Studentin t-jakauma

Studentin t-jakauma
Tiheysfunktio
Studentin t-jakauman tiheysfunktio
Kertymäfunktio
Studentin t-jakauman kertymäfunktio
Parametrit ν > 0 vapausaste (reaalinen)
Määrittelyjoukko x ∈ (−∞; +∞)
Tiheysfunktio Γ ( ν + 1 2 ) ν π Γ ( ν 2 ) ( 1 + x 2 ν ) ν + 1 2 {\displaystyle \textstyle {\frac {\Gamma \left({\frac {\nu +1}{2}}\right)}{{\sqrt {\nu \pi }}\,\Gamma \left({\frac {\nu }{2}}\right)}}\left(1+{\frac {x^{2}}{\nu }}\right)^{-{\frac {\nu +1}{2}}}\!}
Kertymäfunktio 1 2 + x Γ ( ν + 1 2 ) × 2 F 1 ( 1 2 , ν + 1 2 ; 3 2 ; x 2 ν ) π ν Γ ( ν 2 ) {\displaystyle {\begin{matrix}{\frac {1}{2}}+x\Gamma \left({\frac {\nu +1}{2}}\right)\times \\[0.5em]{\frac {\,_{2}F_{1}\left({\frac {1}{2}},{\frac {\nu +1}{2}};{\frac {3}{2}};-{\frac {x^{2}}{\nu }}\right)}{{\sqrt {\pi \nu }}\,\Gamma \left({\frac {\nu }{2}}\right)}}\end{matrix}}}
missä 2F1 on hypergeometrinen funktio
Odotusarvo 0 kun ν > 1, muulloin määrittelemätön
Mediaani 0
Moodi 0
Varianssi ν ν 2 {\displaystyle \textstyle {\frac {\nu }{\nu -2}}} kun ν > 2, ∞ kun 1 < ν ≤ 2, muulloin määrittelemätön
Vinous 0 kun ν > 3, muulloin määrittelemätön
Huipukkuus 6 ν 4 {\displaystyle \textstyle {\frac {6}{\nu -4}}} kun ν > 4, ∞ kun 2 < ν ≤ 4, muulloin määrittelemätön
Entropia ν + 1 2 [ ψ ( 1 + ν 2 ) ψ ( ν 2 ) ] + log [ ν B ( ν 2 , 1 2 ) ] {\displaystyle {\begin{matrix}{\frac {\nu +1}{2}}\left[\psi \left({\frac {1+\nu }{2}}\right)-\psi \left({\frac {\nu }{2}}\right)\right]\\[0.5em]+\log {\left[{\sqrt {\nu }}B\left({\frac {\nu }{2}},{\frac {1}{2}}\right)\right]}\end{matrix}}}
  • ψ: digamma-funktio,
  • B: beta-funktio
Momentit generoiva funktio määrittelemätön
Karakteristinen funktio K ν / 2 ( ν | t | ) ( ν | t | ) ν / 2 Γ ( ν / 2 ) 2 ν / 2 1 {\displaystyle \textstyle {\frac {K_{\nu /2}\left({\sqrt {\nu }}|t|\right)\cdot \left({\sqrt {\nu }}|t|\right)^{\nu /2}}{\Gamma (\nu /2)2^{\nu /2-1}}}} kun ν > 0
  • Kν(x): toisen tyypin modifioitu Besselin funktio[1]

Studentin t-jakauma on todennäköisyysjakauma, jota hyödynnetään normaalijakautuneiden populaatioiden keskiarvon tarkastelussa kun otoskoko on pieni. Yleisesti käytetty t-testi perustuu t-jakaumaan.

Kun satunnaismuuttuja X noudattaa t-jakaumaa, sen tiheysfunktio on:

f ( x ) = Γ ( ( ν + 1 ) / 2 ) ν π Γ ( ν / 2 ) ( 1 + x 2 / ν ) ( ν + 1 ) / 2 , {\displaystyle f(x)={\frac {\Gamma ((\nu +1)/2)}{{\sqrt {\nu \pi \,}}\,\Gamma (\nu /2)}}(1+x^{2}/\nu )^{-(\nu +1)/2},}

jonka parametria ν {\displaystyle \nu } kutsutaan vapausasteeksi, ja Γ {\displaystyle \Gamma } on gammafunktio.

