t分布论文研究

在概率论和统计学中，学生t-分布（Student's t-distribution）经常应用在对呈正态分布的总体的均值进行估计。它是对两个样本均值差异进行显著性测试的学生t测定的基础。t检定改进了Z检定（en:Z-test），不论样本数量大或小皆可应用。在样本数量大（超过120等）时，可以应用Z检定，但Z检定用在小的样本会产生很大的误差，因此样本很小的情况下得改用学生t检定。在数据有三组以上时，因为误差无法压低，此时可以用变异数分析代替学生t检定。当母群体的标准差是未知的但却又需要估计时，我们可以运用学生t-分布。学生t-分布可简称为t分布。其推导由威廉·戈塞于1908年首先发表，当时他还在都柏林的健力士酿酒厂工作。因为不能以他本人的名义发表，所以论文使用了学生（Student）这一笔名。之后t检验以及相关理论经由罗纳德·费雪的工作发扬光大，而正是他将此分布称为学生分布。

t分布是用来估计总体的均值的，该总体的均值呈正态分布且方差未知，是根据小样本来估计的。

t分布是学生t-分布的简称。1908年威廉·戈塞于帅先发表其推导。他用学生（Student），作为笔名发表了论文。后罗纳德·费雪将该理论发扬光大，且他将此分布叫做学生分布。

t分布的曲线形态和自由度n有着密切关系，。相比于标准正态分布的曲线，n值越小，t分布的曲线就越平坦，曲线的中间部分越低，其双侧尾部就翘得更高。反之，t分布曲线接近正态分布曲线，当n趋于无穷大的时候，t分布曲线就是正态分布曲线。

扩展资料

t分布特征和作用：

1、以0为中心，左右对称的单峰分布；

2、t分布是一簇曲线，其形态变化与n（确切地说与自由度df）大小有关。自由度df越小，t分布曲线越低平；自由度df越大，t分布曲线越接近标准正态分布（u分布）曲线，t(n)分布与标准正态N(0,1)的密度函数。

3、随着自由度逐渐增大，t分布逐渐接近标准正态分布。

4、对应于每一个自由度df，就有一条t分布曲线，每条曲线都有其曲线下统计量t的分布规律，计算较复杂。

5、学生的t分布（或也t分布） ，在概率统计中，在置信区间估计、显著性检验等问题的计算中发挥重要作用。

参考资料来源：百度百科--t分布

统计学分布形态有几种：正态分布（normal distribution）若随机变量X服从一个数学期望为μ、方差为σ^2的正态分布，记为N(μ，σ^2)。其概率密度函数为正态分布的期望值μ决定了其位置，其标准差σ决定了分布的幅度。任意一个服从N(μ，σ^2)分布的随机变量X都可转换为μ = 0和σ = 1的标准正态分布（z=（X-μ）/σ）。正态曲线下面积的分布规律t分布（t-distribution）用于根据小样本来估计呈正态分布且方差未知的总体的均值，即[公式] 服从自由度v=n-1的t分布。如果总体方差已知，则[公式]服从标准正态分布。t分布t检验（t-test）单个样本t检验配对样本t检验两个独立样本t检验方差不齐时的t'检验（大样本时，可采用z统计量进行检验，z服从标准正态分布）。F检验方差齐性检验（homogeneity test of variance）：由两样本方差推断两总体方差是否相同。方差分析（analysis of variance）：比较多个（k>2）样本的均数。包括：完全随机设计的方差分析，随机区组设计的方差分析，其他设计（析因设计，重复测量设计）。q检验多个样本均数的两两比较卡方检验多组数据的方差齐性检验四格表资料的卡方检验，配对四格表资料的卡方检验R*C列联表资料的卡方检验非参数秩和检验（用于数据总体分布未知的情况）配对设计资料的符号秩和检验（signed rank test）：样本少时用检验统计量T，样本大时用检验统计量z。两独立样本比较的秩和检验：检验统计量T或z。多个独立样本比较的秩和检验：检验统计量H。数据分布特征可以从集中趋势、离中趋势及分布形态三个方面进行描述。1、平均指标是在反映总体的一般水平或分布的集中趋势的指标。测定集中趋势的平均指标有两类：位置平均数和数值平均数。位置平均数是根据变量值位置来确定的代表值，常用的有：众数、中位数。数值平均数就是均值，它是对总体中的所有数据计算的平均值，用以反映所有数据的一般水平，常用的有算术平均数、调和平均数、几何平均数和幂平均数。2、变异指标是用来刻画总体分布的变异状况或离散程度的指标。测定离中趋势的指标有极差、平均差、四分位差、方差和标准差、以及离散系数等。标准差是方差的平方根，即总体中各变量值与算术平均数的离差平方的算术平方根。离散系数是根据各离散程度指标与其相应的算术平均数的比值。3、矩、偏度和峰度是反映总体分布形态的指标。矩是用来反映数据分布的形态特征，也称为动差。偏度反映指数据分布不对称的方向和程度。峰度反映是指数据分布图形的尖峭程度或峰凸程度。