--- title: "너무 많거나 혹은 부족하거나: 표본 크기와 통계 분석 Too Much or Not Enough: Sample Sizes and Statistical Analysis" description: 전체 모집단을 측정하지 않고 일부 데이터를 수집하면 통계분석을 통해 표본 추출된 데이터로 비용과 시간을 절약할 수 있습니다. image: https://blog.minitab.com/hubfs/B2BML%20-%20NEW%20FILE%20MANAGER%20STRUCTURE/Blog%20Images/Imported_Blog_Media/too-much-not-enough-interval-plot-Jul-05-2025-10-43-07-6290-PM.png --- 한국어 - [English](https://blog.minitab.com/en/?hsLang=ko) - [Français](https://blog.minitab.com/fr/?hsLang=ko) - [Deutsch](https://blog.minitab.com/de/?hsLang=ko) - [Português](https://blog.minitab.com/pt/?hsLang=ko) - [Español](https://blog.minitab.com/es/?hsLang=ko) - [日本語](https://blog.minitab.com/ja/?hsLang=ko) - [한국어](https://blog.minitab.com/ko/?hsLang=ko) - [中文（简体）](https://blog.minitab.com/zh/?hsLang=ko) - [한국어](https://blog.minitab.com/ko/blog/too-much-or-not-enough-sample-sizes-and-statistical-analysis) - [Chinese](https://blog.minitab.com/zh/blog/too-much-or-not-enough-sample-sizes-and-statistical-analysis) - [Deutsch](https://blog.minitab.com/de/blog/zu-viel-oder-nicht-genug-stichprobenumfänge-und-die-statistische-analyse) - [English](https://blog.minitab.com/en/blog/too-much-or-not-enough-sample-sizes-and-statistical-analysis) - [日本語](https://blog.minitab.com/ja/blog/too-much-or-not-enough-sample-sizes-and-statistical-analysis) - [![Icon Partners](https://blog.minitab.com/hubfs/WCM/Partners.png) 파트너](https://www.minitab.com/ko-kr/company/partners) - [![Icon Contact](https://blog.minitab.com/hubfs/WCM/Contact.png) 연락처](https://www.minitab.com/ko-kr/company/contact-us) - [![Icon Talk to Minitab](https://blog.minitab.com/hubfs/WCM/Phone.png) Minitab과 상담하기](https://www.minitab.com/ko-kr/talk-to-minitab) - [![Icon My Account](https://blog.minitab.com/hubfs/WCM/MyAcct.png) 내 계정](https://licensing.minitab.com/account/manage) [![Minitab](https://blog.minitab.com/hubfs/WCM/minitab-corp-logo.svg)](https://www.minitab.com/ko-kr/) - 제품 뒤로 [제품](https://www.minitab.com/ko-kr/products/) [모든 제품](https://www.minitab.com/ko-kr/products/) - [Minitab Solution Center](https://www.minitab.com/ko-kr/products/minitab-solution-center/) - [Minitab Statistical Software](https://www.minitab.com/ko-kr/products/minitab/) - [Minitab Connect](https://www.minitab.com/ko-kr/products/connect/) - [Minitab Model Ops](https://www.minitab.com/ko-kr/products/model-ops/) - [Minitab Education Hub](https://www.minitab.com/ko-kr/products/education-hub/) - [Minitab Engage](https://www.minitab.com/ko-kr/products/engage/) - [Minitab Workspace](https://www.minitab.com/ko-kr/products/workspace/) - [Real-Time