스튜던트 t-분포 계산기

스튜던트 t-분포 계산기

성장 중 AI Skill PRO

계산 입력

공식

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}}
계산 단계 보기 (1)
  1. 누적분포함수(CDF)

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

    정규화 불완전 베타 함수 I를 이용한 하측 확률; z = ν / (ν + x²). x > 0이면 같은 식의 절반을 1에서 뺀 값이다.

사용 통계

광고

결과

확률밀도 f(x)
0.230362
x에서의 t-분포 밀도값
하측 누적확률 P(T ≤ x) 0.829553
상측 누적확률 Q(T > x) 0.170447

이 페이지의 오류 신고

스튜던트 t-분포 계산기란?

이 도구는 주어진 값 x(t 통계량)와 자유도 ν에 대해 스튜던트 t-분포를 계산합니다. 결과로는 세 가지 값을 제공합니다. 바로 확률밀도 \(f(x)\), 하측 누적확률 \(P(T \le x)\), 그리고 상측 누적확률 \(Q = P(T > x) = 1 - P\) 입니다. 이는 순수한 수학 계산으로 전 세계 어디서나 동일하게 적용되며, 특정 국가의 규정이 개입하지 않습니다.

자유도가 서로 다른 종 모양 t-분포 곡선을 정규 곡선과 비교한 그림
t-분포는 꼬리가 두꺼운 종 모양이며, 자유도가 커질수록 정규 곡선에 가까워집니다.

사용 방법

x에는 임의의 실수를 입력하면 됩니다(음수도 가능합니다). 자유도 ν에는 양수를 입력하는데, 보통 5, 10, 30과 같은 정수를 많이 쓰지만 \(\nu > 0\)인 어떤 값도 받아들입니다. '계산' 버튼을 누르면 확률밀도와 양쪽 꼬리확률을 모두 얻을 수 있습니다. 자유도 ν가 커질수록 분포는 표준정규분포 \(N(0, 1)\)에 가까워집니다.

공식 설명

확률밀도는 $$f(\text{x}) = \frac{\Gamma\!\left(\frac{\nu+1}{2}\right)}{\sqrt{\nu\pi}\;\Gamma\!\left(\frac{\nu}{2}\right)}\left(1 + \frac{\text{x}^{2}}{\nu}\right)^{-\frac{\nu+1}{2}}$$ 로 정의되며, 여기서 \(\Gamma\)는 감마함수입니다. 누적확률은 정규화 불완전 베타함수를 이용합니다. \(z = \nu/(\nu + \text{x}^{2})\)라 할 때, \(\text{x} \ge 0\)이면 \(P(T \le \text{x}) = 1 - \tfrac{1}{2}\cdot I_{z}(\nu/2, 1/2)\), \(\text{x} < 0\)이면 \(P(T \le \text{x}) = \tfrac{1}{2}\cdot I_{z}(\nu/2, 1/2)\) 입니다. 본 계산기는 수치적 안정성을 위해 란초스(Lanczos) 로그-감마 근사를 사용해 로그 공간에서 밀도를 계산하고, 불완전 베타함수는 렌츠(Lentz) 연분수 알고리즘으로 구합니다.

광고
값 x에서 음영 처리된 하위 CDF 영역과 상위 꼬리 영역을 보여주는 t-분포 곡선
f(x)는 곡선의 높이, P(T≤x)는 왼쪽의 음영 영역, Q는 남은 오른쪽 꼬리입니다.

계산 예시

\(\text{x} = 1.0\), \(\nu = 10\)인 경우를 살펴보겠습니다. 확률밀도는 \(f(1) \approx 0.2304\) 입니다. 하측 누적확률은 \(P(T \le 1.0) \approx 0.8303\) 이므로 상측 누적확률은 \(Q \approx 0.1697\) 이 되며, 이는 표준 t-분포표 값과 정확히 일치합니다.

t 분포의 임계값

이 표는 상측 꼬리 확률 P(T > t)가 열 제목과 같아지는 값 t를 보여 줍니다. 양측 유의수준은 단측 유의수준의 두 배입니다. 이 값들은 소수점 셋째 자리까지 반올림한 표준 교과서 값입니다.

자유도 (ν) 0.10 (양측 0.20) 0.05 (양측 0.10) 0.025 (양측 0.05) 0.01 (양측 0.02) 0.005 (양측 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
∞ (정규분포) 1.282 1.645 1.960 2.326 2.576

자유도가 커질수록 임계값은 마지막 행의 표준 정규분포 값으로 감소합니다.

광고

출력 결과 해석

  • 밀도 f(x)는 x에서 곡선의 높이입니다. 확률이 아니며, 연속분포에서 확률은 값들 사이의 곡선 아래 면적으로 구합니다.
  • 하측 누적확률 P(T ≤ x)는 x의 왼쪽 면적입니다. 상측 꼬리 Q = 1 − P는 x의 오른쪽 면적입니다.
  • 단측 p-값: 관측된 t 통계량에 대해, 우측 꼬리 검정에서 양수 통계량이면 Q가 p-값입니다. 음수 t를 갖는 좌측 꼬리 검정에서는 p-값이 P(T ≤ t)입니다.
  • 양측 p-값: 분포가 대칭이고 두 꼬리 모두 포함되므로 |x|에서 계산한 2Q를 사용합니다.
  • 대칭성: t 분포는 0을 기준으로 대칭이므로 P(T ≤ −x) = Q(x) = 1 − P(T ≤ x)이고, f(−x) = f(x)입니다.
  • α = 0.05에서 임계값과 비교: 양측 검정은 |t|가 단측 0.025 임계값을 넘으면 기각합니다(예: 자유도 10에서 2.228, 자유도 30에서 2.042). α = 0.05의 단측 검정은 0.05 열을 사용합니다(예: 자유도 10에서 1.812). 이는 p-값이 0.05보다 작은 것과 같습니다.
  • 두꺼운 꼬리: ν가 작을수록 극단적인 값이 정규곡선에서보다 더 자주 나타납니다. x = 2에서 Q는 자유도 5일 때 약 0.0510이고, 정규분포에서는 0.0228입니다. ν가 커질수록 t 분포는 표준 정규분포에 가까워집니다.

양측 규칙의 예: 자유도 5이고 |t| = 2이면 Q ≈ 0.0510이므로 양측 p-값은 약 2 × 0.0510 = 0.102이며, 이는 0.05보다 큽니다.

자주 묻는 질문

자유도 ν가 정수가 아니어도 되나요? 됩니다. 공식은 \(\nu > 0\)인 모든 실수에 대해 유효하며, 본 계산기는 소수점 자유도도 입력받습니다.

상측 누적확률은 무엇을 의미하나요? 오른쪽 꼬리 부분의 면적, 즉 \(P(T > \text{x})\)를 뜻합니다. x가 양수일 때 양측 p-값을 구하려면 \(2\cdot Q\)를 사용하면 됩니다.

자유도 ν가 크면 왜 정규분포 곡선처럼 보이나요? 자유도가 커질수록 t-분포의 두꺼운 꼬리가 점점 얇아지면서 표준정규분포에 가까워지기 때문입니다.

최종 업데이트:

수학 및 통계 인기 계산기

수학 및 통계 계산기 전체 보기