8장: 신뢰구간¶
개요¶
들어가는 이야기 — 「20.9% 줄었다」만 적지 않는 까닭
마운자로(성분 이름은 티르제파티드)라는 살 빼는 약이 얼마나 듣는지 알아보려고 큰 시험을 했다. 결과를 발표할 때 연구자들은 「몸무게가 \(20.9\%\) 줄었다」라고만 쓰지 않았다. 그 옆에 괄호를 하나 붙였다 — \((19.9\%,\ 21.8\%)\). 「\(20.9\) 쯤인데, 이 자료로 말할 수 있는 것은 \(19.9\) 와 \(21.8\) 사이까지다」라는 뜻이다. 학술지에 실리는 수는 거의 늘 이렇게 둘이 짝을 이룬다.
괄호가 왜 필요한지는 그것을 떼어 보면 안다. 「이 약은 몸무게를 \(20.9\%\) 줄인다」라고만 적으면, 읽는 사람은 자기도 꼭 그만큼 빠질 것처럼 받아들인다. 그런데 연구자가 가진 것은 몇천 명을 재어 본 결과일 뿐이다. 다른 몇천 명을 새로 모아 다시 재면 수는 조금 달라진다. 괄호는 그 변동의 크기를 적은 것이고, 사람을 적게 모았으면 괄호가 넓어진다. 넓은 괄호는 「아직 잘 모른다」는 뜻이다.
괄호는 결정에도 쓰인다. 이 시험은 약을 세 가지 양으로 나누어 주었다. 적게 준 쪽(\(5\) mg)은 \(15.0\%\), 중간(\(10\) mg)은 \(19.5\%\), 많이 준 쪽(\(15\) mg)은 \(20.9\%\) 가 빠졌다. 수만 보면 많이 줄수록 좋아 보인다. 그런데 괄호를 보면 이야기가 갈린다. 적게 준 쪽과 중간 쪽은 괄호가 서로 닿지도 않는다 — 양을 늘린 값이 분명히 있었다는 뜻이다. 반면 중간과 많이 준 쪽은 괄호가 겹친다.
여기서 「그러니 더 늘린 값은 없었다」로 넘어가기 쉬운데, 그것이 틀린 읽기다. 괄호가 겹치는지를 보는 것과 차이 자체에 괄호를 붙이는 것은 다른 일이고, 뒤쪽이 맞는 길이다. 실제로 해 보면 더 늘려서 얻은 \(1.4\) 퍼센트포인트에 \((0.06,\ 2.74)\) 가 붙어 \(0\) 을 아슬아슬하게 비켜 간다. 중첩만 보고 판단했다면 반대로 답했을 자리다. 괄호가 닿지 않으면 차이가 있다고 말해도 되지만, 그 반대는 성립하지 않는다 — 8.1절 오차막대 그림이 그 불일치를 따로 다룬다. 수 세 개로는 할 수 없고 괄호라야 할 수 있는 판단이다.
왼쪽에서 가로축은 체중이 줄어든 쪽이 왼쪽이다. 녹색 띠는 적게 준 쪽과 중간 쪽의 범위 사이에 비어 있는 자리이고, 노란 띠는 중간과 많이 준 쪽의 범위가 겹치는 자리다. 오른쪽이 그 중첩을 어떻게 읽어야 하는지를 보인다 — 한 단계 올려 더 줄어든 양과 그 괄호다. 세 걸음 모두 괄호가 \(0\) 을 비켜 가고, 마지막 걸음은 \((0.06,\ 2.74)\) 로 간신히 비켜 간다. 왼쪽에서 겹쳐 보이던 바로 그 걸음이다.
확인한 곳 — Jastreboff 외, 『New England Journal of Medicine』 \(387\)(\(2022\)) \(205\) 쪽의 초록 — \(72\) 주 뒤 체중 변화가 \(5\) mg \(-15.0\%\) \((-15.9,\ -14.2)\), \(10\) mg \(-19.5\%\) \((-20.4,\ -18.5)\), \(15\) mg \(-20.9\%\) \((-21.8,\ -19.9)\), 위약 \(-3.1\%\) \((-4.3,\ -1.9)\). 구간이 겹치는지와 그림 왼쪽의 두 띠는 그 네 줄에서 직접 읽은 것이다. 그림 오른쪽의 차와 그 구간은 보고된 네 구간에서 표준오차를 되짚어 직접 계산한 값이지 시험이 보고한 수가 아니다 — 두 팔이 서로 다른 사람이므로 분산을 더해 구했다. 이 구간들이 이 장의 식에서 나온 것인지는 8.4절 μ_D (차이의 평균)의 신뢰구간이 밝힌다
신뢰구간은 그럴듯한 값들의 범위를 지정된 신뢰수준(confidence level)과 함께 제시하여 모수 추정의 불확실성을 정량화한다. 이 장에서는 일표본, 이표본, 대응표본(paired samples) 설계에서 평균, 비율, 분산에 대한 신뢰구간의 이론과 구성법을 전개한다. 또한 원하는 오차한계를 달성하려면 표본이 얼마나 커야 하는가라는 실무적 질문도 다룬다.