Jakauman kertymäfunktio on:


x f ( u ) d u = { 1 1 2 I y ( ν / 2 , 1 / 2 ) kun x > 0 , 1 2 I y ( ν / 2 , 1 / 2 ) muulloin , {\displaystyle \int _{-\infty }^{x}f(u)\,du=\left\{{\begin{matrix}1-{\frac {1}{2}}I_{y}(\nu /2,1/2)&{\mbox{kun}}\quad x>0,\\\\{\frac {1}{2}}I_{y}(\nu /2,1/2)&{\mbox{muulloin}},\end{matrix}}\right.}

jossa I y {\displaystyle I_{y}} on epätäydellisen ja täydellisen beta-funktion suhde (engl. regularized beta function)

I y ( a , b ) = B y ( a , b ) B ( a , b ) {\displaystyle I_{y}(a,b)={\frac {\mathrm {B} _{y}(a,b)}{\mathrm {B} (a,b)}}\!}

ja

y = 1 1 + x 2 / ν . {\displaystyle y={\frac {1}{1+x^{2}/\nu }}.}

t-jakauma muistuttaa muodoltaan odotusarvolla 0 ja varianssilla 1 jakautunutta normaalijakaumaa, mutta sillä on paksummat hännät. Vapausasteiden kasvaessa se lähestyy kyseistä normaalijakaumaa. t-jakaumalla on myös yhteys F-jakaumaan: x {\displaystyle {\sqrt {x}}} noudattaa F-jakaumaa 1 ja ν {\displaystyle \nu } vapausasteella.

Historia

t-jakauman johdon t-testisuureen jakaumana julkaisi ensimmäisenä 1908 William Sealy Gosset. Hän työskenteli Guinnessin panimolla Dublinissa ja tutki parhaiden ohralajikkeiden valintaa. Hän ei saanut julkaista tuloksiaan omalla nimellään, koska panimolla pelättiin salaisen tiedon vuotamista. Tämän vuoksi hän käytti salanimeä Student, jotta työnantaja ei huomaisi julkaisua. t-testi ja siihen liittyvä teoria tuli tunnetuksi Ronald Fisherin työn kautta.

Taulukko jakauman arvoista

Seuraavassa on jakauman arvot muutamille kertymäfunktion prosenttipisteille ja muutamille vapausasteille ν {\displaystyle \nu } .

Esimerkiksi yksisuuntaisen testin kriittinen arvo 10 % riskitasolla ja 4 vapausasteella on 1,533. Se tarkoittaa, että Pr(X < 1,533) = 0,9.

Jakauman symmetrisyyden vuoksi

Pr(T < −1,533) = Pr(T > 1,533) = 1 − 0,9 = 0,1,

jolloin raja-arvo vastaa kaksisuuntaisen testin 20 % riskitasoa:

