소개
표준오차(SE)와 표준편차(SD)는 모두 퍼짐 정도를 나타내는 측도이지만, 근본적으로 다른 질문에 답합니다. 이 둘을 혼동하는 것은 통계에서 가장 흔한 실수 중 하나입니다.
흔한 혼동
표본 평균의 정밀도를 보고할 때 SE를 써야 하는 상황에서 SD를 사용하는 경우가 많습니다. 이는 통계적 유의성에 대한 잘못된 결론으로 이어질 수 있습니다.
핵심 차이점
표준편차
개별 데이터 포인트가 평균 주위에 얼마나 퍼져 있는지를 측정합니다.
“개별 값들이 얼마나 변동하는가?”
표준오차
표본 평균이 모집단 평균의 추정치로서 얼마나 정밀한지를 측정합니다.
“우리의 표본 평균이 얼마나 정확한가?”
표준오차 공식
평균의 표준오차
SE = s / √n
여기서 s는 표본 표준편차, n은 표본 크기입니다.
계산 예시
25명 학생의 시험 평균 = 75점, SD = 10점
- 표준편차 (s) = 10점
- 표본 크기 (n) = 25
- 표준오차 = 10 / √25 = 10 / 5 = 2점
해석: 표본 평균 75점의 불확실성은 약 ±2점입니다.
언제 어떤 것을 쓸까
- 표준편차를 사용할 때:개별 관측값의 변동성 설명, 모집단이나 표본의 특성 파악, 정상 범위 설정(예: 임상 참고범위), 품질 관리(제조 허용 변동범위)
- 표준오차를 사용할 때:표본 통계량의 정밀도 보고, 신뢰구간 구성, 집단 간 평균 비교, 가설검정
표본 크기의 영향
핵심적인 차이점은 다음과 같습니다: 표본 크기가 증가해도 SD는 거의 변하지 않지만, SE는 감소합니다.
| 표본 크기 (n) | SD | SE = SD/√n |
|---|---|---|
| 25 | 10 | 2.00 |
| 100 | 10 | 1.00 |
| 400 | 10 | 0.50 |
| 10,000 | 10 | 0.10 |
핵심 통찰
표준오차를 절반으로 줄이려면 표본 크기를 4배로 늘려야 합니다. 매우 정밀한 추정치를 얻으려면 큰 표본이 필요한 이유입니다.