[특별 부록] 통계 검정 선택 원페이지 결정 순서도 & 핵심 통계 기호·수식 총정리

🇰🇷 한국어 정규 에디션 (교보문고 바로출판 POD 120p 완제 원문)

APPENDIX A 부록 A. 통계 검정 선택 원페이지 결정 로드맵 연구 질문, 종속변수 척도, 집단 수, 정규성 만족 여부에 따른 3초 통계 모델 결정 트리 연구 현장에서 어떤 분석 기법을 선택해야 할지 혼란스러울 때, 아래의 3단계 의사결정 순서도를 따라가면 단 3초 만에 최적의 모수/비모수 통계 모델을 선택할 수 있습니다. 연구 질문 및 목적 독립변수 (X) 종속변수 (Y) 정규성 만족 (모수 통계) 정규성 위반 (비모수 대안) 두 집단 평균 비교 (서로 다른 사람) 범주형 (2집단) (예: AI군 vs 통제군) 연속형 (등간/비율) (예: 점수, 완료율) 독립표본 t-검정 (Independent t-test) 맨-휘트니 U 검정 (Mann-Whitney U) 동일 집단 전후 비교 (동일인의 사전-사후) 범주형 (2시점 반복) (예: 교육 전 vs 교육 후) 연속형 (등간/비율) (예: 반응시간 차이) 대응표본 t-검정 (Paired t-test) 윌콕슨 부호순위 검정 (Wilcoxon Signed) 세 집단 이상 비교 (1개 요인) 범주형 (3집단 이상) (예: A vs B vs C) 연속형 (등간/비율) (예: 학업 성취도) 일원 분산분석 (One-Way ANOVA) 크루스칼-월리스 검정 (Kruskal-Wallis H) 두 요인의 교차 효과 (2×2 요인 설계) 범주형 2개 요인 (예: 처치 × 숙련도) 연속형 (등간/비율) (예: 시험 점수) 이원배치 분산분석 (Two-Way ANOVA) 비모수 순위 분석 또는 붓스트래핑 (5,000회) 연속형 변인 간 예측 (인과 및 영향력 검증) 연속형 1개 이상 (예: 사용시간, 감성점수) 연속형 (등간/비율) (예: 최종 성과 지표) 다중 선형 회귀분석 (Multiple Regression) 강건 회귀(Robust Reg) 또는 붓스트랩 회귀분석 범주형 빈도 간 연관성 (독립성/적합도 검정) 범주형 (명목/서열) (예: 성별, 합격여부) 범주형 (명목/서열) (예: 구매 여부) 카이제곱 검정 (χ² Test) 피셔 정확 검정 (Fisher's Exact Test) 💡 3초 결정 골든 룰 (Golden Rule) 비교인가, 예측인가? 비교라면 집단 수(2개 → t-test, 3개 이상 → ANOVA)를 세고, 예측이라면 독립변수의 성격(연속형 → 회귀분석)을 확인하십시오. 정규성이 깨졌을 때는 고민 없이 비모수 검정이나 5,000회 붓스트래핑을 적용하면 완벽하게 해결됩니다. PRACTICAL APPENDICES · APPENDIX A 112

