p-Value 계산기

단측 및 양측 가설 검정을 위해 z-점수, t-통계량, 카이제곱 및 F-통계량을 포함한 검정 통계량에서 p-값을 계산합니다.

p-Value 계산기

p-Value 계산기 정보

p-값 계산기는 표준 정규(z), 스튜던트 t, 카이제곱(χ²), F의 네 가지 주요 통계 분포에 대한 검정 통계량으로부터 p-값을 계산합니다. 단측(좌측 및 우측) 및 양측 가설 검정을 지원하며, 대화형 분포 곡선 시각화와 통계적 유의성에 대한 명확한 해석을 제공합니다.

p-값이란 무엇입니까?

p-값(유의 확률)은 귀무 가설(H₀)이 참이라고 가정할 때, 관찰된 것보다 적어도 더 극단적인 검정 통계량을 얻을 확률입니다. 이는 통계적 검정에서 귀무 가설에 반하는 증거의 강도를 측정합니다.

양측 z-검정의 경우:

$$p = 2 \times P(Z > |z|) = 2 \times [1 - \Phi(|z|)]$$

작은 p-값 (p < 0.05): H₀에 반하는 강력한 증거 — 귀무 가설을 기각함
큰 p-값 (p ≥ 0.05): H₀에 반하는 약한 증거 — 귀무 가설을 기각하지 못함

p-값은 H₀가 참일 확률을 측정하는 것이 아니며, 효과의 크기나 중요성을 측정하는 것도 아닙니다. 오직 데이터가 H₀와 얼마나 호환되는지 알려줄 뿐입니다.

이 계산기 사용 방법

검정 유형 선택: 통계 검정에 맞는 분포를 선택하십시오 — z-검정(표준 정규), t-검정(스튜던트 t), 카이제곱 검정 또는 F-검정.
검정 통계량 입력: 계산된 검정 통계량 값을 입력하십시오. 카이제곱 및 F 통계량은 반드시 음수가 아니어야 합니다.
자유도 입력: t-검정 및 카이제곱 검정의 경우 df를 입력하십시오. F-검정의 경우 분자(df₁)와 분모(df₂) 자유도를 모두 입력하십시오.
꼬리 유형 선택: 비방향성 가설의 경우 양측을, 방향성 가설의 경우 좌측/우측을 선택하십시오.
결과 검토: p-값, 대화형 분포 차트, 여러 알파 레벨에서의 유의성 평가 및 쉬운 해석을 확인하십시오.

지원되는 통계 검정

z-검정 (표준 정규 분포)

모표준편차를 알거나 표본 크기가 큰 경우(n > 30)에 사용합니다. z-통계량은 H₀ 하에서 표준 정규 분포 $N(0, 1)$을 따릅니다.

$$z = \frac{\bar{x} - \mu_0}{\sigma / \sqrt{n}}$$

t-검정 (스튜던트 t 분포)

모표준편차를 모르고 표본 크기가 작은 경우에 사용합니다. t-분포는 정규 분포보다 꼬리가 더 두꺼워 추가적인 불확실성을 반영합니다. df가 증가함에 따라 t-분포는 표준 정규 분포에 가까워집니다.

$$t = \frac{\bar{x} - \mu_0}{s / \sqrt{n}}, \quad \text{df} = n - 1$$

카이제곱 검정 (χ² 분포)

범주형 데이터의 적합도 검정 및 독립성 검정에 사용됩니다. 카이제곱 분포는 오른쪽으로 치우쳐 있으며 음수가 아닌 값에 대해서만 정의됩니다.

$$\chi^2 = \sum \frac{(O_i - E_i)^2}{E_i}$$

F-검정 (F 분포)

ANOVA(분산 분석) 및 분산 비교에 사용됩니다. F-분포는 두 개의 자유도 매개변수(분자 및 분모)가 필요하며 음수가 아닌 값에 대해서만 정의됩니다.

$$F = \frac{s_1^2}{s_2^2}, \quad \text{df}_1 = n_1 - 1, \quad \text{df}_2 = n_2 - 1$$

단측 검정 vs 양측 검정

특징	양측 검정	단측 검정
가설	H₁: μ ≠ μ₀	H₁: μ > μ₀ 또는 H₁: μ < μ₀
기각역	양쪽 꼬리 모두	한쪽 꼬리만
p-값	2 × 단측 p	양측 p의 절반
검정력	낮음 (동일한 α 기준)	예측된 방향에서 더 높음
사용 시기	사전 방향성 기대가 없을 때	강력한 방향성 가설이 있을 때

