Distribuzione t di Student

Da Teknopedia, l'enciclopedia libera.
Vai alla navigazione Vai alla ricerca
distribuzione di Student
Funzione di densità di probabilità
Funzione di densità di probabilità
Funzione di ripartizione
Funzione di ripartizione
Parametri (gradi di libertà)
Supporto
Funzione di densità
Funzione di ripartizione


dove è la funzione beta

Valore atteso se
non definita altrimenti
Mediana
Moda
Varianza se
infinita altrimenti
Indice di asimmetria se
non definita altrimenti
Curtosi se
infinita altrimenti
Entropia

dove è la funzione digamma e è la funzione beta

Funzione caratteristica[1]

dove è una funzione di Bessel

Nella teoria delle probabilità la distribuzione di Student, o t di Student, è una distribuzione di probabilità continua che governa il rapporto tra due variabili aleatorie, la prima con distribuzione normale standard e la seconda, al quadrato, segue una distribuzione chi quadrato.

Questa distribuzione interviene nella stima della media di una popolazione che segue la distribuzione normale, e viene utilizzata negli omonimi test t di Student per la significatività e per ogni intervallo di confidenza della differenza tra due medie.

La distribuzione venne descritta nel 1908 da William Sealy Gosset, che pubblicò il suo risultato sotto lo pseudonimo "Student" perché la fabbrica di birra Guinness presso la quale era impiegato vietava ai propri dipendenti di pubblicare articoli affinché questi non divulgassero segreti di produzione. Il nome distribuzione di Student venne successivamente introdotto da Ronald Fisher.[2][3]

La distribuzione di Student con parametro (gradi di libertà) governa la variabile aleatoria

dove e sono due variabili aleatorie indipendenti che seguono rispettivamente la distribuzione normale standard e la distribuzione chi quadro con gradi di libertà.

La media e la varianza di una popolazione possono essere stimate tramite un suo campione di elementi, con gli stimatori

Supponiamo che le variabili aleatorie che compongono il campione siano indipendenti e distribuite normalmente, allora è una variabile normale con valore atteso e varianza . Pertanto la variabile così definita

seguirà una distribuzione normale standard, . Il problema è che spesso non si conosce , pertanto dovremo avere a che fare con uno stimatore della varianza come .

Dimostreremo che la seguente variabile aleatoria

segue una distribuzione chi-quadro con gradi di libertà, .

Le due variabili aleatorie e sono indipendenti, per il teorema di Cochran.

Pertanto si definisce la variabile aleatoria

Tale variabile aleatoria segue una distribuzione di probabilità detta "t di Student".

Ricavare la distribuzione di t

[modifica | modifica wikitesto]

Cominciamo con il dimostrare che è una variabile aleatoria di tipo chi-quadro. Ricordiamo che una distribuzione è una particolare variabile di tipo gamma definita come segue

dove è la funzione Gamma di Eulero definita come

con per ogni

Una variabile chi-quadro con gradi di libertà si ottiene sommando variabili normali standard elevate al quadrato. Detto ciò partiamo dalla definizione della varianza campionaria e aggiungiamo e sottraiamo nell'argomento della sommatoria , il valore aspettato della variabile aleatoria che coincide con quello della variabile aleatoria .

Definiamo i parametri e come e riscriviamo la formula precedente

Ora possiamo esplicitare fuori dalle sommatorie tutti i termini che non dipendono da , ossia e

sapendo che la somma su tutti gli è uguale a . Dividendo ora a destra e a sinistra per otteniamo a destra delle variabili normali

Abbiamo quindi ottenuto a sinistra una variabile che precedentemente avevamo indicato con , mentre a destra abbiamo somme di variabili normali standard al quadrato, coincidenti con una variabile chi quadro con gradi di libertà e un'altra variabile normale anch'essa standard elevata al quadrato, ossia una variabile chi-quadro ad un solo grado di libertà. Sapendo che somme di variabili di tipo chi-quadro con e gradi di libertà corrispondono ancora ad una variabile chi-quadro con gradi di libertà otteniamo che la funzione di densità di probabilità di è di tipo chi-quadro con gradi di libertà.

Pertanto ora iniziamo a dire che

dove è il numero di gradi di libertà, e che

Conosciuta la variabile aleatoria , essa si riduce difatti ad un parametro moltiplicativo per la normale. Dalla definizione di probabilità condizionata si ha

dove

è una distribuzione chi-quadro con gradi di libertà. Quindi

Notiamo che la funzione di distribuzione cercata non è altro che una funzione marginale di , pertanto si ha

Ponendo una sostituzione con l'argomento dell'esponenziale, mantenendolo però negativo

otteniamo

l'integrale definito ha come risultato la funzione Gamma di Eulero stessa

Pertanto otteniamo al fine il nostro risultato

Notiamo che il limite di questa successione di funzioni per è

Sapendo che il primo limite ha come risultato e il secondo tende a .

In pratica, prendendo una popolazione di numerosità molto grande, la variabile aleatoria t tende ad essere una normale standard.

Caratteristiche

[modifica | modifica wikitesto]

La distribuzione di Student con gradi di libertà è simmetrica, perché lo è la distribuzione normale standard mentre la distribuzione chi quadrato che funge da "parametro casuale di scala" non produce effetti di distorsione di tale simmetria.

La sua funzione di densità di probabilità è

dove la funzione beta.

La sua funzione di ripartizione è

dove è la funzione beta incompleta regolarizzata con

Per i momenti (semplici o centrali, in quanto coincidono per una PDF simmetrica) di ordine della distribuzione sono

In particolare, oltre alla speranza matematica e all'indice di asimmetria (per ) predetti dalla simmetria della distribuzione, si trovano:

  • la varianza per
  • l'indice di curtosi per

Consideriamo infine un ultimo parametro: la larghezza a metà altezza. Per una variabile di Student abbiamo che il picco della funzione è nel suo valore atteso, ossia in , dove la distribuzione ha valore massimo

Per cui troviamo i valori di per i quali assume altezza uguale a metà della massima assoluta.

Per cui

dove ha due soluzioni, come ci aspettavamo dalla simmetria della funzione, coincidenti a

Per cui la larghezza a mezza altezza della funzione è data da

Eseguendo il limite per troviamo un'espressione convergente a

che è l'equivalente della larghezza a metà altezza (FWHM) della normale standard. Viceversa per otteniamo un FWHM = 2. Difatti per la distribuzione t di Student coincide con una distribuzione di Lorentz-Cauchy di parametri dove la FWHM è per l'appunto uguale a .

Intervallo di confidenza

[modifica | modifica wikitesto]

La distribuzione di Student viene utilizzata per definire degli intervalli di confidenza per la media di una popolazione, sulla base degli stimatori puntuali e della sua media e della sua varianza. Dall'equazione

si ha infatti

Scegliendo quindi dei quantili per la distribuzione di Student con gradi di libertà, si ha

cioè un intervallo di confidenza per la media con livello di confidenza è:

.

Qualora si considerino intervalli simmetrici si può utilizzare l'indice definito da

ossia

e si ottiene l'intervallo di confidenza per con livello di confidenza

Altre distribuzioni

[modifica | modifica wikitesto]

La distribuzione di Student con parametro corrisponde alla distribuzione di Cauchy di parametri : entrambe regolano il rapporto tra due variabili aleatorie indipendenti aventi distribuzione normale standard.

Al tendere di a infinito la distribuzione di Student con gradi di libertà converge alla distribuzione normale standard .

Se è una variabile aleatoria con distribuzione t di Student di parametro , allora segue la distribuzione di Fisher-Snedecor di parametri .