APPENDIX B 부록 B. 핵심 통계 기호 및 수식 총정리 논문과 리포트에 반드시 등장하는 필수 통계 기호, 수리 공식, 한눈에 보는 물리적 의미 통계 기호는 외계어가 아닙니다. 데이터가 품고 있는 흩어짐과 질서를 나타내는 국제 표준 약속입니다. 기호 영문 명칭 한국어 명칭 핵심 공식 직관적 물리 의미 N, n Sample Size 전체 / 집단 표본 수 — 신뢰의 바닥을 지탱하는 데이터 개수 ¯X, μ Mean / Population Mean 표본평균 / 모평균 ¯X = ∑X / n 데이터 시소의 정확한 물리적 무게중심 s², σ² Variance 분산 (표본 / 모집단) s² = ∑(X - ¯X)² / (n - 1) 무게중심으로부터 흩어진 1인당 평균 면적 s, SD Standard Deviation 표본 표준편차 s = √s² 루트를 씌워 원래 실생활 단위로 복원한 흩어짐 SE Standard Error of Mean 표본평균의 표준오차 SE = s / √n 표본평균들의 출렁임 불확실성 척도 t Student's t-Statistic t-통계량 t = (¯X₁ - ¯X₂) / SE_diff 신호 대 잡음비: 평균 차이를 우연의 표준오차로 나눈 값 F ANOVA F-Ratio F-비 (분산비) F = MSB / MSW 처치 분산(신호)과 개인차 오차 분산(잡음) 의 비율 R² Coefficient of Determination 결정계수 (설명력) R² = SSR / SST 회귀 모형이 설명해 낸 종속변수의 총변동 지분율 Cohen's d Effect Size 효과 크기 d = (¯X₁ - ¯X₂) / s_p 표본 수 N의 착시를 제거한 순수 차이의 물리적 두께 📐 통계학의 만유인력 법칙: 검정 통계량의 통일 공식 검정 통계량 = 신호(Signal) / 잡음(Noise) = (관측된 차이 - 영가설의 차이) / 표준오차 t-검정이든 ANOVA든 회귀분석이든, 모든 추론 통계는 "내가 발견한 신호가 우연의 잡음을 뚫고 솟아오를 만큼 강력한가?"를 판별하는 단 하나의 물리학적 비율입니다. PRACTICAL APPENDICES · APPENDIX B 113

APPENDIX C 부록 C. APA 7판 통계 결과 표기 공식 가이드 국제 표준 학술 저널 투고를 위한 통계 수식 표기법, 띄어쓰기 규정 및 본문 서술 양식 학술 논문은 통계 기호 표기법 하나만 틀려도 심사위원의 신뢰를 잃습니다. APA 7판 표준 규격을 완벽하게 준수하십시오. 통계 분석 기법 APA 7판 공식 표기 양식 및 실제 예시 논문 본문 서술 표준 예시 (Narrative Style) 독립표본 t-검정 (Independent t) t(df) = 수치, p = .xxx, d = .xx 예: t(58) = 3.42, p = .001, d = 0.88 AI 활용군은 통제군에 비해 과업 수행 점수가 통계적으로 유의미하게 높았으며, 효과 크기는 매우 컸다. 대응표본 t-검정 (Paired t) t(df) = 수치, p = .xxx, d_z = .xx 예: t(29) = 4.15, p < .001, d_z = 0.76 교육 프로그램 참여 후 참가자들의 작업 반응시간은 사전 측정 대비 유의하게 단축되었다. 일원 분산분석 (One-Way ANOVA) F(df_b, df_w) = 수치, p = .xxx, η² = .xx 예: F(2, 87) = 8.76, p < .001, η² = .17 세 가지 프롬프트 조건에 따른 성과 차이는 통계적으로 유의미하였으며, 사후검정(Tukey HSD) 결과 C군이 가장 우수하였다. 다중 회귀분석 (Multiple Reg) R² = .xx, F(df_m, df_res) = 수치, p = .xxx 예측요인: β = .xx, t = 수치, p = .xxx 회귀 모형은 유의미한 설명력을 보였으며(R² = .48), 주당 사용시간(β = .42)이 가장 강력한 정적 예측요인이었다. 카이제곱 검정 (χ² Test) χ²(df, N = xxx) = 수치, p = .xxx, V = .xx 예: χ²(1, N = 120) = 6.42, p = .011, φ = .23 성별과 서비스 재구매 여부 간에는 통계적으로 유의미한 연관성이 존재하였다. ⚠️ APA 7판 표기 시 반드시 지켜야 할 3대 절대 규칙 1. 통계 기호는 무조건 이탤릭체(기울임): t, F, p, r, R², d, z, M, SD, SE, N, n 등 라틴 알파벳 기호는 모두 기울입니다. (그리스 문자 χ², η², β, α는 정체로 표기) 2. 1을 넘을 수 없는 수치는 앞의 0을 생략: p-값, 상관계수(r), 결정계수(R²)는 1.0을 넘을 수 없으므로 0.05가 아닌 .05로 표기합니다. 3. 소수점은 기본 둘째 자리, p-값은 셋째 자리까지: 통계치는 소수점 둘째 자리(예: t = 2.45), p-값은 셋째 자리(예: p = .014, p < .001)까지 정밀 기술합니다. PRACTICAL APPENDICES · APPENDIX C 114