Pr(−1,533 < T < 1,533) = 1 − 2(0,1) = 0,8.
ν {\displaystyle \nu } 75% 80% 85% 90% 95% 97.5% 99% 99.5% 99.75% 99.9% 99.95%
1 1.000 1.376 1.963 3.078 6.314 12.71 31.82 63.66 127.3 318.3 636.6
2 0.816 1.061 1.386 1.886 2.920 4.303 6.965 9.925 14.09 22.33 31.60
3 0.765 0.978 1.250 1.638 2.353 3.182 4.541 5.841 7.453 10.21 12.92
4 0.741 0.941 1.190 1.533 2.132 2.776 3.747 4.604 5.598 7.173 8.610
5 0.727 0.920 1.156 1.476 2.015 2.571 3.365 4.032 4.773 5.893 6.869
6 0.718 0.906 1.134 1.440 1.943 2.447 3.143 3.707 4.317 5.208 5.959
7 0.711 0.896 1.119 1.415 1.895 2.365 2.998 3.499 4.029 4.785 5.408
8 0.706 0.889 1.108 1.397 1.860 2.306 2.896 3.355 3.833 4.501 5.041
9 0.703 0.883 1.100 1.383 1.833 2.262 2.821 3.250 3.690 4.297 4.781
10 0.700 0.879 1.093 1.372 1.812 2.228 2.764 3.169 3.581 4.144 4.587
11 0.697 0.876 1.088 1.363 1.796 2.201 2.718 3.106 3.497 4.025 4.437
12 0.695 0.873 1.083 1.356 1.782 2.179 2.681 3.055 3.428 3.930 4.318
13 0.694 0.870 1.079 1.350 1.771 2.160 2.650 3.012 3.372 3.852 4.221
14 0.692 0.868 1.076 1.345 1.761 2.145 2.624 2.977 3.326 3.787 4.140
15 0.691 0.866 1.074 1.341 1.753 2.131 2.602 2.947 3.286 3.733 4.073
16 0.690 0.865 1.071 1.337 1.746 2.120 2.583 2.921 3.252 3.686 4.015
17 0.689 0.863 1.069 1.333 1.740 2.110 2.567 2.898 3.222 3.646 3.965
18 0.688 0.862 1.067 1.330 1.734 2.101 2.552 2.878 3.197 3.610 3.922
19 0.688 0.861 1.066 1.328 1.729 2.093 2.539 2.861 3.174 3.579 3.883
20 0.687 0.860 1.064 1.325 1.725 2.086 2.528 2.845 3.153 3.552 3.850
21 0.686 0.859 1.063 1.323 1.721 2.080 2.518 2.831 3.135 3.527 3.819
22 0.686 0.858 1.061 1.321 1.717 2.074 2.508 2.819 3.119 3.505 3.792
23 0.685 0.858 1.060 1.319 1.714 2.069 2.500 2.807 3.104 3.485 3.767
24 0.685 0.857 1.059 1.318 1.711 2.064 2.492 2.797 3.091 3.467 3.745
25 0.684 0.856 1.058 1.316 1.708 2.060 2.485 2.787 3.078 3.450 3.725
26 0.684 0.856 1.058 1.315 1.706 2.056 2.479 2.779 3.067 3.435 3.707
27 0.684 0.855 1.057 1.314 1.703 2.052 2.473 2.771 3.057 3.421 3.690
28 0.683 0.855 1.056 1.313 1.701 2.048 2.467 2.763 3.047 3.408 3.674
29 0.683 0.854 1.055 1.311 1.699 2.045 2.462 2.756 3.038 3.396 3.659
30 0.683 0.854 1.055 1.310 1.697 2.042 2.457 2.750 3.030 3.385 3.646
40 0.681 0.851 1.050 1.303 1.684 2.021 2.423 2.704 2.971 3.307 3.551
50 0.679 0.849 1.047 1.299 1.676 2.009 2.403 2.678 2.937 3.261 3.496
60 0.679 0.848 1.045 1.296 1.671 2.000 2.390 2.660 2.915 3.232 3.460
80 0.678 0.846 1.043 1.292 1.664 1.990 2.374 2.639 2.887 3.195 3.416
100 0.677 0.845 1.042 1.290 1.660 1.984 2.364 2.626 2.871 3.174 3.390
120 0.677 0.845 1.041 1.289 1.658 1.980 2.358 2.617 2.860 3.160 3.373
{\displaystyle \infty } 0.674 0.842 1.036 1.282 1.645 1.960 2.326 2.576 2.807 3.090 3.291

Lähteet

  1. Hurst, Simon. The Characteristic Function of the Student-t Distribution, Financial Mathematics Research Report No. FMRR006-95, Statistics Research Report No. SRR044-95[vanhentunut linkki]

Aiheesta muualla

Commons
Commons
Wikimedia Commonsissa on kuvia tai muita tiedostoja aiheesta Studentin t-jakauma.
Diskreettejä jakaumia
Jatkuvia jakaumia
Moniulotteisia jakaumia
  • Dirichlet-jakauma
  • Moniulotteinen Studentin t-jakauma
  • Multinomijakauma
  • Multinormaalijakauma