Tabella dei quantili

[modifica | modifica wikitesto]

La seguente tabella[4] esprime, in funzione del parametro (riga) e di particolari valori di (colonna), i quantili per la distribuzione di Student di parametro :

L'ultima riga, indicata con "∞", si riferisce a una distribuzione normale standard.

n\α 0,90 0,95 0,975 0,99 0,995 0,9975 0,999 0,9995
1 3,078 6,314 12,706 31,821 63,657 127,321 318,309 636,619
2 1,886 2,920 4,303 6,965 9,925 14,089 22,327 31,599
3 1,638 2,353 3,182 4,541 5,841 7,453 10,215 12,924
4 1,533 2,132 2,776 3,747 4,604 5,598 7,173 8,610
5 1,476 2,015 2,571 3,365 4,032 4,773 5,893 6,869
6 1,440 1,943 2,447 3,143 3,707 4,317 5,208 5,959
7 1,415 1,895 2,365 2,998 3,499 4,029 4,785 5,408
8 1,397 1,860 2,306 2,896 3,355 3,833 4,501 5,041
9 1,383 1,833 2,262 2,821 3,250 3,690 4,297 4,781
10 1,372 1,812 2,228 2,764 3,169 3,581 4,144 4,587
11 1,363 1,796 2,201 2,718 3,106 3,497 4,025 4,437
12 1,356 1,782 2,179 2,681 3,055 3,428 3,930 4,318
13 1,350 1,771 2,160 2,650 3,012 3,372 3,852 4,221
14 1,345 1,761 2,145 2,624 2,977 3,326 3,787 4,140
15 1,341 1,753 2,131 2,602 2,947 3,286 3,733 4,073
16 1,337 1,746 2,120 2,583 2,921 3,252 3,686 4,015
17 1,333 1,740 2,110 2,567 2,898 3,222 3,646 3,965
18 1,330 1,734 2,101 2,552 2,878 3,197 3,610 3,922
19 1,328 1,729 2,093 2,539 2,861 3,174 3,579 3,883
20 1,325 1,725 2,086 2,528 2,845 3,153 3,552 3,850
21 1,323 1,721 2,080 2,518 2,831 3,135 3,527 3,819
22 1,321 1,717 2,074 2,508 2,819 3,119 3,505 3,792
23 1,319 1,714 2,069 2,500 2,807 3,104 3,485 3,768
24 1,318 1,711 2,064 2,492 2,797 3,091 3,467 3,745
25 1,316 1,708 2,060 2,485 2,787 3,078 3,450 3,725
26 1,315 1,706 2,056 2,479 2,779 3,067 3,435 3,707
27 1,314 1,703 2,052 2,473 2,771 3,057 3,421 3,690
28 1,313 1,701 2,048 2,467 2,763 3,047 3,408 3,674
29 1,311 1,699 2,045 2,462 2,756 3,038 3,396 3,659
30 1,310 1,697 2,042 2,457 2,750 3,030 3,385 3,646
40 1,303 1,684 2,021 2,423 2,704 2,971 3,307 3,551
50 1,299 1,676 2,009 2,403 2,678 2,937 3,261 3,496
60 1,296 1,671 2,000 2,390 2,660 2,915 3,232 3,460
100 1,290 1,660 1,984 2,364 2,626 2,871 3,174 3,390
1,282 1,645 1,960 2,326 2,576 2,807 3,090 3,291
  1. ^ (EN) Simon Hurst, The Characteristic Function of the Student-t Distribution, in Financial Mathematics Research Report No. FMRR006-95, Statistics Research Report No. SRR044-95 (archiviato dall'url originale il 18 febbraio 2010).
  2. ^ (EN) Student (William Sealy Gosset), The probable error of a mean (PDF), in Biometrika, vol. 6, n. 1, marzo 1908, pp. 1–-25, DOI:10.1093/biomet/6.1.1.
  3. ^ (EN) Ronald Fisher, Applications of "Student's" distribution (PDF), in Metron, vol. 5, 1925, pp. 90-–104 (archiviato dall'url originale il 13 aprile 2011).
  4. ^ Valori critici calcolati con la funzione qt(p,g) di R.

Voci correlate

[modifica | modifica wikitesto]

Altri progetti

[modifica | modifica wikitesto]

Collegamenti esterni

[modifica | modifica wikitesto]
  Portale Matematica: accedi alle voci di Teknopedia che trattano di matematica