1. 장의 구성¶
8.1 기초¶
신뢰구간이 무엇인지, 어떻게 올바르게 해석하는지, 가장 흔한 오해는 무엇인지를 비롯한 신뢰구간의 기초 이론:
- 신뢰수준과 포함확률 -- 일반형 점추정값 ± 오차한계를 세우고, 임계값을 어느 분포에서 꺼내는지는 \(n\) 이 아니라 \(\sigma\) 를 아는지가 정한다는 것을 밝힌다. 신뢰수준이 구간이 아니라 구간을 만드는 절차에 붙는 값임을 말하고, 그 절차가 세는 것이 정확히 무엇인지를 — 모수는 \(95\%\) 담지만 다음 실험의 평균은 \(83\%\) 밖에 담지 못한다 — 분명히 한 뒤, 어느 모수에 어떤 구간이 붙는지를 표로 모은다.
- 해석과 흔한 오해 -- 오해 셋을 하나씩 깬다 — 「\(\mu\) 가 이 구간에 있을 확률이 \(95\%\)」, 「자료의 \(95\%\) 가 들어간다」, 「두 구간이 겹치면 차이가 없다」(중첩 판정이 맞으려면 신뢰수준이 \(83.4\%\) 여야 한다). 그리고 구간을 만들기 전에 자료를 보는 잘못을 「갈림길의 정원」이라는 이름으로 세워, 뒤의 여러 절이 그 자리를 가리킨다.
- 오차막대 그림 -- 같은 구간을 그림으로 보고하는 법. 막대가 무엇을 재고 있는지(표준편차·표준오차·신뢰구간)를 밝히지 않으면 읽을 수 없다는 것을 보인다.
8.2 일표본 구간¶
표본 하나로 추정하는 단일 모수의 신뢰구간. 모수마다 한 쪽이고, 그 한 쪽이 공식·손 계산·코드·포함확률 모의실험을 모두 담는다. 비율만 한 쪽을 더 둔다 — 자료가 0 과 1 뿐이어서 포함률이 톱니를 그리고, 그 톱니는 한 자리를 재는 것으로는 보이지 않아 곡선 전체가 필요하다:
- μ의 신뢰구간 -- 표준화한 양의 분포에서 뒤집어 \(z\) 구간과 \(t\) 구간을 얻는다. 갈림길은 \(n\) 이 아니라 \(\sigma\) 를 아는지이며, \(\sigma\) 를 모르면 \(n\) 이 크든 작든 \(t\) 가 맞는 분포다. 「\(n \ge 30\) 이면 \(z\)」는 관행이고 근사다.
- p의 신뢰구간 -- 왈드 구간을 세운 뒤 윌슨·아그레스티–코울·클로퍼–피어슨을 올리는데, 넷을 가르는 것은 하나다 — 중심을 옮기는가. 네 구간을 한 자료에 나란히 두어 그 선택이 어디서 갈라지는지 보고, 이어서 명목 \(95\%\) 가 실제로 몇 퍼센트인지를 \(p\) 와 \(n\) 을 훑어 곡선으로 잰다. 왈드 구간은 \(\hat p = 0\) 에서 한 점으로 붕괴하고 포함률이 \(1-(1-p)^n\) 을 넘지 못하며, 윌슨은 그 자리에서도 폭을 잃지 않는다 — 정리 둘이 각각을 적는다. \(np \ge 10\) 이라는 보수적 기준이 어디서 오는지도 여기서 보인다.
- σ²의 신뢰구간 -- 카이제곱 추축량을 뒤집어 모분산의 구간을 만든다. 평균에는 중심극한정리(central limit theorem)가 있지만 분산에는 없어 정규성(normality)이 가정이 아니라 전제다. 상한이 하한의 몇 배인지가 분산 추정의 정밀도를 그대로 말해 준다 — \(n = 12\) 에서 \(5.7\) 배다.
8.3 이표본 구간¶
두 독립 모집단의 모수를 비교하는 신뢰구간:
- μ₁−μ₂의 신뢰구간 -- 넷이 모두 같은 꼴이고 물음은 하나다 — 차의 분산을 무엇으로 아는가. 웰치가 기본값인 까닭이 비대칭 도박이라는 것과, 등분산 검정을 돌려 보고 고르면 안 되는 까닭까지 다룬다.
