Калькулятор t-распределения Стьюдента

Калькулятор t-распределения Стьюдента

Растущий AI Skill PRO

Введите расчет

Математическая формула

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}}
Показать шаги расчёта (1)
  1. Кумулятивная функция распределения (CDF)

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

    Вероятность в нижнем хвосте через регуляризованную неполную бета-функцию I; z = ν / (ν + x²). При x > 0 значение равно 1 минус половина того же выражения.

Статистика использования

Реклама

Результаты

Плотность вероятности f(x)
0,230362
значение плотности t-распределения в точке x
Нижняя кумулятивная вероятность P(T ≤ x) 0,829553
Верхняя кумулятивная вероятность Q(T > x) 0,170447

Сообщить об ошибке на этой странице

Что такое калькулятор t-распределения Стьюдента?

Этот инструмент рассчитывает распределение Стьюдента для заданного значения x (t-статистики) и числа степеней свободы ν. Он возвращает три величины: плотность вероятности f(x), нижнюю кумулятивную вероятность P(T ≤ x) и верхнюю кумулятивную вероятность Q = P(T > x) = 1 − P. Это чистая математика, которая работает одинаково во всём мире — никаких региональных правил здесь нет.

Колоколообразные кривые t-распределения с разным числом степеней свободы в сравнении с нормальной кривой
Распределение Стьюдента имеет колоколообразную форму с более тяжёлыми хвостами; с ростом числа степеней свободы оно приближается к нормальной кривой.

Как пользоваться калькулятором

Введите любое действительное число для x (оно может быть отрицательным) и положительное число для степеней свободы ν (обычно это целое число — например, 5, 10 или 30, но допустимо любое \(\nu > 0\)). Нажмите «Рассчитать», чтобы получить плотность и обе хвостовые вероятности. С ростом \(\nu\) распределение всё больше приближается к стандартному нормальному \(N(0, 1)\).

Разбор формулы

Плотность задаётся выражением $$f(\text{x}) = \frac{\Gamma\!\left(\frac{\nu+1}{2}\right)}{\sqrt{\nu\pi}\;\Gamma\!\left(\frac{\nu}{2}\right)}\left(1 + \frac{\text{x}^{2}}{\nu}\right)^{-\frac{\nu+1}{2}}$$ где \(\Gamma\) — гамма-функция. Кумулятивная вероятность вычисляется через регуляризованную неполную бета-функцию: при \(z = \nu/(\nu + \text{x}^{2})\) имеем \(P(T \le \text{x}) = 1 - \tfrac{1}{2}\,I_{z}(\nu/2, 1/2)\) для \(\text{x} \ge 0\) и \(P(T \le \text{x}) = \tfrac{1}{2}\,I_{z}(\nu/2, 1/2)\) для \(\text{x} < 0\). Плотность мы считаем в логарифмическом пространстве с помощью аппроксимации логарифма гамма-функции по Ланцошу, а неполную бета-функцию — через цепную дробь Ленца, что обеспечивает высокую численную устойчивость.

Реклама
Кривая t-распределения с закрашенной нижней областью CDF и областью верхнего хвоста в точке x
f(x) — высота кривой, P(T≤x) — закрашенная площадь слева, а Q — оставшийся правый хвост.

Пример расчёта

Пусть \(\text{x} = 1.0\) и \(\nu = 10\): плотность \(f(1) \approx 0{,}2304\). Нижняя кумулятивная вероятность \(P(T \le 1.0) \approx 0{,}8303\), поэтому верхняя кумулятивная вероятность \(Q \approx 0{,}1697\) — эти значения совпадают со стандартными таблицами t-распределения.

Частые вопросы

Может ли ν быть нецелым? Да. Формула справедлива для любого действительного \(\nu > 0\), и калькулятор принимает дробное число степеней свободы.

Что означает верхняя кумулятивная вероятность? Это площадь правого хвоста, \(P(T > \text{x})\). Чтобы получить двустороннее p-значение при положительном x, нужно использовать \(2\cdot Q\).

Почему при больших ν график похож на нормальную кривую? С увеличением числа степеней свободы тяжёлые хвосты t-распределения «сжимаются», и оно стремится к стандартному нормальному распределению.

Реклама

Критические значения t-распределения

В таблице приведено значение t, при котором вероятность верхнего хвоста P(T > t) равна заголовку столбца. Уровень для двустороннего теста вдвое больше уровня для одностороннего. Это стандартные табличные значения, округлённые до трёх знаков после запятой.

df (ν) 0,10 (двусторонний 0,20) 0,05 (двусторонний 0,10) 0,025 (двусторонний 0,05) 0,01 (двусторонний 0,02) 0,005 (двусторонний 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
∞ (нормальное) 1,282 1,645 1,960 2,326 2,576

По мере роста числа степеней свободы критические значения уменьшаются и приближаются к стандартным нормальным значениям в последней строке.

Интерпретация результатов

  • Плотность f(x) — это высота кривой в точке x. Она не является вероятностью; для непрерывного распределения вероятности получаются как площади под кривой между значениями.
  • Нижняя кумулятивная P(T ≤ x) — это площадь слева от x. Верхний хвост Q = 1 − P — это площадь справа от x.
  • Односторонний p-значение: для наблюдаемой статистики t величина Q (для положительной статистики в правостороннем тесте) является p-значением. Для левостороннего теста при отрицательном t p-значение равно P(T ≤ t).
  • Двустороннее p-значение: используйте 2Q, вычисленное при |x|, поскольку распределение симметрично и учитываются оба хвоста.
  • Симметрия: t-распределение симметрично относительно 0, поэтому P(T ≤ −x) = Q(x) = 1 − P(T ≤ x) и f(−x) = f(x).
  • Сравнение с критическими значениями при α = 0,05: двусторонний тест отвергает гипотезу, когда |t| превышает одностороннее критическое значение для 0,025 (например, 2,228 при df = 10 или 2,042 при df = 30). Односторонний тест при α = 0,05 использует столбец 0,05 (например, 1,812 при df = 10). Иначе говоря, p-значение меньше 0,05.
  • Тяжёлые хвосты: при малых ν экстремальные значения более вероятны, чем по нормальной кривой. При x = 2 величина Q составляет около 0,0510 при df = 5, против 0,0228 для нормального распределения. По мере роста ν t-распределение приближается к стандартному нормальному.

Пример двустороннего правила: при df = 5 и |t| = 2 величина Q ≈ 0,0510, поэтому двустороннее p-значение составляет около 2 × 0,0510 = 0,102, что больше 0,05.

Последнее обновление:

Самые популярные в разделе Математика и статистика

Все калькуляторы раздела Математика и статистика