SPC](https://www.minitab.com/ko-kr/products/real-time-spc/) - [Prolink 데이터 수집 및 SPC](https://info.minitab.com/ko/shop-floor-connectivity-with-prolink?hsLang=ko) - [Simul8 이산 이벤트 시뮬레이션](https://info.minitab.com/ko/new-to-simul8?hsLang=ko) - [SPM](https://www.minitab.com/ko-kr/products/spm/) - 솔루션 뒤로 [솔루션](https://www.minitab.com/ko-kr/solutions/) [모든 솔루션](https://www.minitab.com/ko-kr/solutions/) - [분석](https://www.minitab.com/ko-kr/solutions/analytics/) - [통계 및 예측 분석](https://www.minitab.com/ko-kr/solutions/analytics/statistical-analysis-predictive-analytics/) - [데이터 과학 및 머신러닝](https://www.minitab.com/ko-kr/solutions/analytics/data-science-machine-learning/) - [비즈니스 분석 및 인텔리전스](https://www.minitab.com/ko-kr/solutions/analytics/business-analytics-intelligence/) - [통계적 공정 관리](https://www.minitab.com/ko-kr/solutions/analytics/statistical-process-control/) - [작업 및 품질 분석](https://www.minitab.com/ko-kr/solutions/analytics/quality-analytics/) - [Live Analytics](https://www.minitab.com/ko-kr/solutions/analytics/live-analytics/) - [신뢰성 및 수명 데이터 분석](https://www.minitab.com/ko-kr/solutions/analytics/reliability/) - [이산 이벤트 시뮬레이션](https://info.minitab.com/ko/new-to-simul8?hsLang=ko) - [프로세스 마이닝](https://info.minitab.com/ko/new-to-simul8?hsLang=ko) - [주요 기능](https://www.minitab.com/ko-kr/solutions/key-capabilities/) - [지속적 개선](https://www.minitab.com/ko-kr/solutions/key-capabilities/continuous-improvement/) - [데이터 통합 및 데이터 준비](https://www.minitab.com/ko-kr/solutions/key-capabilities/data-integration-data-prep/) - [다이어그램 작성 및 마인드매핑](https://www.minitab.com/ko-kr/solutions/key-capabilities/diagramming-mind-mapping/) - [디지털 트윈](https://info.minitab.com/ko/new-to-simul8?hsLang=ko) - [모델 배포 및 ML Ops](https://www.minitab.com/ko-kr/solutions/key-capabilities/model-deployment-ml-ops/) - [혁신 및 프로젝트 관리](https://www.minitab.com/ko-kr/solutions/key-capabilities/innovation-project-management/) - [탁월한 공정 과정 감지, 수정 및 방지](https://www.minitab.com/ko-kr/solutions/key-capabilities/process-excellence/) - [자동 데이터 수집](https://info.minitab.com/ko/shop-floor-connectivity-with-prolink?hsLang=ko) - [산업 솔루션](https://www.minitab.com/ko-kr/solutions/industry/) - [교육](https://www.minitab.com/ko-kr/solutions/industry/academic/) - [에너지 및 천연 자원](https://www.minitab.com/ko-kr/solutions/industry/energy-resources/) - [정부 및 공공 부문](https://www.minitab.com/ko-kr/solutions/industry/government/) - [건강](https://www.minitab.com/ko-kr/solutions/industry/healthcare/) - [보험](https://www.minitab.com/ko-kr/solutions/industry/insurance/) - [제조 및 산업](https://www.minitab.com/ko-kr/solutions/industry/manufacturing-industrial/) - [서비스](https://www.minitab.com/ko-kr/solutions/industry/service-industries/) - [소프트웨어 