귀무가설 대립가설 완전 정복 — 엔지니어가 직접 세워야 하는 3가지 이유 - deepcarpenter

F1 레이스에서 이런 상황을 상상해보자.

레이스 40랩, 피트월 모니터에는 타이어 마모 데이터가 실시간으로 올라오고 있다.

“이번 서킷, 타이어가 예상보다 잘 버티는 것 같은데요. 피트스톱 한 번 줄일 수 있지 않을까요?” “느낌이야? 데이터 있어?”

피트월 엔지니어는 막연한 직감만으로 전략을 바꿀 수 없다. 드라이버의 안전과 레이스 결과가 걸려 있기 때문이다. 느낌을 데이터로 검증하는 것 — 그게 가설 검정이다.

이 글에서는 F1 타이어 마모량이라는 가상의 시나리오를 예시로, 귀무가설 대립가설의 개념과 검정 방향, 절차를 처음부터 풀어본다.

가설 검정이란 — 귀무가설과 대립가설로 판단하는 절차

가설 검정(Hypothesis Test)은 모집단의 모수(평균, 분산, 비율)에 대해 두 가지 가설을 세우고, 표본 데이터를 통해 어느 쪽이 맞는지를 판단하는 통계적 방법이다.

두 가설은 이렇다.

가설	의미	근거
귀무가설 (H₀)	“지금까지 이랬다”는 과거의 믿음	현장 경험과 기록
대립가설 (H₁)	“뭔가 달라진 것 같다”는 새로운 관심사	현장에서 포착한 이상 신호

표본을 뽑아서 대립가설이 충분히 지지되면 채택한다. 애매하면 귀무가설을 유지한다. 귀무가설 대립가설의 관계는 항상 이 구도로 작동한다.

F1 피트월의 엔지니어들은 실시간으로 타이어 마모 데이터를 보고 있다. 피트스톱 타이밍 하나가 레이스 결과를 바꾸기 때문이다. 이때 귀무가설 대립가설을 이렇게 설정한다.

F1 레이싱 Engineering 사례는 설명을 위해 구성한 가상의 시나리오다.
실제 특정 팀이나 드라이버의 데이터를 기반으로 한 것이 아님을 밝혀 둔다.

레이스 중 타이어 마모 데이터를 수집해 표본평균을 계산했다.

아래 수치는 개념 설명을 위한 임의의 수치입니다.

표본평균	기준치와의 차이	판단
99.5	거의 같다	귀무가설 유지
97.5	의미 있게 작다	대립가설 채택 검토

표본이 대립가설을 “확실히 지지”할 만큼 차이가 클 때만 채택이 이뤄진다. 이게 귀무가설 대립가설 판단의 핵심 논리다. 97.5라는 수치가 실제로 유의미한 차이인지 판단하려면 P값과 유의수준이 필요하다. 그 내용은 다음 포스팅에서 이어서 다룬다.

설비 이상이 발생했을 때, 숫자가 이상하다는 걸 느끼는 건 데이터가 아니라 사람이다. “이 설비, 지난달이랑 뭔가 다른데”라는 감각. 그게 대립가설의 씨앗이다. 귀무가설 역시 과거 경험과 기준값에서 나온다. 현장을 모르면 세울 수 없다.

F1 예시로 다시 보면, 엔지니어가 “타이어가 최근 더 잘 버티는 것 같다”는 감각을 포착했기 때문에 H₁이 만들어진다. 수십 번의 레이스 데이터를 몸으로 익힌 경험이 그 감각의 근거다.

소프트웨어가 하는 건 그 이후다. 통계량 계산, 샘플링 분포 적용, P값 산출 — 이건 도구의 영역이다. 귀무가설 대립가설 설정은 언제나 엔지니어 몫이다.

귀무가설 대립가설을 세웠다면, 다음은 검정 방향이다. 어떤 걸 쓸지도 엔지니어가 현장 맥락을 보고 결정한다.

현장에서 가장 헷갈리는 게 이 방향 선택이다. 답은 간단하다. “내가 지금 무엇이 관심사인가”를 먼저 정의하면, 방향은 자연스럽게 따라온다.

귀무가설 대립가설을 세웠다면 이후 절차는 아래 4단계로 진행된다.

한 가지 사전 조건이 있다. 표본 데이터가 정규분포를 따르는지 QQ Plot으로 먼저 확인해야 한다. 따른다면 t검정 등 모수 검정, 아니라면 비모수 검정을 적용한다.

귀무가설 대립가설은 가설 검정의 출발점이다. 그리고 이 출발점은 언제나 엔지니어가 만든다.

통계 도구를 잘 쓰려면, 도구보다 현장을 먼저 알아야 한다. 귀무가설 대립가설을 세우는 능력이 바로 그 시작점이다.

귀무가설 대립가설을 세웠다면, 다음 질문은 “이 차이가 진짜 유의미한가”다. P값과 유의수준으로 이어진다.