ما هي حاسبة توزيع ستيودنت t؟
تتيح لك هذه الأداة تقييم توزيع ستيودنت t عند قيمة معيّنة x (أي إحصائية t) ودرجات حرية ν. وهي تُرجِع ثلاث قيم: كثافة الاحتمال f(x)، والاحتمال التراكمي الأدنى P(T ≤ x)، والاحتمال التراكمي الأعلى Q = P(T > x) = 1 − P. وهذا حساب رياضي بحت ينطبق في كل مكان دون أي قواعد خاصة بدولة أو منطقة معيّنة.
طريقة الاستخدام
أدخل أي عدد حقيقي للقيمة \(x\) (ويمكن أن يكون سالبًا)، وعددًا موجبًا لدرجات الحرية \(\nu\) (وغالبًا ما يكون عددًا صحيحًا مثل 5 أو 10 أو 30، لكن أي قيمة \(\nu > 0\) مقبولة). ثم اضغط على زر الحساب للحصول على الكثافة واحتمالَي الذيلين. وكلما زادت قيمة \(\nu\) اقترب التوزيع من التوزيع الطبيعي المعياري N(0, 1).
شرح المعادلة
تُعطى الكثافة بالعلاقة
$$f(\text{x}) = \frac{\Gamma\!\left(\frac{\nu+1}{2}\right)}{\sqrt{\nu\pi}\;\Gamma\!\left(\frac{\nu}{2}\right)}\left(1 + \frac{\text{x}^{2}}{\nu}\right)^{-\frac{\nu+1}{2}}$$حيث \(\Gamma\) هي دالة غاما. أما الاحتمال التراكمي فيعتمد على دالة بيتا الناقصة المنظَّمة: بوضع \(z = \nu/(\nu + \text{x}^{2})\)، يكون \(P(T \le x) = 1 - \tfrac{1}{2}\,I_{z}(\tfrac{\nu}{2}, \tfrac{1}{2})\) عندما \(x \ge 0\)، ويكون \(\tfrac{1}{2}\,I_{z}(\tfrac{\nu}{2}, \tfrac{1}{2})\) عندما \(x < 0\). ونحسب الكثافة في الفضاء اللوغاريتمي باستخدام تقريب لانتزوس لِلوغاريتم دالة غاما، ونحسب دالة بيتا الناقصة عبر كسر لِنتز المستمر لضمان الاستقرار العددي.
مثال محلول
عند \(x = 1.0\) و\(\nu = 10\): تكون الكثافة \(f(1) \approx 0.2304\). ويبلغ الاحتمال التراكمي الأدنى \(P(T \le 1.0) \approx 0.8303\)، ومن ثمّ يكون الاحتمال التراكمي الأعلى \(Q \approx 0.1697\)، وهي قيم تتطابق مع جداول t المعيارية.
القيم الحرجة لتوزيع t
يعطي الجدول القيمة t بحيث يساوي احتمال الذيل العلوي P(T > t) عنوان العمود. مستوى الاختبار ذو الذيلين يساوي ضعف مستوى الاختبار ذي الذيل الواحد. هذه قيم مرجعية قياسية في الكتب الدراسية مقرّبة إلى ثلاث خانات عشرية.
