Jeśli masz standardową normalną zmienną losową i niezależną zmienną losową chi-kwadrat z df, toQ νZQν
T=Z/Q/ν−−−−√
ma rozkład z df. (Nie jestem pewien, jak jest dystrybuowany , ale to nie jest .)ν Z / Q ttνZ/Qt
Faktyczne wyprowadzenie jest dość standardowym wynikiem. Alecos robi to kilka sposobów tutaj .
Jeśli chodzi o intuicję, nie mam szczególnej intuicji dla konkretnej formy funkcjonalnej, ale pewne ogólne wyczucie kształtu można uzyskać, biorąc pod uwagę, że niezależny rozkład chi w mianowniku (skalowany przez ) jest właściwy ukośnie:ν−−√
Tryb jest nieco poniżej 1 (ale zbliża się do 1 wraz ze wzrostem df), z pewną szansą na wartości znacznie powyżej i poniżej 1. Zmiana w oznacza, że wariancja będzie większa niż że wśród . Wartości znacznie powyżej 1 doprowadzi do wartość X, która jest bliższa 0 wówczas jest, gdy te znacznie poniżej 1 spowoduje wartość X, która jest dalej od 0 wówczas jest. tZ √Q/ν−−−−√tZ tZtZQ/ν−−−−√tZtZ
Wszystko to oznacza, że wartości będą (i) bardziej zmienne, (ii) względnie bardziej pikowane i (iii) cięższe niż w normie. Gdy df rośnie, koncentruje się wokół 1, a następnie będzie bliżej normy.√t tQ/ν−−−−√t
(„relatywnie bardziej szczytowy” powoduje nieco ostrzejszy pik w stosunku do rozpiętości, ale większa wariancja pociąga środek w dół, co oznacza, że pik jest nieco niższy przy niższym df)
To jest trochę intuicji na temat tego, dlaczego wygląda tak, jak wygląda.t