Генератор случайных чисел по t-распределению Стьюдента

Генератор случайных чисел по t-распределению Стьюдента

Развивающийся AI Skill PRO

Введите расчет

Математическая формула

T=Z·vXгде{Z∼N(0,1)X∼χv2=гамма(v2,2)N=Количествозначений\begin{gathered} T = Z \cdot \sqrt{\dfrac{\text{v}}{X}} \\[1.5em] \text{где}\quad \left\{ \begin{aligned} Z &\sim \mathcal{N}(0,\,1) \\ X &\sim \chi^{2}_{\text{v}} = \text{гамма}\!\left(\tfrac{\text{v}}{2},\, 2\right) \\ N &= \text{Количество}\ \text{значений} \end{aligned} \right. \end{gathered}
Статистика использования

Реклама

Результаты

Сгенерированные случайные значения
0.9577197044, 0.4161813906, 0.03850822566, -2.236686633, -1.102154466, 0.4763137454, 1.381216793, -1.498386737, -3.626878479, 0.9233627435
Выборка из t-распределения Стьюдента
Сгенерировано значений 10
Число степеней свободы (v) 2
Выборочное среднее -0,42708

Сообщить об ошибке на этой странице

Что делает этот инструмент

Этот генератор выдаёт список псевдослучайных чисел, взятых из t-распределения Стьюдента с заданным числом степеней свободы (\(v\)). Распределение Стьюдента — это симметричная колоколообразная кривая с более «тяжёлыми хвостами», чем у стандартного нормального распределения. Оно естественным образом появляется при оценке среднего нормально распределённой совокупности по небольшой выборке с неизвестной дисперсией и лежит в основе t-критерия и доверительных интервалов. По мере роста \(v\) t-распределение сходится к стандартному нормальному \(\mathcal{N}(0,1)\). Это чисто математический инструмент без каких-либо региональных привязок.

Как пользоваться

Укажите число степеней свободы \(v\) (любое вещественное число больше 0; по умолчанию 2) и нужное количество случайных значений (целое число от 1 до 1000; по умолчанию 10). Нажмите «Рассчитать» — и вы получите свежий список значений, распределённых по Стьюденту. Поскольку базовые равномерные числа случайны, при каждом запуске вы получаете разные значения, но все они подчиняются одному и тому же целевому распределению.

Гистограмма сгенерированных значений, приближающая гладкую кривую t-распределения
Сгенерированные значения образуют гистограмму, близкую к колоколообразному t-распределению.

Разбор формулы

Плотность задаётся выражением \(f(x,v) = (1 + x^{2}/v)^{-(v+1)/2}\), делённым на \(\sqrt{v}\), умноженное на \(B(1/2, v/2)\), где \(B\) — бета-функция. Для эффективной выборки применяется классическое представление: берём \(Z\) из стандартного нормального распределения и \(C\) из распределения хи-квадрат с \(v\) степенями свободы, тогда величина $$ T = Z \cdot \sqrt{\dfrac{v}{C}} $$ в точности следует распределению Стьюдента. Внутри \(Z\) получается с помощью преобразования Бокса — Мюллера, а \(C\) — из генератора \(\text{Gamma}(v/2, 2)\) (метод Марсальи — Цанга), что справедливо для любого вещественного \(v > 0\).

Реклама
Блок-схема: нормальная случайная величина и величина хи-квадрат объединяются в значение с t-распределением
Каждое значение с t-распределением получается из стандартной нормальной величины Z и величины хи-квадрат C, нормированной на число степеней свободы.

Разбор примера

Пусть \(v = 2\) и один запуск даёт \(Z = 0{,}50\) и значение хи-квадрат \(C = 1{,}20\). Тогда $$ T = 0{,}50 \cdot \sqrt{\dfrac{2}{1{,}20}} = 0{,}50 \cdot 1{,}29099 = 0{,}6455 $$ Вторая пара \(Z = -1{,}10\), \(C = 3{,}00\) даёт \(T = -0{,}8982\), а третья \(Z = 0{,}20\), \(C = 0{,}40\) даёт \(T = 0{,}4472\). Эти три значения иллюстрируют выборку при \(\text{count} = 3\).

Реклама
Колоколообразная кривая t-распределения Стьюдента в сравнении с нормальной кривой: видны более тяжёлые хвосты
У t-распределения Стьюдента (сплошная линия) хвосты тяжелее, чем у нормального распределения (пунктир), особенно при малом числе степеней свободы.

Частые вопросы

Почему некоторые значения такие большие? При \(v \le 1\) среднее не определено, а при \(v \le 2\) дисперсия бесконечна, поэтому значения большой величины — это ожидаемое поведение, а не ошибка.

Почему результаты меняются при каждом запуске? Каждое значение использует новые случайные равномерные числа, поэтому список каждый раз отличается, оставаясь при этом верным распределению Стьюдента.

А если \(v\) очень велико? Тогда распределение ведёт себя практически так же, как стандартное нормальное \(\mathcal{N}(0,1)\).

Последнее обновление:

Самые популярные в разделе Математика и статистика

Все калькуляторы раздела Математика и статистика