및 기술](https://www.minitab.com/ko-kr/solutions/industry/software-technology/) - [건설](https://www.minitab.com/ko-kr/solutions/industry/construction/) - [부서/직무별](https://www.minitab.com/ko-kr/solutions/role/) - [엔지니어링](https://www.minitab.com/ko-kr/solutions/role/engineering/) - [고급 비즈니스 인텔리전스 솔루션](https://www.minitab.com/ko-kr/solutions/role/business-analysts/) - [정보 기술](https://www.minitab.com/ko-kr/solutions/role/information-technology/) - [공급망](https://www.minitab.com/ko-kr/solutions/role/supply-chain/) - [고객 서비스 솔루션](https://www.minitab.com/ko-kr/solutions/role/customer-service-contact-center/) - [인사](https://www.minitab.com/ko-kr/solutions/role/human-resources/) - [마케팅 데이터 분석](https://www.minitab.com/ko-kr/solutions/role/marketing/) - [연구 및 개발](https://www.minitab.com/ko-kr/solutions/role/research-and-development/) - 리소스 및 서비스 뒤로 [리소스 및 서비스](https://www.minitab.com/ko-kr/resources-services/) [모든 리소스 및 서비스](https://www.minitab.com/ko-kr/resources-services/) - [리소스](https://www.minitab.com/ko-kr/resources-services/resources/) - [사례 연구](https://www.minitab.com/ko-kr/resources-services/resources/case-studies/) - [블로그](https://www.minitab.com/ko-kr/resources-services/resources/blog/) - [데이터 집합](https://www.minitab.com/ko-kr/resources-services/resources/data-set/) - [웨비나 및 이벤트](https://www.minitab.com/ko-kr/resources-services/resources/events/) - [Education Hub](https://www.minitab.com/ko-kr/resources-services/resources/education-hub/) - [서비스](https://www.minitab.com/ko-kr/resources-services/services/) - [교육](https://www.minitab.com/ko-kr/resources-services/services/training/) - [배치](https://www.minitab.com/ko-kr/resources-services/services/deployment/) - [통계 컨설팅](https://www.minitab.com/ko-kr/resources-services/services/statistical-consulting/) - [자기 주도 학습](https://www.minitab.com/ko-kr/resources-services/services/self-paced-learning/) - [평생 교육](https://www.minitab.com/ko-kr/resources-services/services/continuing-education/) - 지원 뒤로 [지원](https://www.minitab.com/ko-kr/support/) [기술 지원](https://www.minitab.com/ko-kr/support/) - [구독 및 활성화](https://www.minitab.com/ko-kr/support/subscriptions-and-activation/) - [Minitab Quick Start](https://www.minitab.com/ko-kr/support/quick-start/) - [교육](https://www.minitab.com/ko-kr/resources-services/services/training/) - [설치지원](https://www.minitab.com/ko-kr/support/installation/) - [지원 동영상](https://www.minitab.com/ko-kr/support/videos/) - [소프트웨어 설명서](https://www.minitab.com/ko-kr/support/documents/) - [소프트웨어 업데이트](https://www.minitab.com/ko-kr/support/software-updates/) - [제품 