スチューデントのt分布計算とは
このツールは、指定した値 x(t統計量)と自由度 ν に対して、スチューデントのt分布を評価します。求まる値は次の3つです。確率密度 \(f(x)\)、下側累積確率 \(P(T \le x)\)、そして上側累積確率 \(Q = P(T > x) = 1 - P\) です。これは純粋な数学に基づく計算であり、国や地域に固有のルールは関係なく、どこでも普遍的に成り立ちます。
使い方
x には任意の実数(負の値も可)を入力し、自由度 ν には正の数を入力します。ν は 5、10、30 のような整数がよく使われますが、\(\nu > 0\) であれば小数でも構いません。計算ボタンを押すと、確率密度と両側の裾確率が得られます。ν が大きくなるにつれて、t分布は標準正規分布 \(N(0, 1)\) に近づいていきます。
計算式の解説
確率密度は $$f(\text{x}) = \frac{\Gamma\!\left(\frac{\nu+1}{2}\right)}{\sqrt{\nu\pi}\;\Gamma\!\left(\frac{\nu}{2}\right)}\left(1 + \frac{\text{x}^{2}}{\nu}\right)^{-\frac{\nu+1}{2}}$$ で表されます。ここで \(\Gamma\) はガンマ関数です。累積確率には正則化された不完全ベータ関数を用います。\(z = \dfrac{\nu}{\nu + \text{x}^{2}}\) とおくと、\(\text{x} \ge 0\) のときは \(P(T \le \text{x}) = 1 - \tfrac{1}{2}\,I_{z}\!\left(\tfrac{\nu}{2},\tfrac{1}{2}\right)\)、\(\text{x} < 0\) のときは \(\tfrac{1}{2}\,I_{z}\!\left(\tfrac{\nu}{2},\tfrac{1}{2}\right)\) となります。当サイトでは、ランチョス(Lanczos)の対数ガンマ近似を用いて確率密度を対数空間で計算し、不完全ベータ関数はレンツ(Lentz)の連分数法で求めることで、数値的な安定性を確保しています。
計算例
\(x = 1.0\)、\(\nu = 10\) の場合、確率密度は \(f(1) \approx 0.2304\) となります。下側累積確率は \(P(T \le 1.0) \approx 0.8303\) なので、上側累積確率は \(Q \approx 0.1697\) です。これは一般的なt分布表の値と一致します。
t分布の臨界値
この表は、上側確率 P(T > t) が列の見出しの値に等しくなるような値 t を示します。両側の有意水準は片側の有意水準の2倍です。これらは標準的な教科書の値で、小数点以下3桁に丸めてあります。
| 自由度 (ν) | 0.10(両側 0.20) | 0.05(両側 0.10) | 0.025(両側 0.05) | 0.01(両側 0.02) | 0.005(両側 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 |
| ∞(正規分布) | 1.282 | 1.645 | 1.960 | 2.326 | 2.576 |
自由度が大きくなるにつれて、臨界値は最終行の標準正規分布の値に向かって小さくなります。
出力の解釈
- 確率密度 f(x)は、x における曲線の高さです。これは確率ではありません。連続分布の場合、確率は値の間の曲線下の面積から求められます。
- 下側累積確率 P(T ≤ x)は、x より左側の面積です。上側確率 Q = 1 − Pは、x より右側の面積です。
- 片側 p 値:観測された t 統計量について、正の統計量の右側検定では Q が p 値になります。負の t を用いる左側検定では、p 値は P(T ≤ t) です。
- 両側 p 値:分布は対称で両方の裾が対象となるため、|x| で計算した 2Q を使います。
- 対称性:t 分布は 0 を中心に対称なので、P(T ≤ −x) = Q(x) = 1 − P(T ≤ x) であり、f(−x) = f(x) です。
- α = 0.05 での臨界値との比較:両側検定では、|t| が片側 0.025 の臨界値を超えたときに棄却します(例:自由度 10 では 2.228、自由度 30 では 2.042)。α = 0.05 の片側検定では 0.05 の列を使います(例:自由度 10 では 1.812)。言い換えれば、p 値が 0.05 未満であることと同じです。
- 裾の重さ:ν が小さいほど、極端な値は正規曲線の場合よりも起こりやすくなります。x = 2 のとき、Q は自由度 5 で約 0.0510 であるのに対し、正規分布では 0.0228 です。ν が大きくなると、t 分布は標準正規分布に近づきます。
両側検定の規則の例:自由度 5 で |t| = 2 の場合、Q ≈ 0.0510 なので、両側 p 値は約 2 × 0.0510 = 0.102 となり、0.05 より大きくなります。
よくある質問
自由度 ν は整数でなくてもよいですか? はい。この式は \(\nu > 0\) の任意の実数で成り立ちます。当計算機は小数の自由度も受け付けます。
上側累積確率は何を表しますか? 分布の右側の裾の面積、すなわち \(P(T > x)\) を表します。x が正の場合の両側p値を求めたいときは、\(2\cdot Q\) を使います。
なぜ ν が大きいと正規分布の曲線のように見えるのですか? 自由度が大きくなると、t分布特有の厚い裾が薄くなり、標準正規分布に近づいていくためです。