| درجات الحرية (ν) | 0.10 (ذو الذيلين 0.20) | 0.05 (ذو الذيلين 0.10) | 0.025 (ذو الذيلين 0.05) | 0.01 (ذو الذيلين 0.02) | 0.005 (ذو الذيلين 0.01) |
|---|---|---|---|---|---|
| 1 | 3.078 | 6.314 | 12.706 | 31.821 | 63.657 |
| 2 | 1.886 | 2.920 | 4.303 | 6.965 | 9.925 |
| 3 | 1.638 | 2.353 | 3.182 | 4.541 | 5.841 |
| 5 | 1.476 | 2.015 | 2.571 | 3.365 | 4.032 |
| 10 | 1.372 | 1.812 | 2.228 | 2.764 | 3.169 |
| 15 | 1.341 | 1.753 | 2.131 | 2.602 | 2.947 |
| 20 | 1.325 | 1.725 | 2.086 | 2.528 | 2.845 |
| 30 | 1.310 | 1.697 | 2.042 | 2.457 | 2.750 |
| 60 | 1.296 | 1.671 | 2.000 | 2.390 | 2.660 |
| 120 | 1.289 | 1.658 | 1.980 | 2.358 | 2.617 |
| ∞ (طبيعي) | 1.282 | 1.645 | 1.960 | 2.326 | 2.576 |
مع زيادة درجات الحرية، تتناقص القيم الحرجة نحو القيم الطبيعية المعيارية الموجودة في الصف الأخير.
تفسير المخرجات
- الكثافة f(x) هي ارتفاع المنحنى عند x. وهي ليست احتمالاً؛ففي التوزيع المستمر تُستمد الاحتمالات من المساحات تحت المنحنى بين القيم.
- التراكمي الأدنى P(T ≤ x) هو المساحة إلى يسار x. الذيل العلوي Q = 1 − P هو المساحة إلى يمين x.
- القيمة الاحتمالية (p-value) لذيل واحد: بالنسبة لإحصائية t مرصودة، تكون Q (لإحصائية موجبة في اختبار ذي ذيل أيمن) هي القيمة الاحتمالية. في اختبار ذي ذيل أيسر مع t سالبة، تكون القيمة الاحتمالية هي P(T ≤ t).
- القيمة الاحتمالية لذيلين: استخدم 2Q محسوبة عند |x|، لأن التوزيع متماثل وكلا الذيلين يُحتسبان.
- التماثل: توزيع t متماثل حول 0، لذلك P(T ≤ −x) = Q(x) = 1 − P(T ≤ x)، و f(−x) = f(x).
- المقارنة مع القيم الحرجة عند α = 0.05: يرفض الاختبار ذو الذيلين عندما تتجاوز |t| القيمة الحرجة للذيل الواحد عند 0.025 (مثلاً 2.228 عند df = 10، أو 2.042 عند df = 30). يستخدم الاختبار ذو الذيل الواحد عند α = 0.05 عمود 0.05 (مثلاً 1.812 عند df = 10). وبالمثل، تكون القيمة الاحتمالية أقل من 0.05.
- الذيول الثقيلة: عند ν الصغيرة، تكون القيم المتطرفة أكثر احتمالاً مما هي عليه تحت المنحنى الطبيعي. عند x = 2، تبلغ Q نحو 0.0510 عند df = 5 مقابل 0.0228 للتوزيع الطبيعي. ومع زيادة ν، يقترب توزيع t من التوزيع الطبيعي المعياري.
مثال على قاعدة الذيلين: مع df = 5 و |t| = 2، تكون Q ≈ 0.0510، لذا فإن القيمة الاحتمالية لذيلين تقارب 2 × 0.0510 = 0.102، وهي أعلى من 0.05.
الأسئلة الشائعة
هل يمكن أن تكون \(\nu\) عددًا غير صحيح؟ نعم. فالمعادلة صحيحة لأي قيمة حقيقية \(\nu > 0\)، والحاسبة تقبل درجات الحرية العشرية.
ماذا يعني الاحتمال التراكمي الأعلى؟ إنه المساحة الواقعة في الذيل الأيمن، أي \(P(T > x)\). وللحصول على قيمة p ثنائية الجانب عند قيمة x موجبة، تستخدم \(2\cdot Q\).
لماذا يبدو المنحنى مثل المنحنى الطبيعي عند قيم \(\nu\) الكبيرة؟ مع ازدياد درجات الحرية تتقلّص الذيول الثقيلة لتوزيع t، فيقترب تدريجيًا من التوزيع الطبيعي المعياري.