t分布的一般公式
发布时间：2026-01-05 11:06:50
•
编辑：项飘希
•
导读 【t分布的一般公式】在统计学中，t分布（Student s t-distribution）是一种概率分布，常用于小样本的假设检验和置信区间估计。它由威廉·戈塞特（William Sealy Gosset）在1908年提出，当时他以“学生”（Student）为笔名发表论文，因此得名。t分布与正态分布相似，但具有更宽的尾部，以反映小样本数据中的不确定性。
【t分布的一般公式】在统计学中，t分布（Student's t-distribution）是一种概率分布，常用于小样本的假设检验和置信区间估计。它由威廉·戈塞特（William Sealy Gosset）在1908年提出，当时他以“学生”（Student）为笔名发表论文，因此得名。t分布与正态分布相似，但具有更宽的尾部，以反映小样本数据中的不确定性。
t分布的概率密度函数（PDF）是其核心表达式，能够描述随机变量在不同取值下的概率密度。该公式如下：
$$
f(t) = \frac{\Gamma\left(\frac{\nu + 1}{2}\right)}{\sqrt{\nu \pi} \, \Gamma\left(\frac{\nu}{2}\right)} \left(1 + \frac{t^2}{\nu}\right)^{-\frac{\nu + 1}{2}}
$$
其中：
- $ t $ 是标准正态分布的变量；
- $ \nu $ 是自由度（degrees of freedom），通常等于样本容量减一；
- $ \Gamma $ 表示伽马函数（Gamma function）。
t分布的期望值为0，方差为 $ \frac{\nu}{\nu - 2} $，当自由度 $ \nu > 2 $ 时成立。随着自由度增加，t分布逐渐接近标准正态分布。
t分布一般公式的总结表
| 公式名称 | 公式表达式 |
| 概率密度函数 | $ f(t) = \frac{\Gamma\left(\frac{\nu + 1}{2}\right)}{\sqrt{\nu \pi} \, \Gamma\left(\frac{\nu}{2}\right)} \left(1 + \frac{t^2}{\nu}\right)^{-\frac{\nu + 1}{2}} $ |
| 期望值 | $ E(t) = 0 $（当 $ \nu > 1 $ 时） |
| 方差 | $ Var(t) = \frac{\nu}{\nu - 2} $（当 $ \nu > 2 $ 时） |
| 自由度参数 | $ \nu $，通常等于样本容量减一 |