Tôi sẽ cố gắng đưa ra một lời giải thích trực quan.
Thống kê t * có tử số và mẫu số. Ví dụ: thống kê trong một bài kiểm tra mẫu là
x¯- μ0s / n--√
* (có một số, nhưng hy vọng cuộc thảo luận này đủ chung chung để bao quát những vấn đề bạn đang hỏi về)
Theo các giả định, tử số có phân phối chuẩn với trung bình 0 và một số độ lệch chuẩn không xác định.
Trong cùng một nhóm các giả định, mẫu số là ước tính độ lệch chuẩn của phân bố tử số (sai số chuẩn của thống kê trên tử số). Nó là độc lập với tử số. Bình phương của nó là một biến ngẫu nhiên chi bình phương chia cho mức độ tự do của nó (cũng là df của phân phối t) lần .σtử số
Khi mức độ tự do nhỏ, mẫu số có xu hướng khá lệch phải. Nó có khả năng cao là ít hơn so với ý nghĩa của nó, và cơ hội tương đối tốt là khá nhỏ. Đồng thời, nó cũng có một số cơ hội lớn hơn nhiều so với ý nghĩa của nó.
Theo giả định về tính quy tắc, tử số và mẫu số là độc lập. Vì vậy, nếu chúng ta rút ngẫu nhiên từ phân phối của thống kê t này, chúng ta có một số ngẫu nhiên bình thường chia cho giá trị ngẫu nhiên thứ hai * được chọn từ phân phối lệch phải trung bình khoảng 1.
* không liên quan đến thuật ngữ bình thường
Bởi vì nó nằm trên mẫu số, các giá trị nhỏ trong phân phối mẫu số tạo ra các giá trị t rất lớn. Các xiên phải trong mẫu số làm cho thống kê t nặng đuôi. Đuôi bên phải của phân phối, khi trên mẫu số làm cho phân phối t đạt cực đại mạnh hơn so với bình thường với độ lệch chuẩn tương tự như t .
Tuy nhiên, khi mức độ tự do trở nên lớn, sự phân phối trở nên trông bình thường hơn và "chặt chẽ" hơn nhiều so với ý nghĩa của nó.
Như vậy, ảnh hưởng của việc chia theo mẫu số đối với hình dạng phân bố tử số giảm khi mức độ tự do tăng.
Cuối cùng - như định lý của Slutsky có thể gợi ý cho chúng ta có thể xảy ra - hiệu ứng của mẫu số trở nên giống như chia cho một hằng số và sự phân bố của thống kê t rất gần với bình thường.
Được xem xét về mặt đối ứng của mẫu số
whuber đề xuất trong các ý kiến rằng nó có thể được chiếu sáng hơn để xem xét đối ứng của mẫu số. Đó là, chúng ta có thể viết số liệu thống kê t của mình dưới dạng tử số (bình thường) lần đối ứng của mẫu số (lệch phải).
Ví dụ: thống kê một mẫu của chúng tôi ở trên sẽ trở thành:
n--√( x¯- μ0) ⋅ 1 / s
Bây giờ hãy xem xét độ lệch chuẩn dân số của ban đầu , . Chúng ta có thể nhân và chia cho nó, như vậy:XTôiσx
n--√( x¯- μ0) / Σx⋅ σx/ s
Thuật ngữ đầu tiên là tiêu chuẩn bình thường. Thuật ngữ thứ hai (căn bậc hai của biến ngẫu nhiên nghịch đảo bình phương tỷ lệ) sau đó chia tỷ lệ tiêu chuẩn bình thường theo các giá trị lớn hơn hoặc nhỏ hơn 1, "trải rộng ra".
Theo giả định về tính quy tắc, hai thuật ngữ trong sản phẩm là độc lập. Vì vậy, nếu chúng tôi rút ngẫu nhiên từ phân phối thống kê t này, chúng tôi có một số ngẫu nhiên bình thường (thuật ngữ đầu tiên trong sản phẩm) nhân với giá trị được chọn ngẫu nhiên thứ hai (không liên quan đến thuật ngữ thông thường) từ phân phối lệch phải ' thường là 'khoảng 1.
Khi df lớn, giá trị có xu hướng rất gần với 1, nhưng khi df nhỏ, nó khá lệch và độ lan rộng lớn, với đuôi phải lớn của hệ số tỷ lệ này làm cho đuôi khá mập: