독립적으로 준비한 열두 개 시료에서 평균 반응값이 10.4로 나왔습니다. 보고서에 평균 10.4라고 쓰면 계산은 맞습니다. 하지만 이 숫자가 모집단 평균에 얼마나 가까운지는 알 수 없습니다. 새 시료 열두 개를 준비하면 평균이 달라질 수 있다는 사실을 이미 배웠기 때문입니다.

이번에는 평균을 버리는 것이 아니라, 그 옆에 표집변동을 반영한 범위를 붙입니다.

앞 단원에서 모집단 평균 μ는 알고 싶은 값이고 표본평균 x̄는 이번 표본에서 계산한 통계량이라고 구분했습니다. 같은 모집단에서 새 표본을 뽑으면 x̄도 달라집니다. 이제 그 흔들림을 표준오차로 요약하고, x̄를 중심으로 신뢰구간을 만듭니다.

추정은 모르는 모수를 표본으로 배우는 일입니다

모집단 전체를 관측할 수 없다면 μ를 직접 계산할 수 없습니다. 대신 표본에서 x̄를 계산해 μ를 추정합니다. 이처럼 모수 하나에 대응하는 값 하나를 제시하는 것을 점추정이라고 합니다.

점추정은 유용합니다. 서로 다른 실험의 중심을 비교하고, 후속 계산을 시작하며, 표와 그림을 간결하게 만듭니다. 그러나 x̄=10.4라는 숫자 하나만으로는 두 가지를 구분할 수 없습니다.

• 독립 시료가 많고 값들이 촘촘해서 비교적 안정적인 10.4
• 독립 시료가 적고 값들이 넓게 퍼져서 많이 흔들릴 수 있는 10.4

두 실험은 같은 평균을 갖지만 그 평균의 정밀도는 다릅니다. 그래서 점추정 옆에는 그 통계량이 표본마다 얼마나 움직일 수 있는가에 대한 정보가 필요합니다.

구간추정은 “가장 작은 값과 가장 큰 값”을 보고 안전한 범위를 고르는 일이 아닙니다. 관측 최솟값·최댓값은 개별 관측치의 범위이고, 평균 신뢰구간은 모집단 평균 μ를 겨냥하는 추론 절차입니다. 대상부터 다릅니다.

표준편차와 표준오차는 무엇이 흔들리는지가 다릅니다

표본표준편차 s는 현재 표본 안의 개별 관측값들이 x̄ 주위에 얼마나 퍼졌는지를 요약합니다. 표준오차 SE는 같은 방식으로 새 표본을 계속 뽑을 때 x̄가 얼마나 흔들리는지를 나타냅니다.

평균의 표준오차를 추정하는 기본 관계는 다음과 같습니다.

SE = s / √n

여기서 n은 독립 실험단위의 수입니다. 같은 culture를 네 번 읽었다고 n=4가 되지 않습니다. 독립 단위가 아닌 기술반복을 n에 넣으면 분모만 커져 SE가 부당하게 작아지고, 신뢰구간도 근거 없이 좁아집니다.

예를 들어 s=3이라면 n=9에서 SE는 1이고, n=36에서 SE는 0.5입니다. 독립 n을 네 배로 늘려야 SE가 절반이 되는 제곱근 관계입니다. n을 두 배로 늘렸다고 정밀도가 두 배가 되는 것은 아닙니다.

평균 신뢰구간은 네 층으로 계산됩니다

모집단 표준편차 σ를 모르는 일반적인 작은 표본 상황에서는 표본의 s를 사용하고 Student t 분포의 임계값을 적용합니다.

양측 평균 신뢰구간의 구조는 다음과 같습니다.

x̄ ± t* × s / √n

t*는 선택한 신뢰수준과 자유도 n−1에 따라 달라집니다. 같은 표본이라면 99% 구간의 t*가 95%보다 크므로 더 넓습니다. 더 높은 장기 포함률을 요구할수록 한 번의 구간은 더 넓은 값을 감수합니다.

예를 들어 n=20, x̄=10.4, s=3.0인 표본의 95% 평균 신뢰구간을 생각해봅시다. 자유도 19의 양측 95% t 임계값은 약 2.093입니다.

1. SE = 3.0 / √20 ≈ 0.671
2. 오차한계 = 2.093 × 0.671 ≈ 1.405
3. 95% CI = 10.4 ± 1.405 ≈ 8.995–11.805

이 계산은 소수점 두 자리를 외우기 위한 예제가 아닙니다. x̄가 중심, SE와 t*가 폭을 만든다는 구조를 읽기 위한 예입니다.

구간을 좁히고 싶다면 먼저 무엇을 바꾸는지 말해야 합니다.

• 독립 n을 늘리면 같은 s에서 SE가 작아져 구간이 좁아지는 경향이 있습니다.
• 표본의 s가 커지면 SE도 커져 구간이 넓어집니다.
• 신뢰수준을 90%에서 95%, 99%로 높이면 t*가 커져 구간이 넓어집니다.
• 같은 시료의 기술반복 수를 독립 n처럼 늘리는 것은 정당한 축소 방법이 아닙니다.

95%는 완성된 구간 안의 확률이 아닙니다

가장 중요한 해석입니다. 표본을 뽑기 전에는 어떤 x̄와 구간이 나올지 모릅니다. 같은 모집단에서 같은 크기로 표본을 뽑고 같은 95% 계산법을 적용하면 구간들이 서로 다른 위치에 생깁니다. 이 절차를 아주 오래 반복했을 때 만들어진 구간의 약 95%가 고정된 μ를 포함하도록 설계됩니다.

