- Students t-Verteilung
-
Die Studentsche t-Verteilung (auch Student-t-Verteilung) ist eine Wahrscheinlichkeitsverteilung, die 1908 von William Sealey Gosset entwickelt wurde.
Er hatte festgestellt, dass der standardisierte Mittelwert normalverteilter Daten nicht mehr normalverteilt, sondern t-verteilt ist, wenn die Varianz des Merkmals unbekannt ist und mit der Stichprobenvarianz geschätzt werden muss. Die t-Verteilung zeigt für kleine Werte des Parameters n eine größere Breite und Flankenbetonung als die Normalverteilung (siehe Grafik rechts). Hypothesentests, bei denen die t-Verteilung Verwendung findet, bezeichnet man als t-Tests.
Die Herleitung wurde erstmals 1908 veröffentlicht, während Gosset in einer Guinness-Brauerei arbeitete. Da sein Arbeitgeber die Veröffentlichung nicht gestattete, veröffentlichte Gosset sie unter dem Pseudonym Student. Der t-Faktor und die zugehörige Theorie wurden erst durch die Arbeiten von R. A. Fisher belegt, der die Verteilung Student’s distribution (Students Verteilung) nannte.
Inhaltsverzeichnis
Definition
Eine stetige Zufallsvariable X genügt der Studentschen t-Verteilung mit n Freiheitsgraden, wenn sie die Wahrscheinlichkeitsdichte
für besitzt. Dabei ist
die Gamma-Funktion.
Verteilung
Die Verteilung lässt sich geschlossen ausdrücken als
wobei die regularisierte unvollständige Betafunktion darstellt, und beide Ausdrücke verwendet werden können.
Eigenschaften
Wendepunkte
Die Dichte der t-Verteilung mit n Freiheitsgraden besitzt Wendepunkte bei
Median
Der Median liegt bei
Modus
Der Modus ergibt sich zu
Erwartungswert
Für den Erwartungswert erhält man für n > 1
Der Erwartungswert für n = 1 existiert nicht.
Varianz
Die Varianz ergibt sich für n > 2 zu
Schiefe
Die Schiefe ist für n > 3
Wölbungen
Für die Kurtosis-Wölbung β2 und die Exzess-Wölbung γ2 erhält man für n > 4
Momente
Für die k-ten Momente und die k-ten zentralen Momente gilt:
Nichtzentrale t-Verteilung
Ist der Zähler der t-verteilten Zufallsvariablen normalverteilt mit einem Erwartungswert , handelt es sich um eine so genannte nichtzentrale t-Verteilung mit dem Nichtzentralitätsparameter μ. Diese Verteilung wird vor allem zur Bestimmung des β-Fehlers bei Hypothesentests mit t-verteilter Prüfgröße verwendet.
Beziehung zu anderen Verteilungen
Beziehung zur Cauchy-Verteilung
Für n = 1 und mit ergibt sich die Cauchy-Verteilung als Spezialfall aus der Studentschen t-Verteilung.
Beziehung zur χ2-Verteilung und Standardnormalverteilung
Die t-Verteilung beschreibt die Verteilung eines Ausdruckes
wobei eine standardnormalverteilte und eine χ²-verteilte Zufallsvariable mit n Freiheitsgraden bedeutet. Die Zählervariable muss unabhängig von der Nennervariable sein. Die Dichtefunktion der t-Verteilung ist dann symmetrisch bezüglich ihres Erwartungswertes 0. Die Werte der Verteilungsfunktion können nicht analytisch berechnet werden und liegen in der Regel tabelliert vor.
Näherung durch die Normalverteilung
Mit steigender Zahl von Freiheitsgraden kann man die Verteilungswerte der t-Verteilung mit Hilfe der Normalverteilung annähern. Als Faustregel gilt, dass ab 30 Freiheitsgraden die t-Verteilungsfunktion durch die Normalverteilung approximiert werden kann.
Verwendung in der mathematischen Statistik
Verschiedene Schätzfunktionen sind t-verteilt.
Beispielsweise gilt für die Schätzung des Erwartungswertes einer normalverteilten Grundgesamtheit: Wenn die unabhängigen Zufallsvariablen identisch normalverteilt sind mit den Parametern μ und σ, dann unterliegt die stetige Zufallsgröße
einer Studentschen t-Verteilung mit (n − 1) Freiheitsgraden.
Das 95%-Konfidenzintervall für den Mittelwert μ wäre dann
wobei t durch F(t | n − 1) = 0.975 bestimmt ist. Dieses Intervall ist etwas größer als dasjenige, welches sich mit bekanntem σ aus der Verteilungsfunktion der Normalverteilung bei gleichem Konfidenzniveau ergeben hätte .