다운로드](https://www.minitab.com/ko-kr/support/downloads/) - [지원 정책](https://www.minitab.com/ko-kr/support/policy/) - 회사 뒤로 [회사](https://www.minitab.com/ko-kr/company/) [회사](https://www.minitab.com/ko-kr/company/) - [회사 정보](https://www.minitab.com/ko-kr/company/our-company/) - [리더십 팀](https://www.minitab.com/ko-kr/company/leadership-team/) - [파트너](https://www.minitab.com/ko-kr/company/partners/) - [채용 정보](https://www.minitab.com/ko-kr/company/careers/) - [연락하다](https://www.minitab.com/ko-kr/company/contact-us/) - [뉴스](https://www.minitab.com/ko-kr/company/press-releases/) [사용해 보기/구매](https://www.minitab.com/ko-kr/try-buy/) - [블로그 구독하기](https://info.minitab.com/ko/blog/subscribe?hsLang=ko) ![Minitab](https://20853177.fs1.hubspotusercontent-na1.net/hubfs/20853177/minitab-corp-logo.svg?t=1755011311618) ## 통지 이제 minitab.com을 떠나게 됩니다. 계속하려면 계속을 클릭하세요 : 계속하다 돌아가기 # 너무 많거나 혹은 부족하거나: 표본 크기와 통계 분석 Too Much or Not Enough: Sample Sizes and Statistical Analysis [Dennis Corbin](https://blog.minitab.com/ko/blog/author/dennis-corbin) | 7/8/2021 주제: [Minitab Statistical Software](https://blog.minitab.com/ko/blog/tag/minitab-statistical-software), [Articles](https://blog.minitab.com/ko/blog/tag/articles) - [Share](https://www.linkedin.com/shareArticle?mini=true&url=https://blog.minitab.com/ko/blog/too-much-or-not-enough-sample-sizes-and-statistical-analysis) - [Share](https://www.facebook.com/sharer.php?u=https://blog.minitab.com/ko/blog/too-much-or-not-enough-sample-sizes-and-statistical-analysis) 통계를 분석하는 가장 실질적인 이유는 전체 모집단이 아닌 데이터 하위 세트만이 수집되기 때문입니다. 표본 데이터 수집의 유연성으로 인해 시간과 비용이 절약되니까요. 하지만 이러한 유연성에는 의사결정 과정의 오류가 발생합니다. - 제1종 오류 - 거짓양성(False Positive) - 생산자의 위험 - 제2종 오류 – 거짓음성(False Negative) - 소비자의 위험 이러한 오류는 분석가에게 다양한 의미로 다가올 수 있으며, 분석에서 사용된 표본 크기에 따라 과장될 수도 있습니다. 이 블로그 게시물에서는 이러한 오류를 살펴보고, 표본 크기가 의사결정에 어떤 영향을 줄 수 있는지 알아봅니다. 검정력 및 표본 크기 사람들은 어느 경우에든 적합한 표본 수를 궁금해 합니다. 많은 이들은 주변에서 접한 [중심 극한 정리](https://blog.minitab.com/ko/dice-dragons-closer-to-normal-distribution-explaining-central-limit-theorem?hsLang=ko)의 개념을 기반으로 30이라는 표본 수를 떠올리지만, 이 숫자가 항상 알맞은 것은 아닙니다. 통계에서는 [검정력](https://blog.minitab.com/en/starting-out-with-statistical-software/how-powerful-am-i-power-and-sample-size-in-minitab?hsLang=ko)의 개념을 통해 실질적인 차이를 감지할 수 있는 표본 수의 확률을 파악합니다. 이때 목표는 검정력을 높게 유지하는 것으로, 80~90%의 검정력 목표값이 적절합니다. 검정력은 테스트의 실제 양성 비율, 즉 화재를 감지할 수 있는 화재경보로 볼 수 있습니다. [Minitab Statistical Software](https://www.minitab.com/ko-kr/products/minitab/)에서 '통계분석' > '검정력 및 표본 크기' 메뉴로 이동하여 올바른 표본 크기를 설정하세요. 