Máy tính phân phối t-Student

Máy tính phân phối t-Student

Đang tăng trưởng AI Skill PRO

Nhập phép tính

Công thức

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}}
Xem các bước tính (1)
  1. Hàm phân phối tích lũy (CDF)

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

    Xác suất phía dưới theo hàm beta không đầy đủ chính quy hóa I; z = ν / (ν + x²). Với x > 0, giá trị bằng 1 trừ đi một nửa của cùng biểu thức đó.

Thống kê sử dụng

Quảng cáo

Kết quả

Hàm mật độ xác suất f(x)
0,230362
giá trị mật độ phân phối t tại x
Xác suất tích lũy dưới P(T ≤ x) 0,829553
Xác suất tích lũy trên Q(T > x) 0,170447

Báo lỗi nội dung trang này

Máy tính phân phối t-Student là gì?

Công cụ này tính phân phối t-Student tại một giá trị x cho trước (thống kê t) và bậc tự do ν. Kết quả gồm ba đại lượng: hàm mật độ xác suất f(x), xác suất tích lũy dưới P(T ≤ x) và xác suất tích lũy trên Q = P(T > x) = 1 − P. Đây hoàn toàn là toán học thuần túy nên áp dụng được ở mọi nơi; không liên quan đến quy định riêng của bất kỳ quốc gia nào.

Các đường cong phân phối t hình chuông với bậc tự do khác nhau so với đường cong chuẩn
Phân phối t có dạng hình chuông với đuôi dày hơn; nó tiến đến đường cong chuẩn khi số bậc tự do tăng lên.

Cách sử dụng

Nhập một số thực bất kỳ cho x (có thể là số âm) và một số dương cho bậc tự do ν (thường là số nguyên như 5, 10 hay 30, nhưng mọi giá trị ν > 0 đều được chấp nhận). Bấm tính để nhận hàm mật độ cùng cả hai xác suất đuôi. Khi ν càng lớn, phân phối càng hội tụ về phân phối chuẩn tắc N(0, 1).

Giải thích công thức

Hàm mật độ là $$f(\text{x}) = \frac{\Gamma\!\left(\frac{\nu+1}{2}\right)}{\sqrt{\nu\pi}\;\Gamma\!\left(\frac{\nu}{2}\right)}\left(1 + \frac{\text{x}^{2}}{\nu}\right)^{-\frac{\nu+1}{2}}$$, trong đó \(\Gamma\) là hàm gamma. Xác suất tích lũy dùng hàm beta không đầy đủ chính tắc: với \(z = \frac{\nu}{\nu + \text{x}^{2}}\), ta có \(P(T \le \text{x}) = 1 - \tfrac{1}{2}\,I_{z}\!\left(\tfrac{\nu}{2},\tfrac{1}{2}\right)\) khi \(\text{x} \ge 0\) và \(\tfrac{1}{2}\,I_{z}\!\left(\tfrac{\nu}{2},\tfrac{1}{2}\right)\) khi \(\text{x} < 0\). Chúng tôi tính hàm mật độ trong miền logarit bằng xấp xỉ log-gamma Lanczos, và tính hàm beta không đầy đủ qua phân số liên tục Lentz để bảo đảm ổn định số học.

Quảng cáo
Đường cong phân phối t thể hiện vùng CDF dưới được tô bóng và vùng đuôi trên tại giá trị x
f(x) là độ cao của đường cong, P(T≤x) là phần diện tích tô bóng bên trái, và Q là phần đuôi phải còn lại.

Ví dụ minh họa

Với \(\text{x} = 1.0\) và \(\nu = 10\): hàm mật độ \(f(1) \approx 0.2304\). Xác suất tích lũy dưới \(P(T \le 1.0) \approx 0.8303\), nên xác suất tích lũy trên \(Q \approx 0.1697\), đúng khớp với bảng tra t tiêu chuẩn.

Giá trị tới hạn của phân phối t

Bảng cho giá trị t sao cho xác suất đuôi phải P(T > t) bằng tiêu đề cột. Mức hai đuôi bằng hai lần mức một đuôi. Đây là các giá trị chuẩn trong sách giáo khoa, được làm tròn đến ba chữ số thập phân.

Bậc tự do (ν) 0,10 (hai đuôi 0,20) 0,05 (hai đuôi 0,10) 0,025 (hai đuôi 0,05) 0,01 (hai đuôi 0,02) 0,005 (hai đuôi 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
∞ (chuẩn) 1,282 1,645 1,960 2,326 2,576

Khi bậc tự do tăng lên, các giá trị tới hạn giảm dần về các giá trị của phân phối chuẩn tắc ở hàng cuối cùng.

Quảng cáo

Diễn giải kết quả

  • Mật độ f(x) là chiều cao của đường cong tại x. Đây không phải là xác suất; với phân phối liên tục, xác suất được tính bằng diện tích dưới đường cong giữa các giá trị.
  • Xác suất tích lũy phía dưới P(T ≤ x) là diện tích bên trái x. Đuôi phải Q = 1 − P là diện tích bên phải x.
  • p-value một đuôi: với thống kê t quan sát được, Q (đối với thống kê dương trong kiểm định đuôi phải) là p-value. Với kiểm định đuôi trái và t âm, p-value là P(T ≤ t).
  • p-value hai đuôi: sử dụng 2Q tính tại |x|, vì phân phối đối xứng và cả hai đuôi đều được tính.
  • Tính đối xứng: phân phối t đối xứng qua 0, nên P(T ≤ −x) = Q(x) = 1 − P(T ≤ x), và f(−x) = f(x).
  • So sánh với giá trị tới hạn tại α = 0,05: kiểm định hai đuôi bác bỏ khi |t| vượt quá giá trị tới hạn một đuôi 0,025 (ví dụ 2,228 khi df = 10, hoặc 2,042 khi df = 30). Kiểm định một đuôi tại α = 0,05 dùng cột 0,05 (ví dụ 1,812 khi df = 10). Tương đương, p-value nhỏ hơn 0,05.
  • Đuôi dày: với ν nhỏ, các giá trị cực đoan có xác suất cao hơn so với đường cong chuẩn. Tại x = 2, Q khoảng 0,0510 khi df = 5, so với 0,0228 đối với phân phối chuẩn. Khi ν tăng, phân phối t tiến gần đến phân phối chuẩn tắc.

Ví dụ về quy tắc hai đuôi: với df = 5 và |t| = 2, Q ≈ 0,0510, vì vậy p-value hai đuôi khoảng 2 × 0,0510 = 0,102, lớn hơn 0,05.

Câu hỏi thường gặp

ν có thể là số không nguyên không? Có. Công thức đúng với mọi số thực ν > 0; máy tính chấp nhận bậc tự do là số thập phân.

Xác suất tích lũy trên có ý nghĩa gì? Đó là diện tích phần đuôi bên phải, P(T > x). Để tính giá trị p hai phía với x dương, bạn dùng 2·Q.

Vì sao với ν lớn đồ thị trông giống đường cong chuẩn? Khi bậc tự do tăng, hai đuôi nặng của phân phối t thu hẹp lại và nó tiến dần đến phân phối chuẩn tắc.

Cập nhật lần cuối:

Phổ biến nhất trong Toán học và Thống kê

Xem tất cả máy tính Toán học và Thống kê