Распределение Стьюдента
Плотность вероятности
Функция распределения
Обозначение
t
(
n
)
{\displaystyle \mathrm {t} (n)\!}
Параметры
n
>
0
{\displaystyle n>0\!}
— число степеней свободы
Носитель
x
∈
(
−
∞
;
+
∞
)
{\displaystyle x\in (-\infty ;+\infty )\!}
Плотность вероятности
Γ
(
(
n
+
1
)
/
2
)
n
π
Γ
(
n
/
2
)
(
1
+
x
2
/
n
)
(
n
+
1
)
/
2
{\displaystyle {\frac {\Gamma ((n+1)/2)}{{\sqrt {n\pi }}\,\Gamma (n/2)\,(1+x^{2}/n)^{(n+1)/2}}}\!}
Функция распределения
1
2
+
x
Γ
(
(
n
+
1
)
/
2
)
π
n
Γ
(
n
/
2
)
{\displaystyle {\frac {1}{2}}+{\frac {x\Gamma \left((n+1)/2\right)}{{\sqrt {\pi n}}\,\Gamma (n/2)}}}
2
F
1
(
1
2
,
(
n
+
1
)
/
2
;
3
2
;
−
x
2
n
)
π
n
Γ
(
n
/
2
)
{\displaystyle {\frac {\,_{2}F_{1}\left({\frac {1}{2}},(n+1)/2;{\frac {3}{2}};-{\frac {x^{2}}{n}}\right)}{{\sqrt {\pi n}}\,\Gamma (n/2)}}}
где
2
F
1
{\displaystyle \,_{2}F_{1}}
— гипергеометрическая функция
Математическое ожидание
0
{\displaystyle 0\!}
, если
n
>
1
{\displaystyle n>1\!}
Медиана
0
{\displaystyle 0\!}
Мода
0
{\displaystyle 0\!}
Дисперсия
n
n
−
2
{\displaystyle {\frac {n}{n-2}}}
, если
n
>
2
{\displaystyle n>2\!}
Коэффициент асимметрии
0
{\displaystyle 0\!}
, если
n
>
3
{\displaystyle n>3\!}
Коэффициент эксцесса
6
n
−
4
{\displaystyle {\frac {6}{n-4}}\!}
, если
n
>
4
{\displaystyle n>4\!}
Дифференциальная энтропия
n
+
1
2
[
ψ
(
1
+
n
2
)
−
ψ
(
n
2
)
]
+
log
[
n
B
(
n
2
,
1
2
)
]
{\displaystyle {\begin{matrix}{\frac {n+1}{2}}\left[\psi ({\frac {1+n}{2}})-\psi ({\frac {n}{2}})\right]\\[0.5em]+\log {\left[{\sqrt {n}}B({\frac {n}{2}},{\frac {1}{2}})\right]}\end{matrix}}}
ψ
=
Γ
′
/
Γ
{\displaystyle \psi =\Gamma '/\Gamma }
,
B
{\displaystyle B}
: бета-функция
Производящая функция моментов
не определена
Характеристическая функция
Распределе́ние Стью́дента в теории вероятностей — это однопараметрическое семейство абсолютно непрерывных распределений . Названо в честь Уильяма Сили Госсета , который первым опубликовал работы, посвящённые распределению, под псевдонимом «Стьюдент».
Определение
Пусть
Y
0
,
Y
1
,
…
,
Y
n
{\displaystyle Y_{0},Y_{1},\ldots ,Y_{n}}
— независимые стандартные нормальные случайные величины , такие что
Y
i
∼
N
(
0
,
1
)
,
i
=
0
,
…
,
n
{\displaystyle Y_{i}\sim \mathrm {N} (0,1),\;i=0,\ldots ,n}
. Тогда распределение случайной величины
t
{\displaystyle t\!}
, где
t
=
Y
0
1
n
∑
i
=
1
n
Y
i
2
,
{\displaystyle t={\frac {Y_{0}}{\sqrt {{\frac {1}{n}}\sum \limits _{i=1}^{n}Y_{i}^{2}}}},}
называется распределением Стьюдента с
n
{\displaystyle n\!}
степенями свободы. Пишут
t
∼
t
(
n
)
{\displaystyle t\sim \mathrm {t} (n)\!}
. Её распределение абсолютно непрерывно и имеет плотность
f
t
(
y
)
=
Γ
(
n
+
1
2
)
π
n
Γ
(
n
2
)
(
1
+
y
2
n
)
−
n
+
1
2
{\displaystyle f_{t}(y)={\frac {\Gamma \left({\frac {n+1}{2}}\right)}{{\sqrt {\pi n}}\,\Gamma \left({\frac {n}{2}}\right)}}\,\left(1+{\frac {y^{2}}{n}}\right)^{-{\frac {n+1}{2}}}}
,
где
Γ
{\displaystyle \Gamma \!}
— гамма-функция Эйлера.