제2종 오류 및 충분하지 않은 데이터 [제2종 오류](https://support.minitab.com/ko-kr/minitab/19/help-and-how-to/statistics/basic-statistics/supporting-topics/basics/type-i-and-type-ii-error/)는 중요한 차이가 누락되는 오류입니다. 이는 거짓음성 비율 또는 소비자의 위험으로 간주되며, 화재를 감지하지 못하는 화재경보로 볼 수 있습니다. p값이 0.05보다 크면 거짓음성의 가능성을 고려해 보아야 합니다. 제2종 오류는 더 중요한 오류로 간주됩니다. R+D 부문에서 이 오류가 발생하면 공정을 최적화하거나 개선할 기회를 놓칠 수 있습니다. 제조 과정에서 이 오류가 발생하면 고객이 불량 부품을 받게 될 수 있습니다. 이 시뮬레이션에서는 목표에 대해 1시그마 단위만큼의 이동이 생성되었습니다. 아래는 1시그마만큼 이동된 공정 및 목표값의 분포입니다. ![too-much-not-enough-population-distribution](https://blog.minitab.com/hs-fs/hubfs/B2BML%20-%20NEW%20FILE%20MANAGER%20STRUCTURE/Blog%20Images/Imported_Blog_Media/too-much-not-enough-population-distribution-Jul-05-2025-10-43-08-6910-PM.png?width=505&name=too-much-not-enough-population-distribution-Jul-05-2025-10-43-08-6910-PM.png) 이 예에서는 1시그마 이동을 감지할 수 있는지 확인하기 위해 모집단에서 크기가 5인 표본 100개를 추출했습니다. 이 예시에서 표본 크기가 5인 1시그마 이동을 감지할 수 있는 검정력은 40%입니다. 즉, 표본 100개 중 약 40개 정도에서 차이를 감지할 수 있다는 의미입니다. 아래 시뮬레이션에서는 표본 중 44개는 목표를 포착하지 않았기 때문에 이동을 감지할 수 있었습니다. ![Interval Plots of Small Sample Sizes](https://blog.minitab.com/hs-fs/hubfs/B2BML%20-%20NEW%20FILE%20MANAGER%20STRUCTURE/Blog%20Images/Imported_Blog_Media/too-much-not-enough-interval-plot-Jul-05-2025-10-43-07-6290-PM.png?width=492&name=too-much-not-enough-interval-plot-Jul-05-2025-10-43-07-6290-PM.png) 하지만 표본 크기가 너무 작아 공정 변화를 감지하지 못할 확률이 무려 60%나 됩니다. 즉, 공정이 불량인지 파악할 수 있는 확률이 동전 던지기의 확률보다도 못하다는 뜻입니다. 이렇게 낮은 확률로는 공정을 개선해야 할 필요를 파악하지 못할 수 있습니다. 더구나 현실에서는 이 과정을 100번 수행할 리가 없겠죠. 표본 크기가 작은 경우, 거짓음성 비율이 증가하면 현재 상황에 안주하게 되어 공정 개선이 이루어지지 않을 수 있습니다. 작은 표본 크기에서 거짓음성 확률이 높아지는 문제를 해결하려면 관리도를 사용하여 이러한 공정을 지속적으로 모니터링하거나 표본 크기를 늘리는 것이 가장 좋습니다. ## 제1종 오류 및 너무 많은 데이터 제1종 오류는 무시할 수 있는 차이를 감지하는 오류입니다. 이 오류는 거짓양성 비율 또는 생산자의 위험으로 간주되며, 화재가 발생하지 않았는데도 울리는 화재경보로 볼 수 있습니다. p값이 0.05보다 작으면 거짓음성의 가능성을 고려해 보아야 합니다. 아래는 공정이 0.15시그마 단위만큼 이동한 예시입니다. 이는 작지만 무시할 수 있는 차이로 간주되며, 이 예시에서는 공정 개선을 실시할 필요가 없습니다. ![Population Distribution](https://blog.minitab.com/hs-fs/hubfs/B2BML%20-%20NEW%20FILE%20MANAGER%20STRUCTURE/Blog%20Images/Imported_Blog_Media/too-much-not-enough-population-distribution-2-Jul-05-2025-10-43-05-5104-PM.png?width=523&name=too-much-not-enough-population-distribution-2-Jul-05-2025-10-43-05-5104-PM.png) 이 0.15시그마만큼 이동한 공정에서 1,000개 단위 중 표본 100개를 무작위로 추출한 다음, 각각의 표본을 검정하여 목표치를 벗어났는지 확인했습니다. 이 예시에서, 0.15 시그마 단위의 작은 차이를 감지할 수 있는 검정력은 99.7%입니다. 아래는 표본 100개의 95% 신뢰 구간의 그래프입니다. 구간 100개 중 99개는 공정이 목표를 벗어났음을 나타내는 0을 캡처하지 않았습니다. ![Interval Plot of Large Sample Sizes](https://blog.minitab.com/hs-fs/hubfs/B2BML%20-%20NEW%20FILE%20MANAGER%20STRUCTURE/Blog%20Images/Imported_Blog_Media/too-much-not-enough-interval-plot-2-Jul-05-2025-10-43-06-5837-PM.png?width=517&name=too-much-not-enough-interval-plot-2-Jul-05-2025-10-43-06-5837-PM.png) 분석가가 p값만 살펴본다면 변경 사항이나 '개선' 을 시작하게 될 수도 있습니다. 