Siehe auch
Ausgewählte Quantile der t-Verteilung
v Wahrscheinlichkeit 0,75 0,875 0,90 0,95 0,975 0,99 0,995 0,999 1 1,000 2,414 3,078 6,314 12,706 31,821 63,657 318,309 2 0,816 1,604 1,886 2,920 4,303 6,965 9,925 22,327 3 0,765 1,423 1,638 2,353 3,182 4,541 5,841 10,215 4 0,741 1,344 1,533 2,132 2,776 3,747 4,604 7,173 5 0,727 1,301 1,476 2,015 2,571 3,365 4,032 5,893 6 0,718 1,273 1,440 1,943 2,447 3,143 3,707 5,208 7 0,711 1,254 1,415 1,895 2,365 2,998 3,499 4,785 8 0,706 1,240 1,397 1,860 2,306 2,896 3,355 4,501 9 0,703 1,230 1,383 1,833 2,262 2,821 3,250 4,297 10 0,700 1,221 1,372 1,812 2,228 2,764 3,169 4,144 11 0,697 1,214 1,363 1,796 2,201 2,718 3,106 4,025 12 0,695 1,209 1,356 1,782 2,179 2,681 3,055 3,930 13 0,694 1,204 1,350 1,771 2,160 2,650 3,012 3,852 14 0,692 1,200 1,345 1,761 2,145 2,624 2,977 3,787 15 0,691 1,197 1,341 1,753 2,131 2,602 2,947 3,733 16 0,690 1,194 1,337 1,746 2,120 2,583 2,921 3,686 17 0,689 1,191 1,333 1,740 2,110 2,567 2,898 3,646 18 0,688 1,189 1,330 1,734 2,101 2,552 2,878 3,610 19 0,688 1,187 1,328 1,729 2,093 2,539 2,861 3,579 20 0,687 1,185 1,325 1,725 2,086 2,528 2,845 3,552 21 0,686 1,183 1,323 1,721 2,080 2,518 2,831 3,527 22 0,686 1,182 1,321 1,717 2,074 2,508 2,819 3,505 23 0,685 1,180 1,319 1,714 2,069 2,500 2,807 3,485 24 0,685 1,179 1,318 1,711 2,064 2,492 2,797 3,467 25 0,684 1,178 1,316 1,708 2,060 2,485 2,787 3,450 26 0,684 1,177 1,315 1,706 2,056 2,479 2,779 3,435 27 0,684 1,176 1,314 1,703 2,052 2,473 2,771 3,421 28 0,683 1,175 1,313 1,701 2,048 2,467 2,763 3,408 29 0,683 1,174 1,311 1,699 2,045 2,462 2,756 3,396 30 0,683 1,173 1,310 1,697 2,042 2,457 2,750 3,385 40 0,681 1,167 1,303 1,684 2,021 2,423 2,704 3,307 50 0,679 1,164 1,299 1,676 2,009 2,403 2,678 3,261 60 0,679 1,162 1,296 1,671 2,000 2,390 2,660 3,232 70 0,678 1,160 1,294 1,667 1,994 2,381 2,648 3,211 80 0,678 1,159 1,292 1,664 1,990 2,374 2,639 3,195 90 0,677 1,158 1,291 1,662 1,987 2,368 2,632 3,183 100 0,677 1,157 1,290 1,660 1,984 2,364 2,626 3,174 200 0,676 1,154 1,286 1,653 1,972 2,345 2,601 3,131 300 0,675 1,153 1,284 1,650 1,968 2,339 2,592 3,118 400 0,675 1,152 1,284 1,649 1,966 2,336 2,588 3,111 500 0,675 1,152 1,283 1,648 1,965 2,334 2,586 3,107 0,674 1,150 1,282 1,645 1,960 2,326 2,576 3,090 Weblinks
Diskrete univariate VerteilungenDiskrete univariate Verteilungen für endliche Mengen:
Benford | Bernoulli-Verteilung | Binomialverteilung | Kategoriale | Hypergeometrische Verteilung | Rademacher | Zipfsche | Zipf-MandelbrotDiskrete univariate Verteilungen für unendliche Mengen:
Boltzmann | Conway-Maxwell-Poisson | Negative Binomialverteilung | Erweiterte negative Binomial | Compound Poisson | Diskret uniform | Discrete phase-type | Gauss-Kuzmin | Geometrische | Logarithmische | Parabolisch-fraktale | Poisson | Skellam | Yule-Simon | ZetaKontinuierliche univariate VerteilungenKontinuierliche univariate Verteilungen mit kompaktem Intervall:
Beta | Kumaraswamy | Raised Cosine | Dreiecks | U-quadratisch | Stetige Gleichverteilung | Wigner-HalbkreisKontinuierliche univariate Verteilungen mit halboffenem Intervall:
Beta prime | Bose-Einstein | Burr | Chi-Quadrat | Coxian | Erlang | Exponential | F | Fermi-Dirac | Folded Normal | Fréchet | Gamma | Extremwert | Verallgemeinerte inverse Gausssche | Halblogistische | Halbnormale | Hotellings T-Quadrat | hyper-exponentiale | hypoexponential | Inverse Chi-Quadrat | Scale Inverse Chi-Quadrat | Inverse Normal | Inverse Gamma | Lévy | Log-normal | Log-logistische | Maxwell-Boltzmann | Maxwell speed | Nakagami | nichtzentrierte Chi-Quadrat | Pareto | Phase-type | Rayleigh | relativistische Breit-Wigner | Rice | Rosin-Rammler | Shifted Gompertz | Truncated Normal | Type-2-Gumbel | Weibull | Wilks’ lambdaKontinuierliche univariate Verteilungen mit unbeschränktem Intervall:
Cauchy | Extremwert | Exponential Power | Fisher’s z | Fisher-Tippett (Gumbel) | Generalized Hyperbolic | Hyperbolic Secant | Landau | Laplace | Alpha stabile | logistisch | Normal (Gauss) | Normal-inverse Gausssche | Skew normal | Studentsche t | Type-1 Gumbel | Variance-Gamma | VoigtMultivariate VerteilungenDiskrete multivariate Verteilungen:
Ewen's | Multinomial | Dirichlet MultinomialKontinuierliche multivariate Verteilungen:
Dirichlet | Generalized Dirichlet | Multivariate Normal | Multivariate Student | Normalskalierte inverse Gamma | Normal-GammaMultivariate Matrixverteilungen:
Inverse-Wishart | Matrix Normal | Wishart
Wikimedia Foundation.