R与t分布（1） 概率密度函数

在概率论和统计学中，学生t-分布（Student's t-distribution），可简称为t分布。应用在估计呈正态分布的母群体之平均数。它是对两个样本均值差异进行显著性测试的学生t检定的基础。学生t检定改进了Z检定（Z-test），因为Z检定以母体标准差已知为前提。虽然在样本数量大（超过30个）时，可以应用Z检定来求得近似值，但Z检定用在小样本会产生很大的误差，因此必须改用学生t检定以求准确。

在母体标准差未知的情况下，不论样本数量大或小皆可应用学生t检定。在待比较的数据有三组以上时，因为误差无法压低，此时可以用变异数分析（ANOVA）代替学生t检定。

t分布的推导由英国人威廉·戈塞特（Willam S. Gosset）于1908年首先发表，当时他还在爱尔兰都柏林的吉尼斯（Guinness）啤酒酿酒厂工作。酒厂虽然禁止员工发表一切与酿酒研究有关的成果，但允许他在不提到酿酒的前提下，以笔名发表t分布的发现，所以论文使用了“学生”（Student）这一笔名。之后t检定以及相关理论经由罗纳德·费雪（Sir Ronald Aylmer Fisher）的发扬光大，为了感谢戈塞特的功劳，费雪将此分布命名为学生t分布（Student's t）。
参见[url=http://zh.wikipedia.org/wiki/%E5%AD%A6%E7%94%9Ft-%E5%88%86%E5%B8%83]维基百科[/url]
T的概率密度函数是[img]http://upload.wikimedia.org/math/2/f/1/2f1cbc52ffbbed4d169e95b9e5870383.png[/img]
v 等于n − 1。 T的分布称为t-分布。参数v 一般被称为自由度。

t分布 - 特征
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ν）大小有关。自由度ν越小，t分布曲线越低平；自由度ν越大，t分布曲线越接近标准正态分布（u分布）曲线
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。

set.seed(1000)
x<-seq(-5,5,length.out=1000)
y<-dt(x,1,0)

plot(x,y,col="red",xlim=c(-5,5),ylim=c(0,0.5),type='l',
     xaxs="i", yaxs="i",ylab='density',xlab='',
     main="The T Density Distribution")

lines(x,dt(x,5,0),col="green")
lines(x,dt(x,5,2),col="blue")
lines(x,dt(x,50,4),col="orange")

legend("topleft",legend=paste("df=",c(1,5,5,50)," ncp=", c(0,0,2,4)), lwd=1, col=c("red", "green","blue","orange"))

结果如下：

[img]http://dl2.iteye.com/upload/attachment/0103/2559/6312c617-5d43-385c-9147-4270b7c31546.jpeg[/img]