68. 유의 수준(Alpha)과 유의 확률(p-value) - 귀무 가설 기각의 마지노선

핵심 인사이트 (3줄 요약)

1. 본질: 유의 수준 α는 H0를 기각하기 위한 기준선이고, p-value는 관측 결과가 H0 하에서 얼마나 드문지 나타낸다.
2. 가치: α와 p-value를 함께 봐야 통계적 결정을 일관되게 내릴 수 있다.
3. 판단: p-value가 α보다 작으면 H0를 기각하지만, 그 자체가 효과의 크기를 뜻하지는 않는다.

Ⅰ. 개요 및 필요성

가설 검정에서 기준이 없으면 결정을 내릴 수 없다. α는 그 기준선 역할을 한다.

p-value는 현재 데이터가 H0와 얼마나 잘 맞는지 보는 값이다.

• 📢 섹션 요약 비유: 넘어야 할 점수 기준과 실제 점수의 비교다.

Ⅱ. 아키텍처 및 핵심 원리

H0
  ↓
p-value
  ↓ compare with α
Decision

α는 연구자가 미리 정하는 기준이고, p-value는 데이터가 말해 주는 결과다. 둘을 혼동하면 해석이 흔들린다.

• 📢 섹션 요약 비유: 문지기 기준선과 통과 점수를 비교하는 것이다.

Ⅲ. 비교 및 연결

유의 수준과 p-value는 통계적 판단의 기준을 만들지만, 결과의 실질적 중요성과는 별개다.

• 📢 섹션 요약 비유: 기준선을 넘었다고 해서 늘 가장 큰 차이는 아니다.

Ⅳ. 실무 적용 및 기술사 판단

체크리스트

1. α를 사전에 정했는가?
2. p-value를 올바르게 해석하는가?
3. 효과 크기와 함께 보는가?
4. 검정력과 표본 수를 고려하는가?
5. 여러 검정을 동시에 할 때 보정하는가?

안티패턴

• p-value를 효과 크기로 착각하는 설계
• α를 나중에 바꾸는 설계
• 유의성만 보고 실무적 의미를 무시하는 설계
• 복수 검정 보정을 무시하는 설계

기술사 관점에서는 α와 p-value를 "결정 규칙"으로 설명해야 한다.

• 📢 섹션 요약 비유: 시험 합격선과 실제 점수를 같이 봐야 한다.

Ⅴ. 기대효과 및 결론

α와 p-value를 이해하면 가설 검정의 결과를 더 정확히 읽을 수 있다. 그래서 통계적 의사결정이 안정된다.

결론적으로 α는 기준선이고 p-value는 그 기준선과 비교하는 값이다.

• 📢 섹션 요약 비유: 점수표와 합격선이 함께 있어야 판정이 된다.

관련 개념 맵

H0
  ↓
α
  ↓ compare
p-value
  ↓
Decision

관련 키워드 및 발전 흐름도

Hypothesis Testing
  ↓
Alpha
  ↓
p-value
  ↓
Statistical Decision

어린이를 위한 3줄 비유 설명

넘어야 할 기준선이 있어요.
실제 점수와 비교해요.
유의 수준과 p-value는 그런 규칙이에요.