다른 JMP 사용자분들도 Oneway 플랫폼에서 "전원 세부 정보 창"을 사용해 보셨는지 궁금합니다.
디스커버리 서밋 2026에서 데일 휴먼이 발표한 " 표본 크기에 대해 이야기해 볼까요? "(2026-US-30MP-2930)라는 강연을 듣고 매우 흥미로웠습니다. 그는 분석 전후에 검정력과 적절한 표본 크기를 확인하는 방법에 대해 설명했습니다. 데일은 검정력 확인을 위해 DOE > 표본 크기 탐색기 > 검정력 > 두 독립 표본 평균에 대한 검정력을 사용할 것을 제안했습니다.
Oneway 플랫폼에 "전원" 옵션이 있다는 걸 몰랐네요. 메뉴에서 선택하면 "전원 세부 정보 창"이 뜨는 것도 몰랐어요! 또 한 번 "맙소사!" 하는 순간이네요. ("어머, 내 JMP에는 이미 있었네!")
Fitness 데이터셋을 사용하여 산소 소비량(Oxy)과 성별(Sex) 간의 관계를 그래프로 나타내고, 두 표본 t-검정을 수행한 결과 p값은 0.0057로 낮게 나왔습니다. 이제 이 검정의 검정력을 확인해 보겠습니다.
메뉴에서 "전원"을 선택하면 Oneway 창에 "전원 세부 정보 창" 섹션이 추가됩니다.
"검정력 계산"을 선택하면 이 검정의 검정력을 알 수 있습니다.
또한, 샘플 수를 단계적으로 늘리는 것에 대해 "조건부 대기"를 적용할 수 있습니다. 코드는 다음과 같습니다.
그리고 맨 아래에 작은 전력 곡선 그래프가 있습니다!
DOE > 표본 크기 탐색기 > 검정력 > 두 독립 표본 평균에 대한 검정력에서 다시 생성하면 검정력이 0.8218로 동일하게 나옵니다.
이를 활성화하는 스크립트도 흥미롭습니다.
Oneway(
Y( :Oxy ),
X( :Sex ),
Means( 1 ),
Mean Diamonds( 1 ),
Power(
Alpha( 0.05 ),
Sigma( 4.74003159066053 ),
Delta( 2.53881137990873 ),
Number( 31 ),
Solve for Power,
Done
)
);
또는 표본 크기의 증가분을 확인하기 위해:
Oneway(
Y( :Oxy ),
X( :Sex ),
Power(
Alpha( 0.05 ),
Sigma( 4.74003159066053 ),
Delta( 2.53881137990873 ),
Number( 31, 60, 5 ),
Solve for Power,
Done
)
);
다른 옵션을 사용해 보신 분 계신가요?
- 최하위수를 구하세요
- 최하위값을 구하세요
- 조정된 전력 및 신뢰 수준
저희 통계 교육 과정에 이 기능을 추가하려고 하는데, 혹시 Oneway 플랫폼에서 이 메뉴 옵션을 사용해 보신 분이 있는지 궁금합니다.
@MRB3855님 감사합니다. 검정력과 p값이 직접적인 관련이 있다는 것을 알게 되어 좋네요. 저는 통계학 전공자는 아니고, 오랫동안 공정 엔지니어로 일해 왔습니다.
저는 대량 생산 환경(식스 시그마 교육)에서 검정력 계산법을 가르치는 것을 제안합니다. 우리는 어떤 것도 100% 확신할 수 없으며, 데이터가 많을수록 항상 좋다는 점을 설명합니다. 또한 p값 임계값 0.05(5%)가 다소 임의적이라는 점을 보여줍니다. 인간은 숫자 10에 기반하고, 숫자 5를 좋아하며, 편리하기 때문입니다. JMP를 사용하면 색상을 통해 이를 시각적으로 보여줄 수 있습니다. 0.01에서 0.05 사이는 한 가지 색으로, 0.01 미만은 다른 색으로 표시하여 0.01에서 0.05 사이의 범위에서도 오해가 발생할 수 있음을 강조합니다.
또한 베타 값은 종종 10으로 설정되는데, 이는 대량 생산에서는 측정을 멈추지 않기 때문에 알파 값(잘못된 신호로 인해 불필요한 작업을 수행해야 하는 위험)보다 베타 값(신호를 놓치는 위험)을 통해 더 큰 위험을 감수하려는 의도입니다. 이것이 바로 SPC 차트의 원리입니다.
맥락상 SPC 차트를 사용할 때, SPC 차트에서 알파 값이 훨씬 낮더라도 잘못된 신호(알파)에 반응할 위험이 있습니다. 반대로, 관리자는 종종 장비 수리 후 최소한의 실행 횟수로 목표치에 도달했는지 확인하도록 요청합니다. 어떤 관리자는 1~2회 실행 안에 완료하라고 요구하기도 합니다! 저는 시뮬레이션을 통해 장비 수리 후 변화가 있더라도, 배경 잡음 때문에 실제 존재하는 신호를 감지하는 데 시간이 걸린다는 것을 보여드리고 싶습니다. 바로 이 부분에서 검정력의 중요성을 강조하고 싶습니다. 검정력/표본 크기 곡선에서 감지해야 할 변화량과 배경 잡음(표준 편차)을 고려했을 때, 12회 실행 안에 신호를 감지할 수 있는 검정력이 0.90이라고 가정해 보겠습니다. 하지만 이것이 보장되는 것은 아닙니다! SPC 차트는 더 빨리 신호를 감지할 수도 있고(운이 좋았을 경우), 조금 더 오래 감지하지 못할 수도 있지만(운이 나빴을 경우), 결국 더 많은 데이터를 통해 신호를 감지하게 될 것입니다(표본 크기에 대한 논의).
그렇기 때문에 저는 검정력 곡선과 표본 크기 곡선 사이의 관계가 중요하며, 특정 검정에 대한 사후 검정력 수치는 중요하지 않다는 점에 동의합니다.
다음 수업에서 토론이 어떻게 진행되는지 이 게시글에 이어서 알려드리겠습니다.
