통계학에서 t값(t-value)은 표본 평균과 모집단 평균 사이의 차이가 단순한 우연인지, 아니면 통계적으로 유의미한 차이인지 판단하는 핵심 지표입니다. t검정(t-test)이나 회귀분석에서 널리 활용되며, 이 글에서는 t값을 구하는 공식부터 t분포, 자유도(df), 신뢰구간의 임계값, Z점수와 t점수의 변환 방법까지 차례대로 정리해 드립니다.
t값(T-value)을 구하는 방법
t값은 표본 평균과 모집단 평균의 차이를, 표준편차를 자유도(표본 크기)의 제곱근으로 나눈 값, 즉 표준오차로 나누어 계산합니다.
t = (표본평균 − 모집단평균) ÷ (표준편차 ÷ √n)
통계학에서 t 통계량(t-statistic) 구하기
t 통계량은 표본 평균(x̄)에서 모집단 평균(μ)을 뺀 값을, 표본 표준편차(s)를 표본 크기(n)의 제곱근으로 나눈 값으로 나누면 됩니다. 표본이 클수록 표준오차가 작아지고, 따라서 동일한 평균 차이라도 더 큰 t값이 나옵니다.
t*(티스타, 임계값) 찾는 방법
t분포표에서 임계값(critical value)을 찾으려면 먼저 설정한 신뢰수준(예: 95%, 99%)에 해당하는 열을 표의 하단 행에서 확인합니다. 그다음 해당 열과 자유도(degree of freedom) 행이 만나는 지점의 숫자가 바로 신뢰구간을 정의하는 t값, 즉 t*입니다.
t 점수의 분포 구하기
Z점수를 t점수로 변환할 때는 T = (Z × 10) + 50 공식을 사용합니다. 예를 들어 어떤 채용 필기시험의 표준편차가 209, 평균 점수가 1026이고, 특정 응시자가 1100점을 받았다고 가정해 보겠습니다. 이때 Z점수는 (1100 − 1026) ÷ 209 ≈ 0.35이며, 이를 t점수로 변환하면 약 53.5점이 됩니다.
95% 신뢰구간에서의 t값
자유도(df)가 9일 때, 95% 신뢰수준에 해당하는 t값은 약 2.262입니다. 대략적인 계산에서는 2로 간주하기도 하지만, 정확한 통계 처리를 위해서는 t분포표에서 자유도 9행과 95% 열이 만나는 값을 직접 확인하는 것이 좋습니다.
통계 공식에서 DF(자유도)란?
자유도(degrees of freedom, df)는 아주 간단한 공식으로 구합니다. 자유도 = 데이터 세트 내 값의 개수 − 1. 즉, N개의 값으로 이루어진 표본의 자유도는 N − 1이 됩니다. 자유도는 표본 안에서 자유롭게 변동할 수 있는 정보의 수를 의미합니다.
t분포 구하는 방법
t분포는 df = n − 1 공식으로 자유도를 구해 결정합니다. 예를 들어 표본 크기가 n = 20이라면 자유도는 df = 20 − 1 = 19가 되며, 이 분포를 t(19)로 표기합니다. 자유도가 커질수록 t분포는 표준정규분포에 가까워집니다.
Z점수(표준점수)의 분포 구하기
Z점수는 z = (x − μ) ÷ σ 공식으로 구합니다. 여기서 x는 원점수(raw score), μ는 모집단 평균, σ는 모집단 표준편차입니다. 즉, Z점수는 원점수에서 모집단 평균을 뺀 뒤 표준편차 단위로 환산한 값으로, 해당 점수가 평균으로부터 몇 표준편차만큼 떨어져 있는지를 보여줍니다.
점수 분포의 의미
평균(mean)은 전체 점수의 합을 인원수로 나눈 값입니다. 한편 중앙값(median)은 획득한 원점수들 가운데 50%가 더 높고 50%가 더 낮은 지점에 위치하는 점수를 말하며, 분포의 중심 경향을 파악하는 대표적인 척도입니다.
t 점수 계산 공식
t점수는 본질적으로 Z점수를 변환한 값으로, 섭씨 온도를 화씨 온도로 바꾸는 것과 같은 단위 환산에 해당합니다. 변환 공식은 T = (Z × 10) + 50입니다. 앞선 예시처럼 표준편차 209, 평균 1026인 시험에서도 이 공식을 적용해 t점수를 손쉽게 구할 수 있습니다.
t 점수의 분포란?
t점수는 t분포의 평균으로부터 표준편차 단위로 얼마나 떨어져 있는지를 나타내는 값입니다. t검정이나 회귀분석에서 계산되며, 데이터가 정규분포를 따른다는 가정 하에 평균으로부터의 거리를 측정하는 데 사용됩니다. t점수가 클수록 해당 결과가 우연이 아닐 가능성, 즉 통계적 유의성이 높아집니다.