신뢰구간: 실제로 뭘 말하는지

"95% 신뢰구간의 95%는 이 특정 구간에 붙은 확률이 아니라, 같은 절차를 반복했을 때의 장기 포착률이야."

가장 단순한 예

독립·동일분포 표본에서 모집단 표준편차 σ를 알고 있고 정규근사가 적절하다면, 평균의 95% 신뢰구간을 이렇게 만들 수 있어.

CI(95%) = 표본평균 ± 1.96 × σ/√N

1.96은 표준정규분포 중앙의 약 95%를 덮는 임계값이야. 현실에서는 σ를 모르는 경우가 많아서 표본표준편차와 t분포를 쓰거나, 표본설계와 모형에 맞는 다른 구간을 사용해.

자주 하는 오독

빈도주의 95% 신뢰구간 [42, 58]을 계산한 뒤 "참 평균이 이 안에 있을 확률이 95%"라고 말하면 엄밀한 빈도주의 해석은 아니야. 모수는 고정되어 있고, 무작위인 것은 표본과 그 표본에서 만들어지는 구간이기 때문이야.

정확한 해석은 이래. 같은 표본추출과 계산 절차를 반복하면, 그렇게 만들어진 구간의 약 95%가 참 모수를 포함해. 한 번 얻은 구간은 모형과 절차 아래에서 데이터와 양립하는 값의 범위를 보여주는 실용적 요약으로 읽을 수 있지만, 경계가 절대적인 확률 장벽은 아니야.

폭을 결정하는 것

표본 크기: 단순한 독립표본에서는 N을 네 배로 늘리면 표준오차가 절반이 돼.
변동성과 설계: 관측값이 많이 흩어질수록 구간은 넓어져. 짝지은 설계, 층화, 더 정밀한 측정처럼 설계를 바꾸면 같은 N에서도 표준오차를 줄일 수 있어.
신뢰수준: 다른 조건이 같다면 99% 구간은 95% 구간보다 넓어. 포착률을 높이는 대신 더 넓은 범위를 받아들이는 거야.

보장은 절차와 조건에 달려 있어

모든 신뢰구간이 하나의 정규성 가정이나 CLT에만 기대는 것은 아니야. 정확구간, t구간, 부트스트랩, 강건한 표준오차, 설문설계 기반 구간처럼 여러 방법이 있어. 중요한 것은 자료의 의존성·표본설계·꼬리·모형에 맞는 절차를 골랐는지, 그리고 그 절차의 커버리지가 조건 아래에서 보장되는지야.

베이즈 각주

베이즈 신용구간은 사전분포와 가능도 모형, 관측자료를 조건으로 모수에 대한 사후확률을 말해. 빈도주의 신뢰구간과 숫자가 비슷할 때도 있지만 질문과 해석은 달라. 어느 쪽이든 사용한 모형과 가정에서 자유롭지는 않아.

Code

'95% 신뢰' 가 실제로 의미하는 것, 검증·python

import numpy as np
rng = np.random.default_rng(110)

# 95% CI 의 '장기 적중률' 해석 시연.
# 평균 50, std 15 인 정규에서 N=100 의 10,000 샘플 잡기.
# 각 샘플에 대해 평균의 95% CI 계산. 그러고 나서 물어: 얼마의 CI 가 실제로 참 평균 50 을 커버하는가?

true_mean = 50
N = 100
sigma = 15
M = 10_000

coverage = 0
for _ in range(M):
    sample = rng.normal(loc=true_mean, scale=sigma, size=N)
    sample_mean = sample.mean()
    se = sigma / np.sqrt(N)              # 명확성 위해 알려진 sigma 사용
    low, high = sample_mean - 1.96 * se, sample_mean + 1.96 * se
    if low <= true_mean <= high:
        coverage += 1

print(f"{M:,} 시뮬레이션 연구에 걸친 95% CI 커버리지 비율: {coverage / M * 100:.2f}%")
# 95% 에 가까워야 함. 그 숫자가 '95% 신뢰' 가 의미하는 것.
# 많은 반복에 걸친 절차의 속성, 어떤 단일 구간에 대한 확률 진술이 아님.

Exercise

신뢰구간을 보고한 최근 설문이나 연구 하나를 찾아봐. 모집단, 표본추출 방식, 추정량, 구간 계산법을 적고, 같은 절차를 반복했을 때의 커버리지 언어로 다시 써. 의존성·무응답·모형 오지정이 구간에 어떤 영향을 줄지도 표시해.

Hint

"상관되면 항상 실패"라고 단정하지 마. 의존성을 반영한 설계 기반 또는 강건한 계산을 했는지 확인해.

가장 단순한 예

자주 하는 오독

폭을 결정하는 것

보장은 절차와 조건에 달려 있어

베이즈 각주

Code

External links

Exercise

Progress

댓글 0