본크기가 매우 커지면 t-분포의 95% 임계값은 어떤 값에 가까워지나요?

실제 사례 분석: 신약 효과의 소표본 임상 분석

배경

문제 상황

데이터 설명

분석 방법

해결책 및 결과

참고 문헌

t-분포 (t-Distribution)

마일스톤 학습법으로 단계별 완전 정복

기초 이해

심화 학습

실무 적용

학습 로드맵

기초 이해

심화 학습

실무 적용

먼저 알아두면 좋은 개념들

정규분포

표준편차

t-분포란 무엇인가?

간단한 예시

이해도 확인하기

Q1: t-분포는 언제 정규분포 대신 쓰나요?

Q2: 자유도가 커지면 t-분포는 어떻게 되나요?

Q2: 자유도가 커지면 t-분포는 어떻게 되나요?

수학적 공식

다양한 예시로 이해하기

예시 1: 소표본 신뢰구간

예시 2: 자유도에 따른 임계값 변화

흔한 실수들

잘못된 방법: 소표본인데 σ를 모르면서 z-분포(정규)를 사용

잘못된 방법: 자유도를 n으로 잘못 사용

연습 문제

문제 1: 표본 25개로 모평균을 추정할 때 t-분포의 자유도는?

문제 1: 표본 25개로 모평균을 추정할 때 t-분포의 자유도는?

문제 2: 표본크기가 매우 커지면 t-분포의 95% 임계값은 어떤 값에 가까워지나요?

문제 2: 표본크기가 매우 커지면 t-분포의 95% 임계값은 어떤 값에 가까워지나요?

실제 사례 분석: 신약 효과의 소표본 임상 분석

배경

문제 상황

데이터 설명

분석 방법

해결책 및 결과

참고 문헌

잘못된 방법:
소표본인데 σ를 모르면서 z-분포(정규)를 사용

잘못된 방법:
자유도를 n으로 잘못 사용

문제 1:
표본 25개로 모평균을 추정할 때 t-분포의 자유도는?

문제 2:
표본크기가 매우 커지면 t-분포의 95% 임계값은 어떤 값에 가까워지나요?