논증

끝까지 남은 사람만 보면 효과가 커질까?

두 집단에서 빠진 사람을 관측자만·모두 실패·모두 성공으로 놓아 결론이 어디까지 움직이는지 확인합니다.

그림에서 무엇을 볼까요?

A와 B 각 100명에서 결과가 확인된 인원과 빠진 인원을 나누고 성공률의 최저·관측·최고 범위를 비교한 그림

프로그램 A와 B에 각각 100명을 배정했다고 합시다. A는 80명의 결과가 확인되어 70명이 성공했고, B는 90명이 확인되어 72명이 성공했습니다. 관측된 사람만 나누면 A는 70÷80, 약 88%이고 B는 72÷90, 80%입니다. 표면상 A가 8%포인트 앞섭니다.

그러나 A에서 20명, B에서 10명의 결과가 비어 있습니다. 결과가 빠진 이유가 프로그램 만족도나 실패 가능성과 연결되면 관측자만의 비율은 전체 배정 집단을 대표하지 못합니다. 특히 두 집단의 결측 비율이 다르면 단순 비교의 균형도 깨집니다.

함께 확인할 점

A와 B에 100명씩 배정한 자체 자료입니다. 결측값 대체법을 추천하는 실제 연구 분석이 아닙니다.

생각해 볼 질문

내가 보는 성과 자료에서 처음 대상자·결과 확인자·빠진 사람과 이유를 각각 적어 보세요.

함께 볼 그림

표본 수 25, 100, 400에서 평균 50의 좁아지는 신뢰구간과 다음 한 관측값의 넓게 남는 예측구간을 같은 축에 비교한 그림

평균을 정확히 알면 다음 한 사람의 값도 좁게 맞힐 수 있을까?

누적 표본 40, 60, 80, 100명의 p값 0.180, 0.090, 0.041, 0.032를 매번 0.05, 100명에서 한 번, 네 번 보정 0.0125 규칙으로 판단하는 그림

유의해진 순간 멈추면 오류율도 그대로일까?

1기부터 4기까지 40, 42, 44, 46으로 늘던 반환 누락과 정책 뒤 42, 43, 44, 45의 관측값, 기존 추세를 연장한 48, 50, 52, 54의 반사실 값을 함께 표시한 그림

정책 뒤 수치가 떨어지면 정책 효과라고 말해도 될까?

← 논증 그림 더 보기