Vlastnosti Studentovy t-distribuce

Obsah:

Vlastnosti Studentovy t-distribuce
Vlastnosti Studentovy t-distribuce
Anonim

V tomto příspěvku vysvětlíme vlastnosti Studentova t rozdělení.

Jinými slovy, t-rozdělení je rozdělení pravděpodobnosti, které odhaduje hodnotu průměru malého vzorku odebraného z populace, která sleduje normální rozdělení, pro které neznáme jeho směrodatnou odchylku.

Doporučené články: stupně volnosti, stupně volnosti (příklad) a normální rozdělení.

Příběh

William Sealy Gosset (1876-1937) v roce 1908 měl potřebu vytvořit distribuci, která by mu pomohla se statistickými výpočty u značek Guinness v Irsku. Vzhledem k tomu, že výsledky musely být zveřejněny pomocí soukromých údajů z pivovaru, aby se prokázala použitelnost jeho nové distribuce, společnost zakázala svým zaměstnancům zveřejňovat důvěrné informace. Toto omezení nezabránilo Gossetovi zveřejnit svůj nález pod pseudonymem Student. Od tohoto okamžiku je t distribuce rozpoznána jako Studentova t distribuce.

Vlastnosti Studentovy distribuce

Vlastnosti Studentova t distribuce jsou následující:

  • Jedná se o symetrické rozdělení. Hodnota průměru, mediánu a režimu se shoduje. Matematicky,
Opatření centrální tendence
  • Jedná se o unimodální distribuci. Hodnoty, které jsou častější nebo které se pravděpodobněji objeví (režim), jsou kolem průměru. Když se vzdálíme od střední hodnoty, pravděpodobnost výskytu hodnot a jejich frekvence klesá.
  • Pokud máme vzorek velikosti n, pak budeme mít t rozdělení s (n-1) stupni volnosti.

Jinými slovy, distribuce bude mít stejný počet pozorování na obou stranách centrální hodnoty.

  • Funkce hustoty nezávisí na symetrických stupních volnosti.
  • Grafické znázornění vypadá jako normální rozdělení, to znamená, že má také tvar zvonu.
  • Střední nebo střední hodnota je nula (0).
  • Čím více se zvýší stupně volnosti, tím podobnější bude t-rozdělení k normálnímu rozdělení.

Normální rozdělení vs. t rozdělení

T-distribuce a normální distribuce se liší hlavně proto, že t-distribuce přiřadí větší pravděpodobnost extrémním pozorováním než standardní normální distribuce (rozptyl větší než 1). Jinými slovy, t-distribuce má širší ocasy než normální distribuce.