표본을 이미 뽑아 하한과 상한을 계산하고 나면, μ는 그 구간 안에 있거나 없습니다. 빈도주의 신뢰구간에서 “이번에 계산된 구간이 μ를 포함할 확률은 95%”라고 말하지 않습니다. 95%는 움직이는 구간을 만드는 절차의 장기 포함률입니다.

더 안전한 문장은 이렇습니다.

같은 표집 조건과 모형 아래에서 이 계산 절차를 반복하면, 생성된 구간의 약 95%가 모집단 평균 μ를 포함합니다.

일상 보고서에서는 “μ의 95% 신뢰구간은 9.00–11.81이다”라고 간단히 쓸 수 있습니다. 다만 머릿속 해석은 장기 반복 절차에 두어야 합니다.

직접 구간을 움직여봅시다

아래 미니 Lab은 평균 μ=10, 표준편차 σ=3인 정규 생성 과정에서 독립 표본을 만듭니다. 실제 연구 데이터가 아니라 신뢰구간의 작동 원리를 볼 수 있는 교육용 합성 모형입니다.

먼저 n=20, 95%에서 새 표본 묶음을 눌러보십시오. μ는 10으로 고정되어 있지만 x̄, s, SE와 구간은 모두 달라집니다. 어떤 묶음에서는 μ를 놓친 구간이 나타날 수 있습니다. 그것은 버튼이나 공식이 고장 났다는 뜻이 아닙니다.

그다음 아래 순서로 비교하십시오.

1. 같은 seed와 신뢰수준에서 n을 5와 40으로 바꿉니다.
2. 같은 seed와 n에서 신뢰수준을 90%, 95%, 99%로 바꿉니다.
3. 한 번의 20개 결과가 설정값과 정확히 같은 비율을 보이지 않아도 정상임을 확인합니다.

Lab의 참값 μ가 보이는 이유는 합성 데이터 생성 과정을 우리가 정의했기 때문입니다. 실제 실험에서는 μ를 모르므로 표본으로 추정합니다. 교육용 시뮬레이션에서만 가능한 정답 확인과 실제 분석 상황을 혼동하지 마십시오.

JMP 출력에서는 세 줄을 관계로 읽습니다

JMP의 연속형 변수 Distribution 결과는 현재 표본의 Mean, Std Dev, Std Error Mean과 평균 신뢰한계를 함께 제시할 수 있습니다. 화면의 각 줄을 따로 외우기보다 같은 계산 구조로 연결하십시오.

Mean은 x̄이고 Std Dev는 s입니다. Std Error Mean은 s/√n에 해당하며, Lower 95% Mean과 Upper 95% Mean은 x̄를 중심으로 t 절차가 만든 구간의 양 끝입니다. Interval Plot은 여러 집단의 평균과 구간을 나란히 보는 데 도움을 줄 수 있지만, 구간이 겹치는지만 보고 모든 가설검정 결론을 대신해서는 안 됩니다.

JMP가 정확히 계산해도 다음 질문은 연구자에게 남습니다.

1. Mean이 겨냥하는 모집단은 무엇인가?
2. N의 각 행은 정말 독립 실험단위인가?
3. 기술반복, donor, day와 batch 구조를 분석에 반영했는가?
4. 사용한 t 절차의 조건이 데이터와 질문에 적절한가?
5. 구간 폭이 실험적으로 중요한 차이를 구분하기에 충분한가?

결과를 쓸 때 남겨야 할 것

평균 10.4만 적지 말고 무엇의 평균인지, 독립 n이 몇인지, 어떤 구간인지 함께 남깁니다.

좋은 보고 문장의 뼈대는 다음과 같습니다.

독립 culture 20개의 평균 반응은 10.4였고, 모집단 평균에 대한 양측 95% Student t 신뢰구간은 9.00–11.81이었다.

여기에 단위, 표본 선택 기준, biological/technical replicate 구조, 결측 처리와 분석 모형을 문맥에 맞게 더해야 합니다. 신뢰구간은 숫자 두 개가 아니라 질문·표본·모형·계산이 함께 만든 결과입니다.

단원을 마치며 확인할 여섯 문장

• x̄는 μ의 점추정이며 μ 자체를 직접 관측한 값이 아니다.
• s는 개별 관측값의 퍼짐, SE는 표본평균의 표집변동을 나타낸다.
• 평균 신뢰구간은 x̄ ± t* × SE의 구조를 갖는다.
• 큰 독립 n은 같은 퍼짐에서 구간을 좁히는 경향이 있다.
• 높은 신뢰수준은 더 넓은 구간을 요구한다.
• 95%는 고정된 구간 하나의 확률이 아니라 반복 절차의 장기 포함률이다.

다음 단원에서는 평균에 대한 신뢰구간과 새 관측값의 범위를 구분합니다. 신뢰구간, 예측구간과 허용구간이 서로 어떤 질문에 답하며 왜 폭이 달라지는지 이어서 살펴보겠습니다.

공식 보충 자료

• NIST/SEMATECH · Confidence intervals
• NIST/SEMATECH · Confidence limits for the mean
• JMP Statistics Knowledge Portal · Confidence Intervals
• JMP Help · Confidence Interval for One Sample Mean
• JMP Help · Distributions of Continuous Variables

이 글의 숫자, 그림과 In-Silico Lab은 통계 개념을 설명하기 위한 합성 자료입니다. 실제 연구·임상·품질·규제 판단의 근거로 사용할 수 없습니다.