APPENDIX D 부록 D. 전권 실습 데이터셋 & 골든 프롬프트 인덱스 매트릭스 책 전체에 수록된 12개 원클릭 파이썬 스크립트, 모의 데이터셋, 9대 골든 프롬프트 총괄 색인 본서의 모든 실습은 독자 실습 자료실에서 단 한 줄의 터미널 명령어나 AI 프롬프트 복사로 즉시 완벽 재현됩니다. 골든 프롬프트 번호 수록 챕터 및 본문 위치 실습 주제 및 분석 과업 매칭 코드 / 데이터셋 골든 프롬프트 1-1 제1장 (1.7절, p. 11) 귀무가설 반증을 위한 가상 시뮬레이션 및 유의수준 검증 02_AI_Golden_Prompts_Ch1.md 골든 프롬프트 2-1 제2장 (2.5절, p. 20) 실험 매트릭스, 피험자 배정, 라틴 방격 역균형화 자동 설계 06_AI_Golden_Prompts_Ch2.md 골든 프롬프트 3-1 제3장 (3.6절, p. 32) 해들리 위컴의 Tidy Data 롱 포맷 모의 데이터셋 생성 11_AI_Golden_Prompts_Ch3.md 골든 프롬프트 4-1 제4장 (4.16절, p. 55) 신호 대 잡음비 기반 t-검정 및 ANOVA F-비 수리 해독 16_AI_Golden_Prompts_Ch4.md 골든 프롬프트 5-1 제5장 (5.3절, p. 62) 다중 회귀분석 계수(B, β), VIF 공선성, Two-Way ANOVA 해독 21_multiple_regression.py 골든 프롬프트 6-1 제6장 (6.5절, p. 77) 정규성 위반 시 맨-휘트니 U 및 5,000회 붓스트랩 신뢰구간 방어 22_nonparametric_bootstrap.py 골든 프롬프트 7-1 제7장 (7.4절, p. 86) 통계 결과표로부터 4단계 가설 중심 학술 서사 문단 추출 26_AI_Golden_Prompts_Full.md 골든 프롬프트 8-1 제8장 (8.1절, p. 89) IMRaD 섹션별(서론, 방법, 결과, 논의) 고밀도 학술 초안 생성 26_AI_Golden_Prompts_Full.md 골든 프롬프트 9-1 제9장 (9.4절, p. 98) 심사위원 피드백 정중한 반박 및 3단 리비전 대조표 작성 23_manuscript_auditor.py 💾 독자 실습 자료실 & AI 연구 데이터셋 자동 생성기 OPEN-SOURCE REPOSITORY • 원클릭 AI 데이터셋 생성기: 터미널에서 python generate_all_synthetic_datasets.py를 실행하면 전권 6개 CSV 데이터셋이 1초 만에 자동 생성됩니다. • 3대 초보자 환경 세팅 가이드: 00_AI_데이터_생성_및_환경세팅_매뉴얼.md에서 Google Colab(0-설치 웹), VS Code, ChatGPT 노코드 실습법을 확인하세요. • 영구 보존 자료실: 모든 파이썬 스크립트, 데이터셋, JSON 스키마는 독자 실습 자료실(/03_공용_코드_및_도판/독자_실습_ 자료실/)에 영구 탑재되어 있습니다. PRACTICAL APPENDICES · APPENDIX D 115

