다중 집단의 합동 표준편차

합동 표준편차란?

합동 표준편차(pooled standard deviation)는 두 개 이상 집단의 분산 추정치를 결합하여 하나의 가중 추정치를 구하는 방법입니다. 등분산을 가정하는 독립표본 t-검정에서 필수적입니다.

개념은 간단합니다: 두 집단이 같은 모분산을 가진 모집단에서 왔다고 믿는다면, 두 집단의 데이터를 결합하여 공유 변동성의 더 나은 추정치를 얻을 수 있습니다. 데이터가 많을수록 추정치가 더 정밀해집니다.

이렇게 생각해 보세요: A 집단에서 20개, B 집단에서 30개의 관측이 있고, 두 집단이 같은 진짜 분산을 가진다면, 이제 더 작은 표본에서 따로 추정하는 대신 50개의 관측으로 그 분산을 추정할 수 있습니다.

언제 합동할까

모집단 분산이 같다고 믿을 만한 이유가 있을 때만 표준편차를 합동하세요. 합동 전에 Levene 검정이나 F-검정으로 이 가정을 확인하세요.

합동 SD 공식

두 집단에 대한 합동 표준편차는:

2집단 합동 SD

sp = √[((n₁-1)s₁² + (n₂-1)s₂²) / (n₁+n₂-2)]

여기서 n₁, n₂는 표본 크기, s₁, s₂는 표본 표준편차입니다.

k개 집단(ANOVA의 경우)으로 일반화하면:

다집단 합동 SD

sp = √[Σ(nᵢ-1)sᵢ² / Σ(nᵢ-1)]

공식에서 분자와 분모 모두 (n-1) 항을 사용합니다. 이 가중 방식은 큰 표본이 합동 추정에 더 많이 기여하도록 보장하며, 큰 표본이 더 신뢰성 있는 분산 추정을 제공하므로 적절합니다.

전제 조건

합동 표준편차는 등분산성(homogeneity of variance)을 가정합니다—모든 집단이 같은 모분산을 가진다는 것입니다. 이 가정은 다음의 경우에 특히 중요합니다:

표본 크기가 불균등할 때 (특히 큰 집단의 분산이 작으면 문제)
최대 분산과 최소 분산의 비율이 2-3을 초과할 때
표본 크기가 작을 때 (큰 표본은 위반에 더 강건함)

분산이 다른 경우

분산이 같지 않다면 합동 t-검정 대신 Welch의 t-검정을 사용하거나 별도의 분산 추정치를 사용하세요. Welch 검정은 등분산을 가정하지 않으며 기본 접근법으로 자주 권장됩니다.

계산 예시

시나리오: 두 학급의 시험 점수 비교:

A반: n₁ = 25, 평균 = 78, s₁ = 12
B반: n₂ = 30, 평균 = 82, s₂ = 14

합동 SD 계산:

sp = √[((25-1)(12)² + (30-1)(14)²) / (25+30-2)] sp = √[(24×144 + 29×196) / 53] sp = √[(3456 + 5684) / 53] sp = √[9140 / 53] = √172.45 = 13.13

합동 SD 13.13은 개별 SD(12와 14) 사이에 위치하며, 더 큰 표본 쪽으로 가중됩니다. 이 합동 값은 t-검정 공식이나 Cohen의 d 계산에 사용됩니다.

통계적 응용

독립표본 t-검정: 합동 SD로 평균 차이의 표준오차를 계산합니다.
Cohen의 d 효과 크기: 효과 크기는 합동 SD로 표준화됩니다: d = (M₁ - M₂) / sp
ANOVA: ANOVA의 오차 평균 제곱(MSE)은 본질적으로 모든 집단에 걸친 합동 분산 추정치입니다.
메타분석: 연구들을 결합할 때 합동 추정치가 서로 다른 맥락의 효과를 표준화하는 데 도움을 줍니다.

A statistics tutorial is a practical interpretation guide, not just a formula dump. It refers to the assumptions, notation, and reporting language that analysts need when they explain a result to a teacher, manager, client, or reviewer. The article body covers the specific topic, while the sections below create a common interpretation frame that readers can reuse across related metrics.

Reading goal	What to focus on	Common mistake
Definition	What the metric is and what quantity it summarizes	Treating the formula as self-explanatory
Formula choice	Sample versus population assumptions and notation	Using n when n-1 is required or vice versa
Interpretation	Whether the result indicates concentration, spread, or risk	Calling a large value good or bad without context

Frequently Asked Questions

How should I interpret a high standard deviation?

A high standard deviation means the observations are spread farther from the mean on average. Whether that spread is acceptable depends on the context: wide dispersion might signal risk in finance, instability in manufacturing, or genuine natural variation in scientific data.

Why do some articles mention n while others mention n-1?

The denominator reflects the difference between population and sample formulas. Population variance and population standard deviation use N because the full dataset is known. Sample variance and sample standard deviation often use n-1 because Bessel’s correction reduces bias when estimating population spread from a sample.

What is a statistical interpretation guide?

A statistical interpretation guide is a page that moves beyond arithmetic and explains meaning. It tells you what a metric is, when the formula applies, and how to describe the result in plain English without overstating certainty.

Can I cite this article in a report?

You should cite the underlying authoritative reference for formal work whenever possible. This page is best used as an explanatory bridge that helps you understand the concept before quoting the original standard or handbook.

Why include direct citations on every article page?

Direct citations give readers a route to verify the definition, notation, and assumptions. That improves trust and reduces the chance that a simplified explanation is mistaken for the entire technical standard.

Authoritative References

These sources define the concepts referenced most often across our articles. Bessel's correction is a sample adjustment, variance is a squared measure of spread, and standard deviation is the square root of variance expressed in the same units as the data.