가설검정 (Hypothesis Testing)
쉽게 풀면
새로 도입한 기계가 기존 기계보다 불량률이 낮은지 확인하고 싶다고 해봅시다. 모든 제품을 다 조사할 수 없으니 일부 표본만 조사해서 판단해야 합니다. 가설검정은 "차이가 없다"는 가정(귀무가설)에서 출발해, 실제로 관측된 데이터가 이 가정과 얼마나 어긋나는지를 계산하고, 어긋나는 정도가 우연으로 보기 힘들 만큼 크면 그 가정을 기각하는 방식으로 결론을 내리는 절차입니다.
왜 중요한가
산업공학 연구와 현장 개선 활동은 대부분 새로운 방법이나 조건이 기존보다 실제로 더 나은지를 표본 데이터로 판단해야 합니다. 가설검정은 이런 판단을 감(느낌)이 아니라 통계적 근거에 기반해 내릴 수 있게 해주는 핵심 도구입니다.
논문에서는 이렇게 쓰입니다
공정 개선 전과 후의 불량률 평균 차이가 우연이 아니라 실제 효과인지 가설검정으로 판단했다는 뜻입니다.
서로 다른 공급업체에서 온 부품의 수명이 통계적으로 다른지 확인하는 절차를 거쳤다는 의미입니다.
조금 더 깊게 보면
가설검정에서는 기존 상태를 나타내는 귀무가설과 이를 반박하는 대립가설을 세우고, 유의수준을 미리 정한 뒤 검정통계량을 계산합니다. 이 통계량으로부터 얻은 p값이 유의수준보다 작으면 귀무가설을 기각합니다. 실제로는 차이가 없는데 있다고 잘못 판단하는 오류(제1종 오류)와 실제로 차이가 있는데 없다고 판단하는 오류(제2종 오류)를 함께 고려하여 검정을 설계합니다. 가설검정은 표본 데이터가 귀무가설이 참이라는 가정 아래서 나타날 확률이 충분히 낮을 경우, 귀무가설을 기각하고 대립가설을 채택하는 통계적 의사결정 절차입니다. 실제로는 귀무가설이 참인데 이를 기각하는 제1종 오류와, 거짓인데도 기각하지 못하는 제2종 오류를 구분하는데, 표본크기가 고정된 상태에서는 유의수준을 낮출수록 제2종 오류가 커지는 상충관계가 있어, 두 오류를 함께 줄이려면 표본크기를 늘려 검정력을 확보해야 합니다.
주의할 점
귀무가설을 기각하지 못했다고 해서 두 조건이 같다고 단정할 수는 없으며, 통계적으로 유의하다는 것이 실제로 의미 있는 차이 크기를 보장하지도 않습니다. 표본 크기가 크면 작은 차이도 유의하게 나타날 수 있으므로 결과 해석에 신중해야 합니다.