- p₁−p₂의 신뢰구간 -- 독립이면 차의 분산이 분산의 합이 된다는 사실 하나로 구간을 세우고(더해지는 것은 분산이고 표준오차가 아니다), 왈드와 뉴컴·클로퍼–피어슨을 포함률과 폭을 함께 재어 견준다.
- σ₁²/σ₂²의 신뢰구간 -- 왜 차가 아니라 비인지부터 시작해, 8.2 의 카이제곱 추축량을 두 번 써서 \(F\) 분포가 어디서 오는지 잇는다. 정규성 요구가 두 배로 붙는 자리다.
8.4 대응표본 구간¶
관측값이 자연스럽게 짝을 이루는 자료의 신뢰구간:
- μ_D (차이의 평균)의 신뢰구간 -- 짝지은 자료는 차이 \(D\) 하나로 줄어들어 일표본 \(t\) 구간이 그대로 선다. 그런데 짝을 무시해도 포함률은 지켜진다 — 구간이 넓어질 뿐이다. 그래서 짝짓기의 값은 「틀리지 않게 해 주는 것」이 아니라 「같은 돈으로 더 좁은 구간을 사는 것」이다. 마지막에는 대응 설계와 독립 설계 가운데 무엇을 고를 것인가까지 간다 — 짝 내 상관 \(\rho\) 와 실행 여건이 그 판단을 정한다.
- 비율의 대응 구간 (McNemar) -- 일치–불일치 표에서 구간을 세우면 \(a\) 와 \(d\) 가 식에서 사라진다. 그래서 정규근사를 받쳐 주는 것은 전체 \(n\) 이 아니라 불일치 짝의 수 \(b+c\) 이고, \(n = 1000\) 이어도 \(b+c = 6\) 이면 표본이 여섯인 것과 같다.
8.5 표본크기의 결정¶
목표 정밀도를 달성하는 데 필요한 최소 표본크기를 정하는 공식:
- 표본크기 계산 -- 지정된 오차한계와 신뢰수준으로 평균과 비율을 추정하기 위한 표본크기 공식을 유도하고, \(E\) 가 분모에 제곱으로 들어가는 역제곱 법칙이 계획에 무엇을 뜻하는지 곡선으로 본다.
- 두 집단 비교를 위한 표본크기 -- \(\alpha\) 와 검정력과 「의미 있는 최소 효과」를 집단당 관측값 수로 옮긴다. 그 공식이 무엇을 가정하고 있는지를 하나씩 풀어 보는 것이 이 쪽의 일이다 — 탈락률, 불균등 배분, 군집, 비열등성, 다중비교(multiple comparisons)가 각각 수를 어떻게 움직이는가.
연습문제 — 쪽마다 끝에 있다¶
신뢰구간의 해석, 일표본·이표본 구간의 구성, 표본크기의 결정, 신뢰수준과 구간 너비의 관계를 다루는 연습문제들.
2. 선수 지식¶
이 장은 다음 내용을 바탕으로 한다.
- 5장 (추정량과 표집분포(sampling distribution)) -- 추축량 구성의 바탕이 되는 정규, t, 카이제곱, F 표집분포.
- 5장·6장 -- 편향과 일치성 같은 추정량의 성질(5.11 편향–분산 분해~5.13 분산의 추정), 최대가능도추정량과 적률법 추정량.
- 5.11~5.13 -- 추정량으로서의 표본평균과 소박한 분산추정량, 베셀 수정, 그리고 그 표집분포.
3. 핵심 요약¶
- 신뢰구간은 미지의 모수에 대해 그럴듯한 값들의 범위를 준다. 신뢰수준은 반복표본추출에서의 장기적 포함 비율을 가리키는 것이지, 특정한 하나의 구간이 모수를 담을 확률이 아니다.
- z-구간과 t-구간의 갈림길은 \(\sigma\) 를 아는지 하나다. \(n\) 이 정하는 것이 아니다 — \(\sigma\) 를 모르면 \(n\) 이 크든 작든 \(t\) 가 맞는 분포이고, \(n\) 이 커지면 \(t\) 가 \(z\) 에 가까워질 뿐이다.
- 이표본 구간은 독립인 집단들 사이에서 평균, 비율, 분산을 비교하게 해 주며, 분산이 다를 때는 웰치 방식이 로버스트성을 준다.
- 대응표본 구간은 짝 내 상관을 활용해 변동성을 줄이며, 짝짓기가 의미 있을 때 독립표본(independent samples) 설계보다 좁은 구간을 만든다.
- 표본크기 공식은 원하는 오차한계와 신뢰수준을 필요한 최소 관측값 수로 옮겨 주어, 연구자가 충분한 정밀도로 연구를 계획할 수 있게 한다.