APPENDIX E · MASTER GLOSSARY 1 부록 E. 리서치 통계 & AI 분석 종합 정밀 용어 사전 (Part 1) 연구 설계, 변수 통제, 4대 측정 척도, 가설 수립 및 1·2종 오류의 실전 판단 기준 영문 용어 (English) 한국어 표준 표기 기호 핵심 개념 및 수리 정의 연구 현장 실전 팁 및 오류 회피법 Operational Definition 조작적 정의 — '집중력', '피로도' 같은 추상적 개념을 '반응시간(ms)', '오류율(%)'처럼 직접 측정 가능한 구체적 물리 지표로 규정하는 작업. 조작적 정의가 모호하면 통계 분석이 완벽해도 심사에서 100% 리젝됩니다. 반드시 선행연구에서 검증된 측정 프로토콜을 인용하십시오. Null Hypothesis 영가설 (귀무가설) H₀ "두 집단 간에는 아무런 차이나 효과가 없다(μ₁ = μ₂)"고 가정하는 원점 가설. 통계적 기각의 대상. 우리는 효과를 직접 증명하는 것이 아니라, 영가설(우연의 장난)이 일어날 확률(p)이 5% 미만임을 입증해 영가설을 파괴합니다. Alternative Hypothesis 대립가설 (연구가설) H₁ 연구자가 실제로 증명하고자 하는 가설("신약 처치가 인지 속도를 유의하게 단축시킬 것이다, μ₁ ≠ μ₂"). 방향성을 예측하지 않은 양측 검정 (Two-tailed)을 기본 원칙으로 설정하고, 선행연구가 강력할 때만 단측(One-tailed)을 고려합니다. Independent Variable 독립변수 (원인변수) IV, X 연구자가 의도적으로 조작 (Manipulate)하거나 집단을 구분하는 원인 요인(예: 교육 방법 A/B, 약물 투여량). 외생변수와의 혼동을 막기 위해 처치 수준(Levels)을 명확히 고정해야 합니다. (범주형 수준 2개 → t-검정, 3개 이상 → ANOVA) Dependent Variable 종속변수 (결과변수) DV, Y 독립변수의 처치로 인해 변화할 것으로 예상되는 결과 측정치(예: 시험 성적, 완치율, 작업 시간). 종속변수의 측정 척도(등간/비율)를 반드시 확인하십시오. 명목/서열 척도에 t-검정을 돌리는 것은 치명적 통계 오류입니다. Confounding Variable 교란변수 (혼재변수) CV 독립변수와 종속변수 모두에 동시에 영향을 미쳐, 마치 두 변수 간 인과관계가 있는 것처럼 착시를 일으키는 제3의 외생변인. 연구 설계 단계에서 무작위 배정 (Randomization), 짝짓기 (Matching), 공분산분석 (ANCOVA)으로 반드시 사전에 통제해야 합니다. Type I Error 제1종 오류 (위양성) α 실제로는 아무 효과가 없는데도(H₀ 참), 우연에 속아 "효과가 있다"고 잘못 판단하는 거짓 경보(False Alarm). 학술 기준선은 관례적으로 α = .05(5%)로 설정하며, 다중 비교 시 본페로니나 투키 보정으로 FWER 팽창을 막아야 합니다. Type II Error & Power 제2종 오류 & 검정력 β, 1-β 실제 약효가 존재하는데도(H₀ 거짓), 표본이 부족해 효과를 놓치는 오류 (β)와 참된 효과를 검출해 낼 확률(1- β). 표준 검정력 1-β = 0.80을 확보하기 위해 실험 전 G*Power로 사전 표본수(N)를 산출하고 15% 탈락 버퍼를 더하십시오. PRACTICAL APPENDICES · APPENDIX E (1/4) 116

