学生t分布随机数生成器

学生t分布随机数生成器

新兴 AI Skill PRO

输入计算

数学公式

T=Z·vX其中{Z∼N(0,1)X∼χv2=伽马(v2,2)N=数量个值\begin{gathered} T = Z \cdot \sqrt{\dfrac{\text{v}}{X}} \\[1.5em] \text{其中}\quad \left\{ \begin{aligned} Z &\sim \mathcal{N}(0,\,1) \\ X &\sim \chi^{2}_{\text{v}} = \text{伽马}\!\left(\tfrac{\text{v}}{2},\, 2\right) \\ N &= \text{数量}\ \text{个值} \end{aligned} \right. \end{gathered}
使用统计

广告

结果

生成的随机数值
-0.5249611028, -4.019851635, -1.193675651, 0.07752657841, -0.6489592419, 0.8735076610, -7.486969117, 1.165017400, -2.512014889, 7.209148308
学生 t 分布抽样结果
已生成数量 10
自由度 (v) 2
样本均值 -0.706123

报告本页错误

这个工具能做什么

本生成器会根据你设定的自由度(v),从学生 t 分布中抽取一组伪随机数。t 分布是一种钟形、对称的分布,但相比标准正态分布,它的尾部更"厚"。当我们要从一个方差未知的正态总体中、用小样本去估计均值时,t 分布会自然出现,它也是 t 检验和置信区间的理论基础。随着自由度 v 不断增大,t 分布会逐渐逼近标准正态分布 \(\mathcal{N}(0,1)\)。这是一个纯数学工具,不涉及任何地区性假设。

使用方法

输入自由度 v(任意大于 0 的实数,默认值为 2),以及你想要生成的随机数个数(1 到 1000 之间的整数,默认值为 10)。点击计算,工具就会返回一组全新的 t 分布随机数。由于底层使用的是随机均匀抽样,每次运行得到的数值都不相同,但它们始终服从同一个目标分布。

生成样本的直方图,近似一条平滑的 t 分布曲线
生成的样本构成的直方图近似于钟形的 t 分布。

公式详解

该分布的概率密度函数为 \( f(x,v) = (1 + x^{2}/v)^{-(v+1)/2} \),再除以 \( \sqrt{v} \) 乘以 \( B(1/2,\, v/2) \),其中 \( B \) 表示 Beta 函数。为了高效地抽样,我们采用经典的构造方法:先从标准正态分布中抽取 Z,再从自由度为 v 的卡方分布中抽取 C,那么 $$ T = Z \cdot \sqrt{\frac{v}{C}} $$ 就恰好服从 t 分布。在内部实现中,Z 由 Box-Muller 变换得到,C 由 \( \text{Gamma}(v/2,\, 2) \) 抽样器(Marsaglia-Tsang 算法)生成,对任意实数 \( v > 0 \) 均成立。

广告
流程图:正态样本与卡方样本组合生成一个服从 t 分布的值
每个服从 t 分布的值,都由一个标准正态抽样 Z 与一个按自由度缩放的卡方抽样 C 组合而成。

实例演算

取 \( v = 2 \),假设某次运行得到 \( Z = 0.50 \),卡方抽样值 \( C = 1.20 \)。那么 $$ T = 0.50 \cdot \sqrt{\frac{2}{1.20}} = 0.50 \cdot 1.29099 = 0.6455 $$ 第二组 \( Z = -1.10 \)、\( C = 3.00 \) 得到 \( T = -0.8982 \);第三组 \( Z = 0.20 \)、\( C = 0.40 \) 得到 \( T = 0.4472 \)。这三个数值正好演示了 \( \text{count} = 3 \) 时的一份样本。

广告
钟形的学生 t 分布曲线与正态曲线对比,显示其尾部更厚
学生 t 分布(实线)的尾部比正态分布(虚线)更厚,自由度较低时尤为明显。

常见问题

为什么有些数值特别大?当 \( v \le 1 \) 时均值不存在,当 \( v \le 2 \) 时方差为无穷大,因此出现绝对值很大的数值是正常现象,并非错误。

为什么每次运行结果都不一样?每次抽样都使用全新的随机均匀数,所以每次得到的列表都不同,但它们始终服从同一个 t 分布。

如果 v 非常大会怎样?此时该分布的表现几乎与标准正态分布 \(\mathcal{N}(0,1)\) 完全一致。

最后更新:

数学和统计热门计算器

查看全部数学和统计计算器