T分布学习笔记

T分布学习笔记

T分布（Student’s t-Distribution）是一种概率分布，常用于小样本量情况下的统计推断。在实际应用中，我们会经常遇到T分布，因此有必要对其进行深入了解。

基本定义

• 自由度（degree of freedom）：T分布的自由度表示样本数量减1。

• 概率密度函数：$$f(x)=\frac{\Gamma (\frac{m+1}{2})}{\sqrt{m\pi }\Gamma (\frac{m}{2})}{\left(1+\frac{x^2}{m}\right)}^{-\frac{m+1}{2}}$$
  其中，$m$表示自由度，$\Gamma (\cdot )$表示伽玛函数。

• 分布函数：无法用解析式表示，需要借助数值计算方法求解。

性质

1. 当样本量$m$很大时，T分布近似服从标准正态分布。
2. T分布是对称的、钟形的，但比标准正态分布扁平一些。
3. T分布的期望为0，方差为$\frac{m}{m-2}$（$m>2$）。

假设检验

T分布在假设检验中也有着广泛应用。一般地，若要检验一个样本的均值是否符合某种理论分布，则可以使用T检验（Student’s t-Test）。具体步骤如下：

1. 根据样本数据计算出均值$\bar{x}$、标准差$s$和样本量$n$。
2. 计算$t=\frac{\bar{x}-\mu }{s/\sqrt{n}}$，其中$\mu$表示理论均值。
3. 对于显著性水平为$\alpha$的假设检验，如果$t>t_{1-\frac{\alpha }{2},n-1}$或$t<t_{\frac{\alpha }{2},n-1}$，则拒绝原假设；否则接受原假设。

其中，$t_{1-\frac{\alpha }{2},n-1}$和$t_{\frac{\alpha }{2},n-1}$表示自由度为$n-1$、右侧面积分别为$1-\frac{\alpha }{2}$和$\frac{\alpha }{2}$的T分位数。

使用示例

下面是使用Python代码生成自由度为$n-1$的T分布随机变量的示例：

import numpy as np
from scipy.stats import t

n = 10
rv = t(df=n-1)
x = np.linspace(-5, 5, 1000)
y = rv.pdf(x)

import matplotlib.pyplot as plt
plt.plot(x, y)
plt.title("T Distribution (n={})".format(n))
plt.xlabel("X")
plt.ylabel("Probability Density")
plt.show()

总结

本篇博客介绍了T分布的基本定义、性质、假设检验以及使用示例。希望可以对读者在小样本量情况下的统计推断有所帮助。