연구 계획 방법 01 설계에 맞는 검정을 고릅니다. 두 독립 평균은 tTwo, 대응 측정은 d<sub>z</sub>를 쓰는 tPaired, 비율은 h를 쓰는 propTwo입니다. 02 무엇을 풀지 고릅니다. 검정력, N, 효과 — 나머지 둘을 입력해야 합니다. 03 효과를 검정 자체의 단위로 입력합니다. d = 0.5는 표준편차의 절반, h = 0.541은 아크사인 변환한 비율 차이입니다. 패널은 규약 사이를 변환하므로(d ↔ r, η² ↔ f, 비율 ↔ h) 출처가 쓰는 형태로 효과를 말할 수 있습니다. 04 α, 꼬리, 보정을 설정합니다. 양측 α = 0.05가 기본입니다. k개 비교에 대한 Bonferroni 또는 Šidák 보정은 검정력 계산 전에 유효 α에 적용됩니다. 05 분포 카드를 읽습니다. 검정력, N(n₁과 n₂로 분할), 임계값, df, 비중심도 δ가 모두 보고되어 숫자를 감사할 수 있습니다.
계산 판독
설계 · 입력
판독
이표본 t, d = 0.5, α = 0.05, 검정력 80 %, 양측
N = 128 (64 + 64), 검정력 80.146 % , 임계 t 1.978971 , df 126 , δ 2.82843
같은 설계, 단측
N = 101 (51 + 50), 검정력 80.241 % , 임계 t 1.660391 , df 99
같은 설계, N = 100
검정력 69.689 % (δ 2.5 , 임계 t 1.984467 , df 98 )
N = 100에서 효과 풀기
최소 검출 가능 d = 0.56588
목표 검정력 90 %
N = 171 (86 + 85), δ 3.26912
d = 0.5 대신 0.2
N = 787 (394 + 393)
2개 비교 Bonferroni
유효 α 0.025 , N = 155 (78 + 77)
이비율, h = 0.541
N = 108 (54 + 54)
A/B: 120/1000 대 150/1000
z 1.96305 , p 0.04964 , 유의; 관측 비율에서 사후 검정력 50.203 % ; 그 비율로 80 % 검정력에 그룹당 2036
왜 답이 비중심 분포에서 오는가 귀무가설 아래에서 이표본 t 통계량은 자유도 126의 중심 t 분포를 따르고, 검정은 |t|가 1.978971 을 넘을 때 기각합니다. 대립가설 아래에서는 같은 df의 비중심 t를 따르며, d = 0.5, 팔당 64에서 비중심도 δ = d·√(n₁n₂/(n₁+n₂)) = 2.82843 입니다. 검정력은 이 이동된 분포에서 뽑은 값이 임계값 너머에 떨어질 확률 — **80.146 %**입니다. 계산 어디에도 경험 법칙은 없습니다: 비중심 밀도를 적분하며, 패널은 δ와 임계값을 보고해 결과를 재현할 수 있게 합니다.
같은 기계가 다른 두 방향으로 반전됩니다. N을 찾으려면 비중심 확률이 목표를 넘을 때까지 솔버가 n을 늘립니다. 90 % 검정력으로 128에서 171로 뛰는 것이 추가 확신의 값입니다. 최소 검출 가능 효과를 찾으려면 고정 N에서 정확히 목표 검정력을 주는 효과를 탐색합니다. N = 100에서는 d = 0.56588 이므로 설계한 d = 0.5 효과를 안정적으로 볼 수 없습니다. 단측 행은 방향성 가설의 지렛대를 보여 줍니다: 같은 80 % 검정력에 101 관측이면 되고, 두 비교 Bonferroni 보정은 N을 155 로 올립니다.
한계와 경계
검정력은 설계의 속성이지 데이터의 속성이 아닙니다. 숫자는 가정한 효과 아래 미래 실험의 확률을 말합니다. 데이터가 들어오면 검정력은 관측할 수 있는 통계량이 아닙니다. A/B 뷰의 사후 수치는 진단이지 증거가 아닙니다.
모든 답은 가정한 효과와 분포를 물려받습니다. 파일럿의 d = 0.5는 자체 불확실성을 가진 추정치입니다. 이비율 검정은 아크사인 근사를 가정하고, 이산성이 중요한 작은 일비율 연구에는 정확 이항 검정력이 있습니다.
관측 검정력의 함정 A/B 예는 함정을 한 표로 만든 것입니다: 120/1000 대 150/1000은 z = 1.96305 , p = 0.04964 로 α = 0.05에서 유의하지만, 그 관측 비율에서 사후 검정력은 **50.203 %**에 불과합니다 — 동전 던지기입니다. 결과가 틀린 것은 아닙니다. 취약한 것입니다. 사후 검정력을 발견을 검증한 것처럼 인용하는 것은 귀무가설 아래 데이터의 확률과 미래 연구의 확률을 혼동하는 것입니다. 정직한 대응은 다음 연구의 크기를 정하는 것입니다: 그 비율에서 80 % 검정력은 그룹당 2036 이 필요합니다.
두 번째 함정은 효과의 단위입니다. d = 0.5와 h = 0.541은 각자의 규약으로 둘 다 "중간"이지만 호환되지 않습니다. 잘못된 검정에 변환을 적용하면 필요한 N이 바뀝니다. 세 번째는 이산성입니다: n = 30, p₀ = 0.25, p₁ = 0.5의 정확 이항 예에서 명목 α = 0.05는 정수 기각역 X ≤ 2 또는 X ≥ 13만 허용하며, 그 실제 양측 크기는 α = P(X ≤ 2 또는 X ≥ 13 | p₀) = 0.032190 이고, 검정력은 같은 기각역의 p₁ = 0.5에서의 확률 **81.920 %**입니다. n이 작으면 입력한 α가 아니라 실제 α를 읽으세요.
어디에 맞는가 두 팔 실험의 크기 정하기 반표준편차 효과, 양측 80 % 검정력에서 답은 128 관측입니다. 확신을 90 %로 두 배로 올리면 171 , 두 비교 보정은 155 가 듭니다. 각 숫자는 δ와 임계값을 동반해 검토자가 산술을 확인할 수 있습니다.
검정력 부족 결과를 올바르게 읽기 팔당 50, d = 0.5인 파일럿은 검정력 **69.7 %**이므로 비유의한 결과는 효과 없음의 증거가 아닙니다 — 열 번 중 세 번 기대되는 결과입니다. "효과 풀기"는 이를 구체적인 문장으로 바꿉니다: 파일럿은 d = 0.566 이상만 안정적으로 검출할 수 있습니다.
개인정보 보호 모든 검정력 계산, 곡선, A/B 결과는 브라우저에서 계산되며 아무것도 업로드되지 않습니다.
참고 자료
Wikipedia, Power of a test , en.wikipedia.org (访问日期:2026-10-07)— 검정력, β, 설계 해석.
Wikipedia, Noncentral t-distribution , en.wikipedia.org (访问日期:2026-10-07)— t 검정 검정력 뒤의 이동 분포.
Wikipedia, Sample size determination , en.wikipedia.org (访问日期:2026-10-07)— N과 효과 크기에 대한 검정력 반전.
Wikipedia, Bonferroni correction , en.wikipedia.org (访问日期:2026-10-07)— α에 적용되는 다중성 보정.
G*Power (Faul et al., 2007), psychologie.hhu.de (访问日期:2026-10-07)— 비중심 분포 검정력 분석의 참조 도구.
Calculators in this hub
Hand-picked tools, one click away. The mini versions compute live and carry your values into the full calculator.
Sources & review
Updated 2026-10-07