APPENDIX E · MASTER GLOSSARY 2 부록 E. 리서치 통계 & AI 분석 종합 정밀 용어 사전 (Part 2) 표본오차, 중심극한정리, t-검정 패밀리, 분산분석(ANOVA) 및 튜키 사후검정의 선택 성격 영문 용어 (English) 한국어 표준 표기 기호 핵심 개념 및 수리 정의 연구 현장 실전 팁 및 오류 회피법 Standard Error 표준오차 SE 모집단에서 무한히 표본(N)을 뽑았을 때 '표본평균들의 출렁임 정도(분포 표준편차)'를 나타내는 척도 (SE = s / √n). 개별 환자 점수의 흩어짐(SD)과 표본평균의 불확실성(SE)을 혼용하지 마십시오. 표본 수 N이 커지면 SE는 0에 가깝게 수렴합니다. Central Limit Theorem 중심극한정리 CLT 모집단이 어떤 기괴한 분포(비정규, 왜도)를 띠더라도, 표본 크기 n ≥ 30이면 표본평균들의 분포는 거의 완벽한 정규분포를 따른다는 정리. 원자료가 비정규라도 n ≥ 30이면 평균 비교(t, ANOVA)가 성립하는 수학적 근거입니다. 단, 극단적 이상치가 없을 때만 유효합니다. Degrees of Freedom 자유도 df 표본 통계량(평균 등)을 계산할 때, 전체 데이터 중 다른 값에 구속되지 않고 '자유롭게 변할 수 있는 관측값의 개수' (df = N - 1). 의자 뺏기 게임 비유: 평균 1개를 고정하면 마지막 1명의 점수는 자동으로 결정됩니다. 분산, t, F 계산 시 분모를 왜곡 없이 보정합니다. Independent t- test 독립표본 t-검정 t 서로 다른 독립된 두 집단(남남)의 모평균이 통계적으로 유의미하게 분리되어 있는가를 검정 (t = (¯X₁ - ¯X₂) / SE_pooled). 등분산 검정(Levene)을 확인하십시오. p < .05로 분산이 다르면 반드시 자유도를 소수점으로 조정한 웰치(Welch) t-검정을 인용해야 합니다. Paired Samples t-test 대응표본 t-검정 t 동일 피험자가 2회 측정(사전-사후) 받았을 때, 개인차 체질 잡음을 소거하고 차이값(Δ)의 평균이 0과 다른지 검정. 동일 피험자에게 독립표본 t를 돌리면 검정력이 붕괴됩니다. 차이값 (Δ)의 정규성만 만족되면 미세한 전후 약효를 완벽히 찾아냅니다. One-Way ANOVA 일원 분산분석 F 독립변수 1개의 범주가 3개 이상일 때, 집단 간 분산(MSB)과 집단 내 분산(MSW)의 비율(F = MSB / MSW)로 일괄 유의성을 검정. 집단이 3개일 때 t-검정을 3번 돌리지 마십시오! ANOVA로 전체 F-검정이 통과(p < .05)된 이후에만 후속 사후검정(Post-hoc)을 수행합니다. Two-Way ANOVA 이원배치 분산분석 F_A, F_B, F_AB 서로 다른 2개의 독립변수(요인)가 종속변수에 미치는 각각의 주효과 (Main Effect)와 두 요인의 결합 상호작용 효과를 동시 검정. 상호작용 효과(Interaction, A×B) 가 유의하면 주효과 해석은 보류하고, 조건별 단순 주효과 (Simple Main Effect)를 분석해야 합니다. Post-Hoc Test (Tukey) 사후검정 (튜키 HSD) HSD ANOVA가 유의할 때, 1종 오류 팽창 (α)을 엄격히 통제하면서 "정확히 어느 집단과 어느 집단 사이에 차이가 터졌는가?"를 전수 짝대조. 모든 집단 크기가 같을 때는 Tukey HSD가 최강이며, 집단 크기가 다를 때는 Tukey-Kramer나 Bonferroni, Scheffe를 적용합니다. PRACTICAL APPENDICES · APPENDIX E (2/4) 117

