직관 — 표본평균 주위에 폭을 더한다
제품 몇 개의 평균을 구해도 공정 전체의 평균을 정확히 안 것은 아니다. 다른 제품을 골랐다면 평균도 조금 달라졌을 것이다. 그 흔들림을 반영해 하나의 수 대신 범위를 보고한다.
범위의 가운데는 표본평균이고, 폭에는 표본의 산포와 크기가 반영된다. 모집단의 표준편차를 모를 때는 t분포를 이용해 모평균의 t신뢰구간을 만든다. 이 글의 질량 자료는 방법을 따라가기 위해 직접 만든 합성 자료다.
모평균의 t신뢰구간은 어떤 조건에서 쓰나?
모평균의 t신뢰구간은 독립인 정규모집단 표본으로 미지의 평균을 추정하는 구간이다. 모표준편차는 모르고, 표본 크기는 2 이상이며 계산된 표본표준편차는 양수인 경우를 다룬다. 같은 모집단에서 뽑았다는 조건도 필요하다.
정규모집단은 관측값의 분포에 관한 모형이다. 표본이 작을 때는 특히 강한 비대칭·이상값이 없는지와 측정 과정을 살펴야 한다. 작은 자료 그림이 대칭처럼 보인다는 사실만으로 정규성을 증명할 수는 없다. 큰 표본의 근사 적용도 무작위·독립성 문제를 없애 주지 않는다.
신뢰수준을 라 하고, 자유도 인 t분포에서 왼쪽 넓이가 가 되는 양의 경계를 라 하자.
| 기호 | 이름 | 원어 | 뜻 |
|---|---|---|---|
| 모평균 | population mean | 추정할 모집단 평균 | |
| 표본 크기, 표본평균 | sample size, sample mean | 관측값의 수와 평균 | |
| 표본표준편차 | sample standard deviation | 편차제곱합을 로 나눈 값의 제곱근 | |
| 표준오차 추정값 | estimated standard error | 표본평균의 흔들림을 추정한 크기 | |
| 자유도 | degrees of freedom | t분포 곡선 선택에 쓰는 수 | |
| 신뢰수준 | confidence level | 반복 표집 구간의 포함 성능 | |
| 임계값 | critical value | t분포의 누적 넓이에 해당하는 경계 |
교과서처럼 모평균을 으로 쓰면 구간을 처럼 부등식으로 적는다. 오른쪽 꼬리 넓이로 이름을 붙이는 자료는 같은 임계값을 로 쓴다. 신뢰수준은 신뢰도라고도 부른다.
t신뢰구간의 공식은 왜 이런 모양일까?
표본을 뽑기 전의 통계량 가 자유도 인 t분포를 따르므로, 그 값이 와 사이에 있을 확률이 이기 때문이다. 이 부등식을 에 대해 정리한 것이 식 (1)이다.
양수 을 세 변에 곱하면 이 된다. 각 변에서 를 빼고 을 곱하면 부등호 방향이 바뀌어 다음 사건과 같아진다.
식 (3)에서 움직이는 것은 가 아니라 표본에 따라 달라지는 구간의 양 끝이다. 구간의 반쪽 폭을 오차한계라 하고 로 쓴다. 구간의 길이는 그 2배다.
식 (4)에서 신뢰수준을 높이면 가 커지고, 산포 가 크면 넓어지며, 이 크면 과 가 함께 폭을 줄인다. 분포 결과 자체의 증명은 이 글에서 요구하지 않는다.
t신뢰구간을 질량 자료에서 어떻게 계산하나?
평균, 표본분산, 표준오차, 임계값을 차례로 구해 식 (1)에 넣는다. 가상의 공정에서 독립적으로 뽑은 정규모집단 표본이라고 설정하자. 합성 질량은 99, 100, 100, 101, 101, 102, 102, 103, 103, 104g이다. 이 숫자 목록을 제시한 것과 실제 무작위 표본을 수집한 것은 다르다.
