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.
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.
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.
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.