Lesson 9 of 22

그러면 이 자료로 무엇을 할 수 있나

가설을 세우는 자료와 가설을 검정하는 자료는 다르다

8강의 결론은 우울합니다 — 이 설계로는 유의성을 말할 수 없다. 그러면 이 자료는 버려야 할까요?

아닙니다. 쓸 데가 다를 뿐입니다.

✅ 이 자료가 잘하는 것

가설을 만든다 — "KD+PD1 에서 NK세포가 는다" 는 구체적이고 검증 가능한 가설
지도를 그린다 — 이 종양에 어떤 세포가 있는지
크기를 어림한다 — 다음 실험에 몇 마리가 필요한지
세포 안을 본다 — 한 생쥐 안에서 세포유형끼리 견주기

❌ 이 자료가 못하는 것

유의성을 말한다 — 표본이 하나씩
처리 효과를 추정한다 — 생쥐 효과와 뒤엉켜 있다
일반화한다 — 이 네 마리 너머로

단일세포 실험의 정상적인 쓰임새가 왼쪽입니다. 비싸서 개체를 많이 못 쓰니까요. 문제는 왼쪽으로 해 놓고 오른쪽처럼 쓰는 것입니다.

High school가설을 세우는 자료와 검정하는 자료는 다르다

8강의 결론은 우울하다 — 이 설계로는 유의성을 말할 수 없다. 그럼 이 자료는 쓸모가 없나? 그렇지 않다.

	가설 생성	가설 검정
목적	무엇을 볼지 정함	그것이 참인지 판정
필요한 것	깊이 · 폭	반복 · 사전 계획
표본 수	적어도 됨	충분해야
다중 비교	덜 엄격해도 됨	엄격히
이 자료는	훌륭함	부적합

자료를 버리는 것이 아니라 그 자료에 맞는 물음을 고르는 것이다

한 개체 안의 추정은 정직합니다. 그 구간이 무엇을 뜻하는지만 정확히 적으면 됩니다.

Python Runs in your browser

import im
import numpy as np

# ① 한 생쥐 안에서 견주는 것은 문제가 없다
c = im.cells()
s = "KD_PD1"
d = c[c["표본"] == s]
print(f"{s} 한 마리 안에서 — 세포유형끼리 견주기")
print()
v = d["세포유형"].value_counts()
for ct in v.index[:6]:
    n = v[ct]
    se = np.sqrt(n) / len(d) * 100          # 뽑기 잡음만의 표준오차
    print(f"  {ct:<16}{n/len(d)*100:>6.2f}%  ± {1.96*se:.2f}  (세포 {n:,})")
print()
print("이 구간은 '이 생쥐에서 세포를 더 뽑으면 얼마나 흔들릴까' 입니다.")
print("생쥐를 더 잡으면 얼마나 흔들릴까 — 그건 아닙니다.")

예비 자료의 가장 큰 쓸모가 이것입니다 — 다음 실험의 크기를 정하는 것.

Python Runs in your browser

import im
import numpy as np

# ② 다음 실험에 몇 마리가 필요한지 어림한다
# 관측된 차이가 진짜라고 치고, 개체 사이 변동을 가정해 본다
obs_wt, obs_kd = 2.27, 21.08          # 전체 37,585개로 잰 림프계 %

print("다음 실험 설계 — 개체 사이 표준편차를 얼마로 가정하느냐에 달렸다")
print()
print(f"{'개체 SD':>10}{'효과/SD':>10}{'80% 검정력에 필요한 마리 수':>26}")
print("-" * 48)
for sd in [2, 4, 6, 8, 12]:
    d_eff = (obs_kd - obs_wt) / sd
    n = 2 * ((1.96 + 0.84) / d_eff) ** 2      # 두 군 비교의 대략식
    print(f"{sd:>9}%{d_eff:>10.2f}{np.ceil(n):>22.0f} 마리씩")
print()
print("차이가 워낙 커서 개체 변동이 크더라도 군마다 3~5 마리면 됩니다.")
print("즉 이 실험은 '못 할 실험' 이 아니었습니다 — 안 한 것이죠.")

High school탐색 자료가 할 수 있는 일

할 수 있는 것	예
무엇이 있는지 목록화	세포유형 19가지 확인
예상 못 한 것 발견	새 아형 · 이상한 군집
효과 크기 추정	다음 실험의 검정력 계산에 필요
어느 세포를 볼지 정함	후속 실험의 표적
측정 방법 검증	표지가 잘 잡히나

세 번째가 실무적으로 아주 중요하다

다음 실험에 생쥐가 몇 마리 필요한지 계산하려면 효과 크기 추정치가 있어야 한다.

이 자료가 없으면 그 계산을 못 한다. 탐색 실험은 확증 실험의 설계도를 만든다.

작은 실험의 값어치는 큰 실험을 제대로 설계하게 해 주는 데 있다

High school그래서 문장을 어떻게 써야 하나

쓰면 안 되는 문장	쓸 수 있는 문장
병용이 림프계 침윤을 유의하게 늘렸다	병용 표본에서 림프계 비율이 약 9배 높았다
시너지가 확인되었다	단독보다 병용에서 큰 변화가 관찰되어 시너지를 시사한다
M1 전환이 일어난다	M1 유사 표지의 상대 비율이 증가했다

오른쪽 문장의 공통점

전부 관찰의 서술 이지 일반적 주장 이 아니다. "이 표본에서" 라는 범위가 들어 있다.

그리고 "시사한다" 같은 표현으로 확신의 정도 를 낮춘다. 약해 보이지만 정확한 것이다.

문장의 강도를 증거의 강도에 맞추는 것이 과학 글쓰기의 핵심이다

🎮 필요한 표본 수 계산기

효과 크기와 개체 변동을 넣어 보세요. 몇 마리가 필요한지 바로 나옵니다.

High school이 강의가 자료를 버리지 않는 이유

"n=1 이니 아무 말도 하지 말자" 는 태도도 옳지 않다. 그러면 모든 탐색 연구를 버려야 한다.

극단 1	극단 2	이 강의
p 값을 붙여 확정	아무 말도 안 함	크기와 범위를 명시해 보고

과학의 진행 방식

관찰 → 가설 → 설계 → 검정 → 결론. 탐색 자료는 앞의 두 단계 를 담당한다. 그 단계 없이는 뒤의 단계도 없다.

문제는 단계를 건너뛰는 것이다. 관찰에서 바로 결론으로 가는 것.

각 단계의 자료로 그 단계의 말을 하면 된다 — 건너뛰지만 않으면

🤔 Check yourself

한 생쥐 안에서 계산한 95% 신뢰구간이 뜻하는 것은?

🤔 Check yourself

표본이 부족한 단일세포 실험의 정상적인 쓰임새는?

🤔 Check yourself

검정력 계산 결과 '군마다 3~5마리면 충분' 이었다는 것이 뜻하는 것은?