t-분포는 정규분포와 비슷한 종 모양이지만 꼬리가 더 두꺼운 분포입니다. 모집단의 표준편차(σ)를 모르는 채 작은 표본으로 평균을 추정할 때, 그 불확실성을 반영하기 위해 정규분포 대신 사용합니다.
t-분포를 "불확실성을 더 얹은 정규분포"라고 생각해보세요. 표본이 크면 표준편차를 정확히 알 수 있어 정규분포를 써도 됩니다. 하지만 표본이 작으면 표준편차 자체도 어림잡은 값이라 "실제로는 더 극단적인 값도 꽤 나올 수 있다"는 여지를 남겨야 합니다. 그래서 t-분포는 정규분포보다 꼬리가 두껍고, 표본이 커질수록(자유도가 커질수록) 점점 정규분포에 가까워집니다.
t-분포 — 자유도가 작으면 꼬리가 두껍다 표준정규보다 꼬리가 두꺼워 소표본의 불확실성을 반영 · 자유도 → ∞이면 정규분포로 수렴 -4 -3 -2 -1 0 1 2 3 4 t 값 (표준편차 단위) 자유도 1 (두꺼운 꼬리) 자유도 3 표준정규 (자유도 → ∞) 모표준편차 σ를 모르고 표본으로 추정할 때 쓴다 — 표본이 작을수록 꼬리가 두꺼워 더 넓은 신뢰구간 • 모표준편차를 모를 때 소표본 평균 추론에 사용
표본 10개로 평균을 추정한다면 자유도는 10−1 = 9입니다.
• 정규분포: 95% 구간에 ±1.96 표준오차
• t-분포(자유도 9): 95% 구간에 ±2.26 표준오차
표본이 작아 t-분포가 더 넓은(안전한) 구간을 줍니다. 표본이 커지면 이 값이 1.96에 가까워집니다.
Q1: t-분포는 언제 정규분포 대신 쓰나요? 정답:
모집단 표준편차 σ를 모르고 표본표준편차 s로 대신 추정하며, 특히 표본이 작을 때(대개 n<30) 사용합니다. σ의 추정 불확실성을 두꺼운 꼬리로 반영합니다.
Q2: 자유도가 커지면 t-분포는 어떻게 되나요? 정답:
자유도가 커질수록 꼬리가 얇아지며 표준정규분포에 수렴합니다. 표본이 커지면 표준편차 추정이 정확해져 정규분포와 거의 같아지기 때문입니다.
모집단이 정규분포이고 표준편차 σ를 모를 때, 표본평균을 표준화한 값
Loading...
은 자유도 Loading... 인 t-분포를 따릅니다. 정규분포의 z-통계량과 형태는 같지만, 분모에 참값 σ 대신 표본표준편차 s를 쓴다는 점이 핵심 차이입니다. s 자체가 표본마다 흔들리는 추정값이라, 이 변동이 분포의 꼬리를 두껍게 만듭니다.
자유도(degrees of freedom): 표본표준편차를 계산할 때 표본평균을 이미 사용해 자유롭게 변할 수 있는 값이 하나 줄어들기 때문에 Loading... 이 됩니다.
정규분포와의 관계: 자유도가 커지면 s가 σ에 가까워져 t-분포는 표준정규분포 N(0,1)로 수렴합니다. 자유도 30 정도면 실용적으로 거의 구분되지 않습니다.
활용: 소표본에서 모평균의 신뢰구간은 Loading... 로, 정규분포의 z 대신 t 임계값을 씁니다.
x̄는 표본평균, μ는 모평균, s는 표본표준편차, n은 표본크기, ν(뉴)는 자유도입니다. z-통계량과 달리 분모에 σ가 아니라 s가 들어갑니다.
예시 1: 소표본 신뢰구간
표본 16개, 평균 50, 표본표준편차 8인 경우 95% 신뢰구간
자유도 15, t(0.025, 15) = 2.131
표준오차 = 8/√16 = 2
구간 = 50 ± 2.131 × 2 = 50 ± 4.26 → (45.74, 54.26)
95% 신뢰구간은 약 (45.7, 54.3)입니다.
같은 데이터에 z(1.96)를 쓰면 구간이 좁아져 신뢰수준을 과신하게 됩니다 — 소표본에서는 t가 정확합니다.