편차는 −2.5, −1.5, −1.5, −0.5, −0.5, 0.5, 0.5, 1.5, 1.5, 2.5다. 같은 크기가 둘씩 짝을 이루므로 제곱합을 묶어 계산한다.
식 (6)의 제곱합을 로 나누면 표본분산이 되고, 그것을 으로 나눈 값의 제곱근이 표준오차다.
평균과 표준오차의 단위는 g, 식 (7)의 분산 단위는 g²다. 95% 신뢰수준에서는 양쪽 꼬리에 0.025씩 남기므로 누적 넓이 0.975를 입력한다. 자유도 9의 임계값은 약 2.26216이다.
오차한계는 약 1.13108g이고, 구간 전체 길이는 그 2배인 약 2.26216g이다. 식 (8)의 끝자리는 반올림 전의 임계값으로 계산했다. 그림 1은 t분포의 가운데 넓이 0.95가 질량 축의 구간으로 옮겨 가는 모습이다.
figures/t_interval_pivot.py같은 표본으로 99%를 요구하면 누적 넓이 0.995의 임계값 약 3.24984를 써서 구간이 넓어진다. 그림 2는 같은 평균·표준오차에서 신뢰수준만 바꾼 비교다.
figures/confidence_widths.py요약 통계만 주어지면 t신뢰구간을 어떻게 구하나?
원자료 없이 , , 만 있어도 식 (1)에 바로 넣는다. 배터리 16개의 사용 시간을 재어 평균 72.4시간, 표본표준편차 4.0시간을 얻었고 정규모집단·독립 조건을 가정한다고 하자. 표준오차는 , 자유도는 15, 임계값은 약 2.13145다.
문제에 대신 편차제곱합이 주어지면 먼저 로 나눠 를 만든다. 자료 자체의 분산처럼 으로 나눈 값이 주어지면, 그 값에 을 곱해야 식 (1)의 가 된다.
구간만 주어진 문제는 거꾸로 읽는다. 식 (9)의 구간에서 가운데 가 표본평균이고, 길이의 절반 2.13145가 오차한계다. 과 임계값을 알면 식 (4)에서 을 되찾는다.
공학 도구에서 무엇을 입력하고 읽나?
입력은 관측값, 표본분산의 분모 설정, 신뢰수준이다. 다음 Python 코드를 SciPy가 설치된 환경에서 실행한다. ddof=1은 분산 계산의 분모를 로 정하며, scale에는 개별 관측값의 표준편차가 아니라 평균의 표준오차를 넣는다.
import numpy as np
from scipy import stats
a = np.array([99,100,100,101,101,102,102,103,103,104], dtype=float)
n = a.size
mean = a.mean()
s = a.std(ddof=1)
se = s / np.sqrt(n)
low, high = stats.t.interval(0.95, df=n-1, loc=mean, scale=se)
print("n, mean, s, SE:", n, round(mean, 5), round(s, 5), round(se, 5))
print("95% interval:", round(low, 5), round(high, 5))
low2, high2 = stats.t.interval(0.95, df=15, loc=72.4, scale=4.0/np.sqrt(16))
print("summary 95%:", round(low2, 5), round(high2, 5))
실제 출력은 10 101.5 1.58114 0.5, 100.36892 102.63108, 그리고 요약 통계로 계산한 70.26855 74.53145다. 0.95를 0.99로 바꾸면 그림 2의 둘째 구간을 얻는다. 소프트웨어가 출력한 두 수만 옮기지 말고 모집단·단위·신뢰수준·계산 방법을 함께 보고한다.
95% t신뢰구간은 어떻게 해석해야 하나?
95%는 같은 조건으로 표본을 반복해 구간을 만들 때 그 구간들이 고정된 모평균을 포함하는 비율을 뜻한다. 이번에 계산한 식 (8)의 구간은 이미 정해졌고, 모평균도 고정된 값이다. ‘이번 구간에 모평균이 들어 있을 확률이 95%’라고 바꿔 말하지 않는다.