하지만 분석가가 이동이 0.15시그마 단위에 불과하다는 사실을 알게 되면 이 결과가 사실상 거짓 경보나 마찬가지라는 사실을 깨닫게 될 것입니다. 하지만 공정을 목표에 다시 집중시키기 위해 자원을 투자하는 데 그렇게 작은 변화가 필요할까요? 이러한 질문에 대한 답변은 비용, 제품의 규격 한계 또는 반응 변수의 중요도에 따라 다릅니다. 많은 표본을 사용하여 강력한 분석을 수행하려는 사용자는 [CART 분류 트리](https://blog.minitab.com/en/branching-out-using-cart-for-survey-data?hsLang=ko)나 [CART 회귀 트리](https://blog.minitab.com/ko/predictive-analytics-and-determining-patient-length-of-stay-at-time-of-admission?hsLang=ko)와 같은 머신 러닝 기법을 고려하거나, 데이터를 규격 한계 또는 기타 사전 정의된 한계와 비교해야 합니다. ## 너무 많거나 혹은 부족하거나: 표본 크기와 통계 분석 통계를 활용하면 더 적은 비용으로 보다 쉽게 비즈니스 의사결정을 내릴 수 있지만 이러한 의사결정은 분석에 사용된 표본 크기에 따라 크게 영향을 받을 수 있습니다. 데이터가 충분하지 않으면 거짓음성이 발생할 확률이 높아지며, 데이터가 너무 많으면 거짓양성 문제가 발생할 수 있습니다. 과거 이력에 대한 지식, 적절한 데이터 수집 프로세스 및 통계분석에 대한 높은 이해도를 갖추면 보다 정확한 의사결정을 내릴 수 있습니다. ## 추천 게시물 [모든 계산에 대해 갖는 확신: Minitab이 FDA 규제 검증을 지원하는 방법 Confidence in Every Calculation: How Minitab Supports FDA-Regulated Validation](https://blog.minitab.com/ko/blog/confidence-in-every-calculation-how-minitab-supports-fda-regulated-validation?hsLang=ko) [Fda](https://blog.minitab.com/ko/blog/tag/fda) | 6 분 읽기 [시뮬레이션을 통해 자동차에서 항공우주까지 앞서가는 방법](https://blog.minitab.com/ko/blog/how-simulation-keeps-you-ahead-from-automotive-to-aerospace?hsLang=ko) [Minitab Solution Center](https://blog.minitab.com/ko/blog/tag/minitab-solution-center) | 4 분 읽기 [언제 Minitab을 사용해야 하고 언제 Excel을 사용해야 하나요? When Should I Use Minitab and When Should I Use Excel?](https://blog.minitab.com/ko/blog/when-should-i-use-minitab-and-when-should-i-use-excel?hsLang=ko) [Minitab Statistical Software](https://blog.minitab.com/ko/blog/tag/minitab-statistical-software) | 5 분 읽기 --- - [채용 정보](https://www.minitab.com/ko-kr/company/careers/) - [신뢰 센터](https://www.minitab.com/ko-kr/trust-center/) - [공급업체](https://www.minitab.com/ko-kr/suppliers/) - [사이트 맵](https://www.minitab.com/ko-kr/site-map/) - [![linkedin](https://blog.minitab.com/hubfs/WCM/linkedin-1.png)](https://www.linkedin.com/company/minitab/) - [![facebook](https://blog.minitab.com/hubfs/WCM/facebook.png)](https://www.facebook.com/Minitab/) - [![youtube](https://blog.minitab.com/hubfs/WCM/youtube.png)](https://www.youtube.com/user/MinitabInc) - [![instagram](https://blog.minitab.com/hubfs/WCM/instagram.png)](https://www.instagram.com/minitab/) --- © 2025 Minitab, LLC. All Rights Reserved. - [사용 약관](https://www.minitab.com/ko-kr/legal/terms-of-use/) - [개인정보 보호정책](https://www.minitab.com/ko-kr/legal/privacy-policy/) - [법률](https://www.minitab.com/ko-kr/legal/) - Cookies Settings