일반적인 유의 수준

알파 (α)	신뢰 수준	일반적인 용도
0.10	90%	탐색적 연구
0.05	95%	대부분의 과학 연구 (표준 임계값)
0.01	99%	더 엄격한 연구, 의학 연구
0.001	99.9%	입자 물리학, 유전학

p-값에 대한 흔한 오해

오해: "p = 0.03은 H₀가 참일 확률이 3%라는 뜻이다." 실제: p-값은 H₀가 참일 확률이 아니라, H₀가 참일 때 해당 데이터가 나타날 확률입니다.
오해: "p-값이 작을수록 효과가 크다." 실제: p-값은 효과 크기와 표본 크기 모두에 의존합니다. 아주 작은 효과라도 표본이 충분히 크면 매우 작은 p-값을 가질 수 있습니다.
오해: "p > 0.05는 효과가 없음을 의미한다." 실제: H₀를 기각하지 못하는 것이 H₀가 참임을 증명하는 것은 아닙니다. 선택한 수준에서 기각할 증거가 부족함을 의미할 뿐입니다.
오해: "서로 다른 연구 간의 p-값을 직접 비교할 수 있다." 실제: 설계, 표본 크기, 모집단이 다른 연구의 p-값은 직접 비교할 수 없습니다.

자주 묻는 질문

p-값이란 무엇입니까?

p-값은 귀무 가설이 참이라고 가정할 때, 관찰된 것보다 적어도 더 극단적인 검정 통계량을 얻을 확률입니다. 이는 귀무 가설에 반하는 증거의 강도를 수치화합니다. p-값이 작을수록 H₀에 반하는 증거가 더 강력함을 의미합니다.

단측 검정과 양측 검정의 차이점은 무엇입니까?

양측 검정은 양방향(예상보다 크거나 작은 경우)의 효과를 모두 확인하는 반면, 단측 검정은 한 방향만 확인합니다. 양측 검정이 더 보수적입니다. 데이터를 수집하기 전에 강력한 방향성 가설이 있는 경우에만 단측 검정을 사용하십시오.

z-검정과 t-검정 중 언제 무엇을 사용해야 합니까?

모표준편차를 알거나 표본 크기가 큰 경우(n > 30)에는 표집 분포가 정규 분포에 근사하므로 z-검정을 사용합니다. 모표준편차를 모르고 표본 크기가 작은 경우에는 t-분포가 추가적인 불확실성을 반영하므로 t-검정을 사용합니다.

p-값이 0.05보다 작다는 것은 무엇을 의미합니까?

p-값이 0.05보다 작다는 것은 귀무 가설이 참일 때 해당 데이터(또는 더 극단적인 데이터)가 관찰될 확률이 5% 미만임을 의미합니다. 관례적으로 이는 통계적으로 유의미한 것으로 간주되어 귀무 가설을 기각하게 합니다. 그러나 통계적 유의성이 반드시 실질적 유의성을 의미하는 것은 아닙니다.

카이제곱 검정은 어디에 사용됩니까?

카이제곱 검정은 범주형 변수 간의 관계를 테스트(독립성 검정)하거나 관찰된 빈도가 기대 빈도와 일치하는지 테스트(적합도 검정)하는 데 사용됩니다. 자유도에 따라 달라지는 오른쪽으로 치우친 분포를 사용합니다.

이 콘텐츠, 페이지 또는 도구를 다음과 같이 인용하세요:

"p-Value 계산기" - https://MiniWebtool.com/ko/p-값-계산기/에서 MiniWebtool 인용, https://MiniWebtool.com/

by miniwebtool 팀. 업데이트: 2026년 3월 20일

개발자 API 사용 가능: 이 도구를 앱, 자동화, 에이전트에서 한 번의 JSON HTTP 요청으로 실행할 수 있습니다. API 문서 보기

또한 저희의 AI 수학 해결사 GPT를 사용하여 자연어 질문과 답변으로 수학 문제를 해결할 수 있습니다.

p-Value 계산기

p-Value 계산기 정보

p-값이란 무엇입니까?

이 계산기 사용 방법

지원되는 통계 검정

z-검정 (표준 정규 분포)

t-검정 (스튜던트 t 분포)

카이제곱 검정 (χ² 분포)

F-검정 (F 분포)

단측 검정 vs 양측 검정

일반적인 유의 수준

p-값에 대한 흔한 오해

자주 묻는 질문

p-값이란 무엇입니까?

단측 검정과 양측 검정의 차이점은 무엇입니까?

z-검정과 t-검정 중 언제 무엇을 사용해야 합니까?

p-값이 0.05보다 작다는 것은 무엇을 의미합니까?

카이제곱 검정은 어디에 사용됩니까?

데이터 분석 및 통계 도구:

주요 도구: