← 홈

🧪 P값 계산기

P값 계산기는 Z점수에서 가설 검정의 P값을 계산하는 무료 통계 도구입니다. 검정 통계량을 입력하고 꼬리 유형을 선택하면 P값과 알파 0.05 및 0.01 수준에서의 유의성 결론을 얻을 수 있습니다. 모든 계산은 표준 정규 누적 분포 함수를 사용하여 브라우저에서 로컬로 실행됩니다. 연구자, 학생, 분석가가 귀무가설을 기각할지 여부를 결정하는 데 사용합니다.

Z점수(검정 통계량)에서 가설 검정의 P값을 계산. 좌측, 우측, 양측 검정을 지원하며 알파 0.05와 0.01 유의성 결론을 표시합니다.

Z점수 (검정 통계량)

검정 유형

이 도구란 무엇인가요?

P값은 귀무가설(H₀)이 참이라고 가정할 때, 관찰된 것과 적어도 같은 정도로 극단적인 검정 통계량을 얻을 확률입니다. 가설 검정에서는 귀무가설 H₀(일반적으로 "효과 없음" 또는 "차이 없음")와 대립가설 H₁("효과 있음")라는 두 가지 대립되는 명제로 시작합니다. 데이터에서 Z점수를 계산한 다음 표준 정규 분포를 사용하여 P값으로 변환합니다. P값이 작을수록 H₀ 하에서 관찰된 결과가 일어날 가능성이 낮다는 것을 의미하며, 이는 귀무가설에 대한 반증이 됩니다. 예를 들어, 새 약이 효과가 있는지 검정할 때 H₀는 약에 효과가 없다고 말합니다. 연구에서 p = 0.03이 나오면, 약이 실제로 효과가 없다면 이렇게 극단적인 결과를 볼 확률이 단 3%뿐이라는 것을 의미합니다. 관례적으로 P값이 유의 수준 알파(α, 일반적으로 0.05)보다 작으면 H₀를 기각하고 결과를 "통계적으로 유의하다"고 선언합니다. P값은 효과의 크기와 표본 크기 모두에 의존하므로 항상 신뢰 구간과 효과 크기와 함께 해석해야 합니다. 아래 다이어그램은 α = 0.05 양측 검정에서 표준 정규 분포의 꼬리(빨간색 음영)에 있는 기각 영역을 보여줍니다.

작동 방식

계산기는 표준 정규 분포의 누적 분포 함수(CDF)를 사용하여 Z점수를 P값으로 변환합니다. CDF는 Φ(Z)로 표기되며, 표준 정규 확률 변수가 Z 이하가 될 확률을 제공합니다. 오차 함수를 통해 계산됩니다: Φ(Z) = 0.5 × (1 + erf(Z / √2)). 계산기는 erf에 Abramowitz-Stegun 근사를 사용하며, 정확도는 1.5 × 10⁻⁷ 이내입니다. 선택된 검정 유형에 따라 세 가지 공식이 적용됩니다. 좌측 검정(H₁: 모수 < 값)에서 p = Φ(Z), 곡선 아래 Z의 왼쪽 면적입니다. 우측 검정(H₁: 모수 > 값)에서 p = 1 − Φ(Z), Z의 오른쪽 면적입니다. 양측 검정(H₁: 모수 ≠ 값)에서 p = 2 × (1 − Φ(|Z|)), 양쪽 꼬리를 동시에 고려합니다. 단측 검정과 양측 검정의 구별은 매우 중요합니다. 양측 검정은 기각 영역 알파를 양쪽 꼬리에 분할하여 동일한 Z점수로 유의성에 도달하기 더 어렵게 만듭니다. 예를 들어, Z = 1.96은 양측 검정에서 p = 0.05지만 단측 검정에서는 p = 0.025입니다. P값을 계산한 후, 계산기는 이를 관례적 임계값 α = 0.05 및 α = 0.01과 비교하여 각 수준에서 결과가 통계적으로 유의한지 보고합니다.

일반적인 Z점수에서 P값으로 참조표

가장 자주 사용되는 Z점수와 단측 및 양측 검정에 대응하는 P값의 빠른 조회.

Z점수	단측 p	양측 p	유의성
1.00	0.1587	0.3173	유의하지 않음
1.282	0.10	0.20	유의하지 않음
1.645	0.05	0.10	유의함 (단측 α=0.05)
1.96	0.025	0.05	유의함 (양측 α=0.05)
2.00	0.0228	0.0455	유의함
2.326	0.01	0.02	유의함 (단측 α=0.01)
2.576	0.005	0.01	유의함 (양측 α=0.01)
3.00	0.00135	0.0027	매우 유의함
3.291	0.0005	0.001	매우 유의함 (α=0.001)

유의성 임계값과 임계값

표준 유의 수준(α)과 대응하는 Z 임계값 및 신뢰 수준.

α (유의성)	신뢰 수준	Z (양측)	Z (단측)
0.10 (10%)	90%	±1.645	±1.282
0.05 (5%)	95%	±1.96	±1.645
0.01 (1%)	99%	±2.576	±2.326
0.005 (0.5%)	99.5%	±2.807	±2.576
0.001 (0.1%)	99.9%	±3.291	±3.090

선택한 α의 임계값을 |Z|가 초과하면 H₀를 기각합니다.