그림 3은 모평균 101g, 모표준편차 1.6g인 정규모집단에서 10개씩 40번 뽑아 만든 95% t구간이다. 실제 공정 자료가 아닌 모의실험이며 난수 시드를 309로 고정했다. 이 기록에서는 40개 중 38개가 101을 포함했다. 구간 길이는 약 1.083g부터 3.416g까지 3배 넘게 달랐는데, 표본마다 가 달라 식 (4)의 도 달라지기 때문이다.
figures/repeated_t_intervals.py이번 기록의 38/40은 마침 95%와 같지만, 같은 설정에서 시드만 바꾸면 37개나 40개가 나오기도 한다. 95%는 절차의 장기적 포함 성능이며, 유한한 반복의 포함 개수는 매번 달라진다. 또한 구간은 모평균의 불확실성을 표현하며 개별 제품 95%가 들어가는 범위가 아니다.
모표준편차를 모르는데 1.96을 쓰면 무엇이 달라지나?
구간이 좁아지고, 작은 표본일수록 실제 포함 비율이 95%보다 낮아진다. 질량 자료에서 를 알려진 모표준편차처럼 취급해 1.96을 곱하면 , 약 [100.520, 102.480]g으로 식 (8)보다 좁다.
정규모집단에서 이 절차가 모평균을 포함할 확률은 가 −1.96과 1.96 사이에 있을 확률과 같다. 자유도 9의 t분포로 계산하면 약 0.918이다. 그림 4는 표본 크기에 따른 이 실제 포함 비율이다.
figures/z_substitution_coverage.py에서는 실제 포함 비율이 약 0.700까지 떨어진다. 모평균의 추정은 모표준편차를 아는 경우의 z구간과 큰 표본의 근사를 다룬다. 모표준편차를 모르는 작은 표본에서는 1.96 대신 자유도 의 t임계값을 쓴다.
모평균의 t신뢰구간은 모표준편차를 모르는 정규모집단의 독립 표본에서 표본평균 ± t임계값 × 표준오차로 만들고, 95%는 그 절차로 반복해 만든 구간이 모평균을 포함하는 장기적 비율이다.
t신뢰구간에서 표본 수를 4배로 하면 폭이 정확히 절반이야?
아니다. 표본표준편차가 1.58114g로 같다고 해도 표본 10개에서 40개로 늘리면 표준오차가 절반이 되는 동시에 임계값이 2.26216에서 약 2.02269로 줄어, 오차한계는 약 0.447배가 된다. 실제로 새 표본을 뽑으면 표본표준편차 자체도 달라질 수 있다.
t신뢰구간을 계산할 때 모든 자료가 같으면 어떻게 해?
관측값 사이에 차이가 없으면 표본표준편차가 0이므로 이 글의 양수 조건을 만족하지 않는다. 자료 4, 4, 4라면 식 (1)의 폭이 0이 되지만, 모평균을 정확히 안다고 보고하지 않는다. 반올림이나 측정 해상도 때문에 같아졌는지부터 확인한다.
t신뢰구간이 좁으면 조사도 잘된 거야?
아니다. 좁은 구간은 선택한 모형 안에서 추정의 흔들림이 작다는 뜻일 뿐이다. 표본추출이 치우쳤다면 표본 100개로 만든 좁은 구간도 잘못된 모집단을 정밀하게 묘사할 수 있다. 구간 폭과 대표성을 따로 평가한다.
t신뢰구간의 흔한 오해
- 95%를 0.95 대신 95로 입력한다. — 신뢰수준 인자는 0과 1 사이의 비율이다. 누적 경계 계산에 쓰는 0.975와도 구별한다.
scale에 표본표준편차를 넣는다. — 질량 자료에서scale에 를 넣으면 약 [97.92322, 105.07678]g이 나와, 식 (8)보다 배 넓다. 평균의 구간에는 표준오차 0.5를 넣는다.- 구간의 끝은 실제 관측값의 최솟값과 최댓값이다. — 자료의 범위는 99~104g지만 식 (8)은 평균의 추정 구간이다. 서로 요약하는 대상이 다르다.
