Student t-Dağılımı Hesaplayıcı nedir?
Bu araç, belirli bir x değeri (t istatistiği) ve ν serbestlik derecesi için Student t-dağılımını hesaplar. Üç sonuç döndürür: olasılık yoğunluğu f(x), alt kümülatif olasılık P(T ≤ x) ve üst kümülatif olasılık Q = P(T > x) = 1 − P. Bu tamamen matematiksel bir hesaplamadır ve evrensel olarak geçerlidir; ülkeye özgü hiçbir kural söz konusu değildir.
Nasıl kullanılır?
x için herhangi bir reel sayı (negatif olabilir) ve serbestlik derecesi ν için pozitif bir sayı (genellikle 5, 10 veya 30 gibi bir tam sayı, ancak \(\nu > 0\) olan her değer kabul edilir) girin. Yoğunluğu ve her iki kuyruk olasılığını elde etmek için hesapla düğmesine basın. ν büyüdükçe dağılım, standart normal dağılım N(0, 1)'e yakınsar.
Formülün açıklaması
Yoğunluk şu şekilde verilir:
$$f(\text{x}) = \frac{\Gamma\!\left(\frac{\nu+1}{2}\right)}{\sqrt{\nu\pi}\;\Gamma\!\left(\frac{\nu}{2}\right)}\left(1 + \frac{\text{x}^{2}}{\nu}\right)^{-\frac{\nu+1}{2}}$$burada Γ gama fonksiyonudur. Kümülatif olasılık, düzenlenmiş eksik beta fonksiyonunu kullanır: \(z = \frac{\nu}{\nu + \text{x}^{2}}\) olmak üzere, \(\text{x} \ge 0\) için \(P(T \le \text{x}) = 1 - \tfrac{1}{2}\,I_{z}\!\left(\tfrac{\nu}{2}, \tfrac{1}{2}\right)\) ve \(\text{x} < 0\) için \(\tfrac{1}{2}\,I_{z}\!\left(\tfrac{\nu}{2}, \tfrac{1}{2}\right)\). Yoğunluğu, sayısal kararlılık için Lanczos log-gama yaklaşımıyla logaritmik uzayda; eksik beta fonksiyonunu ise Lentz sürekli kesirleriyle hesaplıyoruz.
Örnek çözüm
\(\text{x} = 1.0\) ve \(\nu = 10\) için: yoğunluk \(f(1) \approx 0.2304\) olur. Alt kümülatif olasılık \(P(T \le 1.0) \approx 0.8303\) olduğundan, üst kümülatif olasılık \(Q \approx 0.1697\) değerine ulaşır; bu da standart t-tablolarıyla birebir örtüşür.
t-Dağılımının Kritik Değerleri
Tablo, üst kuyruk olasılığı P(T > t) değerinin sütun başlığına eşit olduğu t değerini verir. İki kuyruklu düzey, tek kuyruklu düzeyin iki katıdır. Bunlar üç ondalık basamağa yuvarlanmış standart ders kitabı değerleridir.
| Serbestlik derecesi (ν) | 0,10 (iki kuyruklu 0,20) | 0,05 (iki kuyruklu 0,10) | 0,025 (iki kuyruklu 0,05) | 0,01 (iki kuyruklu 0,02) | 0,005 (iki kuyruklu 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 |
| ∞ (normal) | 1,282 | 1,645 | 1,960 | 2,326 | 2,576 |
Serbestlik derecesi arttıkça, kritik değerler son satırdaki standart normal değerlere doğru azalır.
Çıktının Yorumlanması
- Yoğunluk f(x), eğrinin x noktasındaki yüksekliğidir. Bu bir olasılık değildir; sürekli bir dağılımda olasılıklar, değerler arasındaki eğri altındaki alanlardan elde edilir.
- Alt birikimli P(T ≤ x), x'in solundaki alandır. Üst kuyruk Q = 1 − P, x'in sağındaki alandır.
- Tek kuyruklu p-değeri: gözlenen bir t istatistiği için, sağ kuyruklu bir testte pozitif istatistik için Q, p-değeridir. Negatif t ile sol kuyruklu bir testte p-değeri P(T ≤ t)'dir.
- İki kuyruklu p-değeri: dağılım 0 etrafında simetrik olduğu ve her iki kuyruk da sayıldığı için |x| noktasında hesaplanan 2Q kullanılır.
- Simetri: t-dağılımı 0 etrafında simetriktir; dolayısıyla P(T ≤ −x) = Q(x) = 1 − P(T ≤ x) ve f(−x) = f(x)'tir.
- α = 0,05'te kritik değerlerle karşılaştırma: iki kuyruklu bir test, |t| değerinin 0,025 tek kuyruklu kritik değerini aştığında reddeder (örneğin df = 10 için 2,228 veya df = 30 için 2,042). α = 0,05'te tek kuyruklu bir test 0,05 sütununu kullanır (örneğin df = 10 için 1,812). Eşdeğer olarak, p-değeri 0,05'ten küçüktür.
- Ağır kuyruklar: küçük ν değerlerinde, uç değerler normal eğriye göre daha olasıdır. x = 2 noktasında, df = 5 için Q yaklaşık 0,0510'dur; normal dağılım için ise 0,0228'dir. ν arttıkça t-dağılımı standart normale yaklaşır.
İki kuyruklu kuralın örneği: df = 5 ve |t| = 2 ile Q ≈ 0,0510'dur; dolayısıyla iki kuyruklu p-değeri yaklaşık 2 × 0,0510 = 0,102'dir ve bu değer 0,05'in üzerindedir.
Sıkça Sorulan Sorular
ν tam sayı olmak zorunda mı? Hayır. Formül, \(\nu > 0\) olan her reel değer için geçerlidir; hesap aracı ondalıklı serbestlik derecelerini de kabul eder.
Üst kümülatif olasılık ne anlama gelir? Sağ kuyruktaki alanı, yani P(T > x) değerini ifade eder. Pozitif bir x için iki yönlü p-değeri istiyorsanız \(2 \cdot Q\) kullanırsınız.
Büyük ν değerlerinde neden normal eğriye benziyor? Serbestlik derecesi arttıkça t-dağılımının kalın kuyrukları incelir ve dağılım standart normal dağılıma yaklaşır.