예시 2: 자유도에 따른 임계값 변화
95% 양측 t 임계값이 자유도에 따라 어떻게 변하는가
자유도 5: 2.571
자유도 10: 2.228
자유도 30: 2.042
자유도 ∞(정규): 1.960
자유도가 커질수록 임계값이 1.96(정규)로 줄어듭니다.
표본이 작을수록 임계값이 커져 더 넓고 보수적인 구간을 줍니다.
흔한 실수들 소표본인데 σ를 모르면서 z-분포(정규)를 사용
σ를 s로 추정하는 불확실성을 무시해 신뢰구간이 너무 좁아집니다
σ를 모르고 표본이 작으면 t-분포와 t 임계값을 사용하세요
자유도를 n으로 잘못 사용
표본표준편차 계산에 평균을 써서 자유도가 하나 줄어 n−1입니다
단일 표본 평균 추론에서는 자유도 = n − 1을 사용하세요
문제 1: 표본 25개로 모평균을 추정할 때 t-분포의 자유도는?
표본표준편차 계산에서 자유도가 하나 줄어듭니다.
24
단일 표본 평균 추론에서 자유도 = n − 1 = 25 − 1 = 24입니다.
문제 2: 표본크기가 매우 커지면 t-분포의 95% 임계값은 어떤 값에 가까워지나요?
자유도가 무한대로 갈 때의 극한을 생각하세요.
약 1.96 (표준정규의 값)
자유도가 커지면 t-분포가 표준정규분포로 수렴하므로 95% 양측 임계값이 z 값 1.96에 가까워집니다.
t-분포는 표준정규 Z와 독립인 카이제곱 변수의 비로 정의됩니다: Loading... . 표본평균의 표준화에서 분모의 s²이 카이제곱분포를 따르기 때문에 이 구조가 나옵니다. 자유도 ν가 커지면 카이제곱/ν가 1로 집중되어 T가 Z로 수렴합니다.
t-분포의 꼬리는 자유도 1이면 코시분포(평균·분산이 정의되지 않음)만큼 두껍고, 자유도가 2 이하이면 분산이 무한대이거나 정의되지 않습니다. 이 두꺼운 꼬리가 소표본에서 극단값의 위험을 정직하게 반영합니다.
t-검정(단일표본·대응표본·독립 이표본)은 모두 이 분포를 기준분포로 삼으며, 정규성 가정이 어긋나도 표본이 크면 중심극한정리로 비교적 강건합니다. 다만 심한 비대칭·이상값이 있으면 비모수 검정이나 부트스트랩을 고려합니다.
한 바이오 스타트업이 신약의 혈압 강하 효과를 소규모 예비 임상으로 검증하려 합니다. 참가자를 많이 모으기 어려워 표본이 작습니다.
표본이 작고 모집단 표준편차를 모르는 상황에서, 신약 투여 후 혈압 변화의 평균이 0과 유의하게 다른지 판정해야 합니다.
참가자 12명의 투여 전후 수축기 혈압 차이(전−후)를 측정했습니다. 표본평균 감소량은 8.5 mmHg, 표본표준편차는 10.2 mmHg이며, 모표준편차는 알 수 없습니다. 자유도는 12−1 = 11입니다.
대응표본 t-검정을 사용했습니다. 귀무가설은 "평균 변화 = 0"이고, t = (x̄−0)/(s/√n)을 자유도 11인 t-분포와 비교했습니다. 유의수준 0.05 양측 기준(t 임계값 2.201)으로 판정하고 95% 신뢰구간도 함께 구했습니다.
t = 8.5 / (10.2/√12) = 8.5 / 2.945 ≈ 2.89.
자유도 11에서 |t|=2.89 > 2.201이므로 p < 0.05로 유의.
95% 신뢰구간 = 8.5 ± 2.201 × 2.945 = 8.5 ± 6.48 → (2.0, 15.0) mmHg.
평균 혈압 감소 8.5 mmHg는 통계적으로 유의했고(p < 0.05), 신뢰구간이 0을 포함하지 않아 효과의 방향이 일관되게 확인됐습니다.
소표본에서 σ를 모를 때는 t-분포가 정직한 추론을 줍니다. 다만 표본이 작아 신뢰구간이 넓으므로(2~15 mmHg), 효과 크기를 확정하려면 더 큰 본 임상이 필요합니다.
Student (W. S. Gosset) (1908), "The probable error of a mean", Biometrika 6(1), 1–25 — t-분포를 도입한 원 논문 
