スチューデントのt分布

スチューデントのt分布

成長中 AI Skill PRO

計算を入力してください

公式

f(x)=Γ(ν+12)νπΓ(ν2)(1+x2ν)−ν+12f(\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}}
計算手順を表示 (1)
  1. 累積分布関数(CDF)

    F(x)=1−12Iz(ν2,12)ここで{z=νν+x2ν=自由度\begin{gathered} F(\text{x}) = 1 - \tfrac{1}{2}\,I_{z}\!\left(\tfrac{\nu}{2},\tfrac{1}{2}\right) \\[1.5em] \text{ここで}\quad \left\{ \begin{aligned} z &= \dfrac{{\nu}}{{\nu} + \text{x}^{2}} \\ \nu &= \text{自由度} \end{aligned} \right. \end{gathered}

    正則化不完全ベータ関数 I を用いた下側確率。z = ν / (ν + x²)。x > 0 のときは、同じ式の半分を 1 から引いた値となる。

利用統計

広告

結果

確率密度 f(x)
0.230362
点 x におけるt分布の確率密度の値
下側累積確率 P(T ≤ x) 0.829553
上側累積確率 Q(T > x) 0.170447

このページの誤りを報告

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。

自由度の異なる釣鐘型のt分布曲線を正規分布曲線と比較した図
t分布は裾が厚い釣鐘型で、自由度が大きくなるほど正規分布の曲線に近づきます。

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。

広告
値xにおける下側CDF領域と上側の裾領域を塗り分けたt分布曲線
f(x)は曲線の高さ、P(T≤x)は左側の塗りつぶされた面積、Qは残る右側の裾です。

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。

広告

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。

最終更新:

数学と統計で人気の電卓

数学と統計の電卓をすべて見る