APPENDIX E · MASTER GLOSSARY 3 부록 E. 리서치 통계 & AI 분석 종합 정밀 용어 사전 (Part 3) 다중회귀 계수(B, β), VIF 다중공선성, 잔차 진단, 비모수 순위 검정 및 몬테카를로 붓스트랩 영문 용어 (English) 한국어 표준 표기 기호 핵심 개념 및 수리 정의 연구 현장 실전 팁 및 오류 회피법 Multiple Regression 다중 선형 회귀분석 R², B 여러 개의 독립변수(X₁, X₂, ...)가 연속형 종속변수(Y)를 설명· 예측하는 최적의 회귀 평면을 최소제곱법(OLS)으로 도출. 현실 세계의 성과 예측은 비표준화 계수(B)로, 변수 간 상대적 중요도 랭킹은 단위를 통일한 표준화 계수 (β)로 보고합니다. Coefficient of Determination 결정계수 & 수정 결정계수 R², Adj- R² 회귀 모형이 종속변수의 총변동 (SST)을 설명해 낸 비율. 변수가 추가될 때마다 무조건 증가하는 왜곡을 보정한 것이 Adj-R². 변수를 무의미하게 많이 넣으면 R²는 거짓으로 상승합니다. 다중회귀 논문에서는 항상 자유도를 보정한 수정 결정계수(Adjusted R²)를 인용하십시오. Multicollinearity & VIF 다중공선성 & 분산팽창인자 VIF 독립변수들끼리 지나치게 강한 상관관계를 가져, 회귀계수의 표준오차가 폭발하고 부호가 뒤집히는 통계적 공멸 현상. VIF > 10(보수적으로는 > 5)이면 다중공선성 적색경보입니다. 상관이 높은 두 변수 중 하나를 제거하거나 주성분분석(PCA)으로 압축해야 합니다. Residual & Homoscedasticity 잔차 & 등분산성 진단 e_i, ±2 SD 실제 관측값과 회귀선 예측값의 차이(오차). 등분산성은 예측값의 크기와 무관하게 잔차의 흩어짐 폭이 균일해야 함을 의미. 잔차 산점도에서 나팔꽃(Fan- shape) 모양으로 폭이 벌어지면 등분산성 위반입니다. 종속변수를 로그 변환(Log)하거나 가중회귀 (WLS)를 적용하십시오. Mann-Whitney U Test 맨-휘트니 U 검정 U, W 독립표본 t-검정의 비모수 대안. 수치 대신 모든 데이터의 순위 (Rank)를 매긴 뒤 두 집단의 순위 합을 비교하여 위치 차이를 검정. 표본 크기가 작고(n < 30) 정규성이 깨진 리커트 척도 설문 데이터에서 두 집단 차이를 검정할 때 가장 안전하고 신뢰할 수 있는 무기입니다. Wilcoxon Signed- Rank 윌콕슨 부호순위 검정 W, Z 대응표본 t-검정의 비모수 대안. 동일 피험자의 사전-사후 차이값에 부호와 순위를 매겨 중위수 (Median)의 유의미한 변화를 검정. 처치 전후 평가에서 극단적 이상치가 존재하여 차이값의 정규성이 붕괴되었을 때, 이상치에 왜곡되지 않고 처치 효과를 방어해 냅니다. Kruskal-Wallis Test 크루스칼-월리스 검정 H 일원 분산분석(One-Way ANOVA)의 비모수 대안. 3개 이상 집단의 원자료를 통합 순위로 치환하여 H-통계량을 계산. H-검정이 유의할 때(p < .05), 어떤 집단 간에 차이가 났는지는 비모수 전용 사후검정인 던 사후검정 (Dunn's Test)을 수행합니다. Monte Carlo Bootstrapping 몬테카를로 붓스트래핑 BCa CI 정규분포 가정 없이, 관측 데이터를 하나의 작은 모집단으로 보고 컴퓨터가 5,000회 이상 복원추출을 반복해 실증적 신뢰구간을 추출. AI 데이터 분석의 최첨단 표준 기법입니다. 95% BCa 신뢰구간에 0이 포함되지 않으면(예: [12.4, 45.8]) 어떠한 심사위원도 반박할 수 없습니다. PRACTICAL APPENDICES · APPENDIX E (3/4) 118

APPENDIX E · MASTER GLOSSARY 4 부록 E. 리서치 통계 & AI 분석 종합 정밀 용어 사전 (Part 4) Tidy Data 원칙, 효과 크기(d, η²), p-값의 진정한 의미 및 생성형 AI 다이렉트 드로잉 영문 용어 (English) 한국어 표준 표기 기호 핵심 개념 및 수리 정의 연구 현장 실전 팁 및 오류 회피법 Tidy Data Architecture Tidy Data 3원칙 — 해들리 위컴의 데이터 정돈 철학: (1) 각 변수는 하나의 열, (2) 각 관측치는 하나의 행, (3) 각 값은 하나의 셀에 담기는 직사각형 구조. 엑셀의 셀 병합, 색상 라벨, 다중 헤더를 제거하고 롱 포맷(Long Format)으로 정돈해야 파이썬 판다스와 AI가 데이터를 1초 만에 파싱합니다. Cohen's d 코헨의 d (효과 크기) d 두 집단 평균 차이를 합동 표준편차로 나눈 표준화 효과 크기 (d = (¯X₁ - ¯X₂) / s_p). 표본 수 N의 영향을 받지 않는 순수 크기. 0.2는 작은 효과, 0.5는 중간 효과, 0.8 이상은 큰 효과입니다. 표본 10만 명으로 억지 p < .05를 만든 가짜 유의성을 색출하는 핵심 잣대입니다. Eta-Squared & Partial η² 에타제곱 & 부분에타제곱 η², η_p² ANOVA에서 종속변수의 총변동 중 특정 독립변수의 처치 효과가 순수하게 설명해 낸 변동의 지분율 (η² = SSB / SST). 이원 ANOVA에서는 다른 요인의 변동을 통제한 부분 에타제곱 (Partial η²)을 보고하여 요인의 독립적 설명 기여도를 입증합니다. p-Value Fallacy p-값의 올바른 해석과 착각 p 영가설(H₀)이 참이라는 전제하에, 현재 관측된 것만큼 극단적인 표본 데이터가 우연히 나타날 확률. "p = .03이므로 영가설이 맞을 확률이 3%다"는 100% 오답입니다! p-값은 효과의 크기나 중요도를 말해주지 않으므로 효과 크기와 병기해야 합니다. Log Transformation 로그 변환 (정규화) log₁₀(x) 소득, 반응시간처럼 오른쪽으로 극심하게 늘어진 양의 왜도 (Skewness) 데이터에 로그를 취해 대칭 정규분포로 펴내는 수학적 기법. 데이터에 0이나 음수가 있을 때는 log(x + 1)을 취합니다. 왜도를 2.0 이상에서 0.5 미만으로 억제하여 모수 통계의 가정을 방어합니다. Reproducibility Crisis 재현성 위기 & 오픈 사이언스 — 과거 유명 저널 논문들이 데이터 조작(p-hacking)으로 인해 후속 연구에서 재현되지 못하는 과학계의 근본적 신뢰성 붕괴 위기. 본서의 파이프라인처럼 원시 CSV 데이터셋, 전처리 파이썬 스크립트, AI 프롬프트를 공개(Open- Science)하여 재현 가능성을 완벽히 보증해야 합니다. AI Direct Charting 생성형 AI 다이렉트 드로잉 — Claude, ChatGPT, Gemini, DeepSeek 등의 내장 코드 인터프리터를 통해, CSV 파일로부터 브라우저 창에 300 DPI 차트를 직접 렌더링하는 기법. "코드만 보여주지 말고 화면에 완성된 차트 이미지를 직접 렌더링하라"는 강제 지침을 프롬프트 최상단에 배치하여 1초 출력을 강제합니다. Multimodal Statistical AI 멀티모달 통계 인텔리전스 — 수치 표(Table), 코드(Code), 시각화 도판(Chart), 학술 서사 (Storytelling)를 넘나들며 연구자의 분석과 집필을 가속하는 통합 AI 프레임워크. 통계 분석의 계산 노동은 AI에게 위임하고, 연구자는 '가설 수립, 실험 설계, 인과적 통찰, 사회적 함의'라는 고유한 지적 탐구에 집중하십시오. PRACTICAL APPENDICES · APPENDIX E (4/4) 119

AUTHOR BIOGRAPHY & OFFICIAL COLOPHON 저자 신승엽 심층 프로필 & 2026 공식 판권지 아르떼영 대표이사 · 멀티 AI 에이전트 시스템 아키텍트 · 실증 리서치 방법론 전문가 신승엽 (Seungyoub Ssin) 공학박사 아르떼영(Arte Young) 대표이사(CEO) · AI 시스템 설계 전문가 인공지능 소프트웨어 전문 기업 아르떼영(Arte Young)의 대표이사(CEO & Head of Engineering)로서 최신 LLM 및 자율형 멀티 AI 에이전트(Multi-Agent Systems) 아키텍처를 직접 설계·개발하고 다양한 상용 지능형 솔루션을 퍼블리싱한 AI 시스템 총괄 리더입니다. 호주 University of South Australia (UniSA)에서 정보통신공학(CIS) 박사 학위를 취득하고, 한국과학기술원(KAIST) 포스트메타버스연구센터 연구조교수 및 증강현실연구센터 연구원을 역임하였으며, 네오위즈·웹젠 등 10여 년간 대규모 상용 분산 서버 개발 리더로서 특허 3건을 등록했습니다. 집필 철학: "AI 에이전트 개발 실무와 수리적 연구 방법론의 결합으로, 연구자가 수식의 공포 없이 생성형 AI를 페어 연구원으로 지휘하여 가설 검증과 IMRaD 논문 스토리텔링을 완결하도록 돕습니다." 리서치 통계와 생성형 AI 실험설계부터 가설검증과 스토리텔링까지 발행일 2026년 10월 05일 초판 1쇄 발행 지은이 신승엽 발행처 퍼플 출판등록 제300-2012-167호 (2012년 09월 07일) 주 소 서울시 종로구 종로1가 1번지 대표전화 1544-1900 홈페이지 www.kyobobook.co.kr 정 가 22,000원 저작권 안내 ⓒ 신승엽 2026. 본 책 내용의 전부 또는 일부를 재사용하려면 반드시 저작권자의 사전 서면 동의를 받아야 합니다. 본 도서는 저작권법에 의해 보호를 받는 저작물이므로 무단 복제 및 전재를 금합니다. 수록된 파이썬 코드 및 AI 프롬프트는 독자의 학술 연구 및 비영리 학습 목적으로 자유롭게 실행·수정할 수 있습니다. OFFICIAL PURPLE COLOPHON 2026 · PAGE 120 120

[쉽게 읽는 챕터 길잡이: 통계 검정 선택 원페이지 결정 순서도 & 핵심 통계 기호·수식 총정리]

AI 기반 연구 설계와 데이터 스토리텔링 가설 검정 실무 — 본 챕터에서는 핵심 개념과 체계적인 실무 원칙을 바탕으로, 이론적 배경부터 실전 적용까지 누구나 막힘없이 이해하고 직관적으로 실행할 수 있도록 명확한 로드맵을 제공합니다.

📊 공식 독자 실습 데이터셋 & AI 골든 프롬프트 허브

본 도서와 블로그에 수록된 100대 실전 프롬프트 치트시트, 합성 데이터 CSV 파일(Shorts, Energy Drink, Reaction Time, NLP Reviews), R & Python 분석 스크립트는 공식 실습실에서 무료 다운로드하실 수 있습니다.

📁 리서치 통계 사령탑 홈 바로가기 →