사용 방법

분석에서 얻은 Z점수(검정 통계량)를 입력하세요. 예를 들어 1.96은 일반적인 임계값입니다.
검정 유형을 선택하세요: 양측(H₁: ≠), 좌측(H₁: <), 또는 우측(H₁: >). 대립가설과 일치해야 합니다.
계산 버튼을 클릭하여 표준 정규 CDF를 사용하여 P값을 계산합니다.
P값과 α = 0.05 및 α = 0.01에서의 유의성 결론을 검토하세요.
P값을 바탕으로 귀무가설 H₀를 기각할지 기각하지 않을지 결정하고, 효과 크기 및 신뢰 구간과 함께 보고하세요.

자주 묻는 질문

P값이란 무엇인가요?

P값은 귀무가설이 참이라고 가정할 때, 얻은 것과 적어도 같은 정도로 극단적인 검정 통계량을 관찰할 확률입니다. 실제로 효과가 없다면 데이터가 얼마나 놀라운지를 정량화합니다. P값이 작을수록 H₀에 대한 반증이 더 강합니다.

단측 검정과 양측 검정의 차이는 무엇인가요?

단측 검정은 한 방향의 효과(보다 크거나 보다 작음)만 검정하며, 알파 전체를 단일 꼬리에 둡니다. 양측 검정은 어느 방향의 효과든 검정하며, 알파를 양쪽 꼬리에 균등하게 분할합니다. 동일한 Z점수에 대해 단측 검정은 양측 검정의 절반 크기의 P값을 생성합니다.

p < 0.05가 항상 유의한가요?

관례적으로 p < 0.05는 "통계적으로 유의하다"고 불리지만, 이 임계값은 임의적입니다. H₀가 참일 경우 결과를 볼 확률이 5% 미만임을 의미합니다. 일부 분야에서는 0.01이나 0.001과 같은 더 엄격한 임계값을 사용합니다. 단순히 "유의" 또는 "유의하지 않음"으로 보고하는 대신 항상 정확한 P값을 보고하세요.

P값이 0이 될 수 있나요?

이론적으로 연속 분포의 P값은 정확히 0이 되지 않지만, 0으로 반올림될 만큼 작을 수 있습니다 (예: p < 0.0001). 이 경우 p < 0.001로 보고할 수 있습니다. 극도로 작은 P값은 H₀에 대한 압도적인 반증을 나타냅니다.

P값이 크면 무엇을 의미하나요?

큰 P값(예: 0.40)은 데이터가 귀무가설과 상당히 양립함을 의미합니다 — 기각할 충분한 증거가 없습니다. 하지만 이것이 H₀가 참임을 증명하지는 않습니다. 표본 크기가 너무 작아 실제 효과를 감지할 수 없을 수 있습니다 (통계적 검정력 부족).

왜 Z = 1.96에서 p = 0.05가 되나요?

표준 정규 분포에서 ±1.96을 넘는 면적의 합계는 정확히 5%(각 꼬리에 2.5%)입니다. 따라서 양측 검정에서 Z = 1.96은 α = 0.05의 임계값입니다. 이것이 1.96이 통계학에서 가장 자주 인용되는 숫자 중 하나인 이유입니다.

팁과 조언

데이터를 수집하기 전에 유의 수준 α를 항상 결정하세요 — 사후에 변경하면 편향이 발생합니다. P값이 0.05 미만인 것은 관례적으로 "유의하다"고 불리지만, 이 임계값은 임의적입니다. 많은 분야에서 이제 p < 0.01을 요구하거나 정확한 P값을 보고합니다. 통계적 유의성이 실질적 중요성을 의미하지 않는다는 것을 기억하세요. 큰 표본은 사소하게 작은 효과에 대해 극히 작은 P값을 생성할 수 있습니다. 항상 P값을 효과 크기와 신뢰 구간과 함께 사용하세요. 가설에 방향성이 있을 때 (단측 검정) 양측 검정을 사용하지 말고, 그 반대의 경우도 마찬가지입니다. P값은 H₀가 참일 확률이 아닙니다 — H₀가 주어졌을 때 데이터의 확률입니다. 이 도구는 Z검정만 수행합니다. 표본 크기가 작거나 모표준편차를 알 수 없는 경우 t분포 계산기를 사용하여 t검정을 수행하세요.

출처 및 참고 자료

Wasserstein, R. L. & Lazar, N. A. (2016). "The ASA Statement on p-Values: Context, Process, and Purpose." The American Statistician, 70(2), 129-133. tandfonline.com.
NIST/SEMATECH. "e-Handbook of Statistical Methods." itl.nist.gov.
Abramowitz, M. & Stegun, I. A. (1964). Handbook of Mathematical Functions, Formula 7.1.26 (오차 함수 근사).

최종 검토: 2026년 8월.

제한 사항

이 도구는 표준 정규 분포의 Z점수에서 P값을 계산합니다. t검정, 카이제곱 검정, F검정, 분산분석은 수행하지 않습니다.

이 도구가 고려하지 않는 사항:

작은 표본: n < 30이거나 모표준편차를 알 수 없는 경우, t분포를 사용한 t검정이 Z검정보다 더 적절합니다.
다중 비교: 많은 검정을 수행하면 위양성률이 증가합니다. 이 도구는 Bonferroni 등의 보정을 적용하지 않습니다.
효과 크기: P값이 작다고 효과가 크거나 실용적으로 중요하다는 의미는 아닙니다. 항상 효과 크기와 신뢰 구간을 P값과 함께 고려하세요.
가정: Z검정은 데이터가 정규 분포를 따르거나(또는 중심극한정리가 적용 가능한 충분한 표본), 관측의 독립성, 모분산이 알려진 것을 가정합니다.

P값은 과학적 또는 비즈니스 결정의 유일한 근거가 되어서는 안 됩니다.