Свойства распределения Стьюдента
Распределение Стьюдента симметрично. В частности если
t
∼
t
(
n
)
{\displaystyle t\sim \mathrm {t} (n)\!}
, то
−
t
∼
t
(
−
n
)
{\displaystyle -t\sim \mathrm {t} (-n)\!}
.
Моменты
Случайная величина
t
∼
t
(
n
)
{\displaystyle t\sim \mathrm {t} (n)\!}
имеет только моменты порядков
k
<
n
{\displaystyle k<n\!}
, причём
E
[
t
k
]
=
0
{\displaystyle \mathbb {E} \left[t^{k}\right]=0}
, если
k
{\displaystyle k\!}
нечётно ;
E
[
t
k
]
=
Γ
(
k
+
1
2
)
Γ
(
n
−
k
2
)
n
k
/
2
π
Γ
(
n
2
)
{\displaystyle \mathbb {E} \left[t^{k}\right]={\frac {\Gamma ({\frac {k+1}{2}})\Gamma ({\frac {n-k}{2}})n^{k/2}}{{\sqrt {\pi }}\Gamma ({\frac {n}{2}})}}}
, если
k
{\displaystyle k\!}
чётно.
В частности,
E
[
t
]
=
0
{\displaystyle \mathbb {E} [t]=0}
,
D
[
t
]
=
n
n
−
2
{\displaystyle \mathrm {D} [t]={n \over n-2}}
, если
n
>
2
{\displaystyle n>2\!}
.
Моменты порядков
k
≥
n
{\displaystyle k\geq n}
не определены.
Связь с другими распределениями
Распределение Коши является частным случаем распределения Стьюдента:
t
(
1
)
≡
C
(
0
,
1
)
{\displaystyle \mathrm {t} (1)\equiv \mathrm {C} (0,1)}
.
Распределение Стьюдента сходится к стандартному нормальному при
n
→
∞
{\displaystyle n\to \infty }
. Пусть дана последовательность случайных величин
{
t
n
}
n
=
1
∞
{\displaystyle \{t_{n}\}_{n=1}^{\infty }}
, где
t
n
∼
t
(
n
)
,
n
∈
N
{\displaystyle t_{n}\sim \mathrm {t} (n),\;n\in \mathbb {N} }
. Тогда:
t
n
→
N
(
0
,
1
)
{\displaystyle t_{n}\to \mathrm {N} (0,1)}
по распределению при
n
→
∞
{\displaystyle n\to \infty }
.
Квадрат случайной величины, имеющей распределение Стьюдента, имеет распределение Фишера . Пусть
t
∼
t
(
n
)
{\displaystyle t\sim \mathrm {t} (n)}
. Тогда:
t
2
∼
F
(
1
,
n
)
{\displaystyle t^{2}\sim \mathrm {F} (1,n)}
.
Применение распределения Стьюдента
Распределение Стьюдента используется в статистике для точечного оценивания , построения доверительных интервалов и тестирования гипотез , касающихся неизвестного среднего статистической выборки из нормального распределения. В частности, пусть
X
1
,
…
,
X
n
{\displaystyle X_{1},\ldots ,X_{n}}
независимые случайные величины, такие что
X
i
∼
N
(
μ
,
σ
2
)
,
i
=
1
,
…
,
n
{\displaystyle X_{i}\sim \mathrm {N} (\mu ,\sigma ^{2}),\;i=1,\ldots ,n}
. Обозначим
X
¯
{\displaystyle {\bar {X}}}
выборочное среднее этой выборки, а
S
2
{\displaystyle S^{2}}
её выборочную дисперсию . Тогда
X
¯
−
μ
S
/
n
∼
t
(
n
−
1
)
{\displaystyle {\frac {{\bar {X}}-\mu }{S/{\sqrt {n}}}}\sim \mathrm {t} (n-1)}
.
Процентили
Таблицы значений
Таблица значений функций распределения Стьюдента