機率與統計 · 學生t分配

學生t分配

自由度為ν的t分配,是從同一個常態母體N(μ, σ²)獨立抽取的n = ν + 1個值的標準化平均值(x̄ − μ)/(s/√n)在用樣本s代替σ時的分布。它像標準常態,但尾巴更厚;ν越大越接近常態。

t分配與本頁畫面

從同一個常態母體N(μ,σ2)N(\mu, \sigma^2)中獨立抽取nn個值,標準化的平均值(xˉ−μ)/(σ/n)(\bar{x} - \mu)/(\sigma/\sqrt{n})服從標準常態分布。實際中σ\sigma不知道,用樣本自己的標準差ss代替,得到的T=(xˉ−μ)/(s/n)T = (\bar{x} - \mu)/(s/\sqrt{n})服從自由度ν=n−1\nu = n - 1的t分配(學生t分配)。它的密度是fν(t)∝(1+t2/ν)−(ν+1)/2f_\nu(t) \propto (1 + t^2/\nu)^{-(\nu+1)/2}。本頁把它畫成紅線,疊在墨色的標準常態上,並畫出你選的截斷點之外的尾部和兩個95%臨界值。

尾巴為甚麼更厚

樣本標準差每個樣本都不一樣,碰巧偏小時,比值就被放大。所以TT取到大值比常態變數更常見,而且越往外差得越多:常態密度按e−t2/2e^{-t^2/2}下降,t密度只按tt的冪下降。於是95%臨界值t∗t^*比1.96大;用ss卻仍乘1.96的信賴區間或檢定,聲稱的把握比實際的大。

自由度變大時

資料越多,ss越貼近σ\sigma,t分配越接近標準常態。這個接近是逐漸的:t∗−z∗t^* - z^*(z∗≈1.96z^* \approx 1.96)大致與1/ν1/\nu成比例地縮小,所以ν\nu大了以後每加倍一次約減半;沒有哪個樣本量能讓兩者完全相同。精確的結論要求資料是從同一個常態母體獨立抽取的;別的資料只能用t分配近似,樣本平均值越接近常態,近似越好。

值得注意

  • 自由度為1的t分配就是柯西分布,它的平均值不存在。
  • 30不是魔法數:ν = 29時臨界值仍約為2.045。

操作

  • 拖橫軸上的三角改截斷點;左右方向鍵每次移動0.01。

相關概念