직접 해보기
- 독립인 정규모집단에서 얻었다고 가정한 새 자료 48, 49, 49, 50, 50, 51, 51, 52의 평균·표본분산·표준오차를 구하라.
- 1번의 자료로 95% t신뢰구간을 도구로 구하라. 자유도와 임계값도 기록하라.
- 정규모집단에서 뽑은 9개의 평균이 24.6, 표본표준편차가 1.8이다. 95% t신뢰구간을 구하라.
- 표본 4개로 만든 95% t신뢰구간이 [11.2, 12.8]로 보고되었다. 표본평균, 오차한계, 표본표준편차를 거꾸로 구하라.
- 100개 구간 중 92개가 모평균을 포함한 모의실험은 95% 절차가 틀렸다는 증거인가? 이유를 설명하라.
답
- 평균 50, 편차제곱합 12, 표본분산 12/7이다. 표준오차는 이다.
- 자유도 7, 임계값 약 2.36462이므로 구간은 약 [48.90539, 51.09461]이다. 자료의 단위를 그대로 붙인다.
- 표준오차 , 자유도 8, 임계값 약 2.30600이다. 오차한계 약 1.38360이므로 구간은 약 [23.21640, 25.98360]이다.
- 표본평균은 가운데 , 오차한계는 길이의 절반 0.8이다. 자유도 3의 임계값 약 3.18245로 이다.
- 아니다. 유한한 반복의 포함 개수는 달라질 수 있다. 92/100만으로 일반적인 95% 포함 성능을 증명하거나 반박할 수 없다.
더 읽기
- NIST, Confidence Limits for the Mean — 모평균 t구간의 공식과 신뢰수준 해석의 근거다. ‘t신뢰구간의 공식은 왜 이런 모양일까?’ 절의 식이 이 공식과 같다.
- NIST, What are confidence intervals? — 신뢰구간을 반복 표집의 포함 비율로 읽는 설명이다. 해석 절과 그림 3의 모의실험이 같은 관점을 따른다.
- SciPy, t —
interval과ppf, 위치·척도 입력의 공식 문서다. 같은 함수라도 어떤 통계량의 척도를 넣는지 확인한다.
영상 노트
- 00:00 제품의 평균과 전체 공정의 평균 구별
- 00:40 식 (1)의 조건과 기호, 교과서의 부등식 표기
- 01:20 식 (2)·(3)으로 구간을 바꿔 읽고 식 (4)의 오차한계
- 02:20 식 (5)~(8)의 계산과 그림 1·2
- 03:20 식 (9) 요약 통계 유형과 구간에서 거꾸로 읽기
- 04:10 도구 출력과 그림 3의 반복 표집
- 05:00 z임계값을 대신 쓴 절차의 포함 비율(그림 4)
지도에서의 위치
- 2026-11-16 · 에이전트 초안
- 2026-11-16 · 표본 조건과 통계량의 계산 가능 조건을 명확히 하고 숫자 앞뒤 표현 정리
- 2026-11-17 · 전수 검수 반영 — 공식이 나오는 이유를 식으로 정리, 오차한계와 교과서 표기 다리, 요약 통계와 구간에서 거꾸로 읽는 유형, 반복 표집 모의실험, 1.96을 대신 쓸 때의 실제 포함률, 질문·오해·연습 보강 (에이전트 수정, 그림 1→4)
- 2026-11-17 · 전수 검수(에이전트 편집·독립 검증) 통과 — 주인 요청으로 완성으로 올림