Распределение Стьюдента - что это такое, определение и понятие

T-распределение Стьюдента или t-распределение - это теоретическая модель, используемая для аппроксимации момента первого порядка нормально распределенной совокупности, когда размер выборки невелик и стандартное отклонение неизвестно.

Другими словами, t-распределение - это распределение вероятностей, которое оценивает значение среднего значения небольшой выборки, взятой из совокупности, которая следует нормальному распределению и для которой мы не знаем его стандартное отклонение.

Рекомендуемые статьи: степени свободы, степени свободы (пример) и нормальное распределение.

Формула t-распределения Стьюдента

Для непрерывной случайной величины L мы говорим, что частота ее наблюдений может быть удовлетворительно аппроксимирована t-распределением с g степенями свободы, таким, что:

Представление t-распределения Стьюдента

Функция плотности t-распределения с 3 степенями свободы (df).

Как мы видим, представление t-распределения очень похоже на нормальное распределение, за исключением того, что нормальное распределение имеет более широкие хвосты и более подкреплено. Другими словами, мы должны добавить больше степеней свободы к t-распределению, чтобы оно «росло» и больше походило на нормальное распределение.

Специальность

И… Почему t-распределение такое особенное?

Ну, потому что в отличие от нормального распределения, которое зависит от среднего и дисперсии, t-распределение зависит только от степеней свободы, от английского: степени свободы (df). Другими словами, контролируя степени свободы, мы контролируем распределение.

Заявление студента

Распределение t используется, когда:

  • Мы хотим оценить среднее значение нормально распределенной совокупности по небольшой выборке.
  • Размер выборки менее 30 элементов, то есть n <30.

Из 30 наблюдений t-распределение очень похоже на нормальное распределение, поэтому мы будем использовать нормальное распределение.

  • Стандартное отклонение генеральной совокупности неизвестно и должно быть оценено на основе наблюдений за выборкой.

Пример

Мы предполагаем, что у нас есть 28 наблюдений случайной величины G, которая следует t-распределению Стьюдента с 27 степенями свободы (df).

Математически,

Поскольку мы работаем с реальными данными, всегда будет ошибка аппроксимации между данными и распределением. Другими словами, среднее значение, медиана и мода не всегда будут равны нулю (0) или точно такие же.

Мы представляем частоту каждого наблюдения переменной G с помощью гистограммы.

Может ли случайная величина G аппроксимировать t-распределение?

Причины считать, что переменная G подчиняется распределению t:

  • Распределение симметричное. То есть справа и слева от центрального значения одинаковое количество наблюдений. Кроме того, среднее значение и медиана обычно близки к одному и тому же значению. Среднее значение примерно равно нулю, среднее = 0,016.
  • Наблюдения с наибольшей частотой или вероятностью находятся около центрального значения. Наблюдения с меньшей частотой или вероятностью далеки от центрального значения.

Популярные посты

Преимущества и недостатки повышения минимальной заработной платы

После многих лет политики жесткой бюджетной экономии и либерализации рынка труда большинство европейских стран теперь делают ставки на повышение минимальной заработной платы, чтобы восстановить покупательную способность рабочих. Таким образом, он стремится стимулировать внутреннее потребление и, таким образом, способствовать восстановлению экономики. В последние годы обзорПодробнее…