70. T-검정 (t-Test) - 두 집단 간 평균 차이 통계적 검증

핵심 인사이트 (3줄 요약)

1. 본질: t-검정은 두 집단의 평균 차이가 우연인지 아닌지 판단하는 통계 검정이다.
2. 가치: 독립표본과 대응표본 상황을 구분해 평균 비교를 정량화한다.
3. 판단: 정규성, 분산, 표본 구조를 먼저 확인해야 한다.

Ⅰ. 개요 및 필요성

두 집단이 정말 다른지 알고 싶을 때 단순 평균 비교만으로는 부족하다.

t-검정은 그 차이를 통계적으로 평가한다.

• 📢 섹션 요약 비유: 두 반의 점수 차이가 진짜인지 확인하는 일이다.

Ⅱ. 아키텍처 및 핵심 원리

Samples
  ↓
t Statistic
  ↓
p-value
  ↓
Decision

t-검정은 표본평균과 분산을 이용해 차이가 우연인지 계산한다. 표본 구조에 따라 적절한 종류를 골라야 한다.

• 📢 섹션 요약 비유: 서로 다른 두 팀인지, 같은 팀의 전후 비교인지 먼저 정해야 한다.

Ⅲ. 비교 및 연결

t-검정은 평균 차이를 보는 대표적인 방법이지만, 가정이 맞아야 신뢰할 수 있다.

• 📢 섹션 요약 비유: 같은 조건의 경기인지, 전후 기록인지 구분해야 한다.

Ⅳ. 실무 적용 및 기술사 판단

체크리스트

1. 독립/대응 구조를 구분했는가?
2. 정규성을 확인했는가?
3. p-value를 올바르게 해석하는가?
4. 표본 크기가 충분한가?
5. 평균 차이의 실무적 의미를 보는가?

안티패턴

• 무조건 t-검정부터 하는 설계
• 대응표본을 독립표본으로 보는 설계
• 가정 검증 없이 결론내는 설계
• p-value만 보고 효과 크기를 무시하는 설계

기술사 관점에서는 t-검정을 "평균 차이의 통계적 판단 도구"로 설명해야 한다.

• 📢 섹션 요약 비유: 둘의 차이가 우연인지 계산하는 시험이다.

Ⅴ. 기대효과 및 결론

t-검정을 이해하면 두 집단 비교를 더 체계적으로 수행할 수 있다.

결론적으로 t-검정은 평균 차이를 통계적으로 검증하는 방법이다.

• 📢 섹션 요약 비유: 점수 차이를 숫자로 판정하는 일이다.

관련 개념 맵

Samples
  ↓
t-Test
  ↓
p-value
  ↓
Decision

관련 키워드 및 발전 흐름도

Mean Difference
  ↓
t-Test
  ↓
Hypothesis Test
  ↓
Statistical Inference

어린이를 위한 3줄 비유 설명

두 팀이 진짜 다른지 봐요.
기록 차이를 계산해요.
t-검정은 그런 검사예요.