1 定義
ｔ分布は、正規母集団から得た標本において、母分散が未知のときに平均の不確実さを表すための確率分布である。標本平均を標本標準偏差で標準化した統計量が従う分布として定式化され、推測統計で広く用いられる。
1.1 基本的な考え方
母平均を推定する際、母分散がわかっていれば標準正規分布を使えるが、実際には母分散が未知である場合が多い。そのため、標本から分散を推定し、その推定誤差も含めて扱う必要がある。ｔ分布は、この追加の不確実性を反映した分布として導入される。
1.2 標準正規分布との関係
ｔ分布は標準正規分布に形が似ているが、中心付近はほぼ同様で、両端の裾がやや厚い。これは、分散の推定による揺らぎが加わるためである。自由度が増えるにつれて差は小さくなり、十分大きい標本では標準正規分布に近づく。
1.3 自由度の意味
自由度は、分布の形を決める重要なパラメータであり、標本サイズから推定に使われた情報量を差し引いた残りの独立な情報の数を表す。一般に、自由度が小さいほど分散の推定が不安定になり、分布の裾が厚くなる。
2 導出
ｔ分布は、正規母集団からの標本平均と標本分散の組合せから導かれる。標準化された平均が、分散推定のばらつきを補正する形で構成される点が特徴である。
2.1 正規母集団からの導出
母集団が正規分布に従うとき、標本平均は正規分布に従う。これを母分散で割れば標準正規化できるが、母分散が未知の場合は標本分散で置き換える。こうして得られる統計量の分布がｔ分布である。
2.2 標本平均と標本分散による表現
標本平均と標本分散を用いると、ｔ統計量は「平均との差を標本平均の標準誤差で割った値」として表される。この形式は、観測値の平均が母平均からどれだけ離れているかを、標本の大きさとばらつきを考慮して評価する。
2.3 カイ二乗分布との関係
ｔ分布は、標準正規分布に従う変数を、自由度をもつカイ二乗分布に従う変数の平方根で割ることで得られる。ここで分母に現れるカイ二乗分布は、標本分散の不確実性を表している。この構成により、ｔ分布の裾の厚さが生じる。
3 性質
ｔ分布は連続分布であり、対称性や裾の厚さなど、推定や検定に有用な性質をもつ。自由度の違いによって見た目や数値特性が変化する。
3.1 確率密度関数
確率密度関数は自由度をパラメータとして定まる。式はガンマ関数を含む形で表され、中心で最大となり、左右に滑らかに減少する。明示的な形はやや複雑だが、数値計算では標準的に扱える。
3.2 対称性
ｔ分布は0を中心に左右対称である。このため、正と負の偏差が同じ確率構造をもち、平均のずれを評価する検定や区間推定に適している。対称性は、片側・両側の確率計算を単純化する。
3.3 平均と分散
自由度が1を超えると平均は0となり、自由度が2を超えると分散も定義できる。ただし、自由度が小さい場合は分散が大きく、極端な値が現れやすい。高自由度では正規分布に近い性質を示す。
3.3.1 自由度による変化
自由度が増えるほど、分布の中心は鋭くなり、裾は薄くなる。逆に自由度が小さいと、観測値のばらつきに対する不確実性が大きく、広がった形になる。これにより、小標本では慎重な判断が求められる。
3.4 裾の厚さ
ｔ分布の代表的な特徴は、標準正規分布よりも裾が厚い点である。大きな偏差が生じる確率を相対的に高く見積もるため、検定や信頼区間で過度に楽観的な結論を避けやすい。
3.4.1 標準正規分布との比較
標準正規分布と比べると、ｔ分布は中心部の高さがやや低く、その分だけ両端が重い。自由度が大きくなると差は目立たなくなり、実用上はほぼ同じとみなせる場合もある。
4 応用
ｔ分布は、平均に関する推測統計の基本であり、検定、区間推定、回帰分析などで不可欠な役割を果たす。特に母分散が未知の状況で、その利点が明確になる。
4.1 ｔ検定
ｔ検定は、平均の差や母平均の値を調べるための代表的な手法である。標本数が少ない場合でも使えることから、実験研究や調査分析で頻繁に利用される。
4.1.1 片側検定
片側検定では、差がある方向をあらかじめ定めて、その方向にのみ有意性を判定する。たとえば、平均がある基準より大きいか小さいかを調べる場合に用いられる。
4.1.2 両側検定
両側検定では、平均との差が正負どちらの方向でも大きければ棄却の対象となる。方向を特定できない場面で用いられ、より一般的な判断基準を与える。
4.2 信頼区間
信頼区間は、母平均など未知の母数が含まれると期待される範囲を示す。ｔ分布を使うことで、標本誤差を織り込んだ区間を構成できる。
4.2.1 母平均の信頼区間
母分散が未知のとき、母平均の信頼区間はｔ分布の臨界値と標本平均、標本標準偏差から求める。標本が小さいほど区間は広くなり、推定の不確かさが強く反映される。
4.2.2 母分散未知の場合の扱い
母分散がわからないときは、標本分散で代用するだけでなく、その推定誤差も考慮する必要がある。ｔ分布はこの状況に適合しており、区間幅の調整に実質的な意味をもつ。
4.3 回帰分析
回帰分析では、説明変数の係数が0かどうかを調べる際にｔ分布が用いられる。推定された係数の標準誤差に基づき、各係数の有意性を評価できる。
4.3.1 回帰係数の検定
回帰係数の検定では、係数の推定値をその標準誤差で割った統計量がｔ分布に従うとみなす。これにより、各変数が目的変数に与える寄与を判定できる。
4.3.2 回帰モデルでの利用
回帰モデル全体や個別の説明変数について、仮説検定と推定の両方にｔ分布が関与する。モデルの係数に対する信頼区間の作成にも使われ、結果の解釈を支える。
5 関連する分布
ｔ分布は他の基本的な確率分布と密接に結びついている。とくに正規分布、カイ二乗分布、フィッシャーのｔ分布との関係が重要である。
5.1 標準正規分布
標準正規分布は、ｔ分布の比較対象として最も重要である。母分散が既知であれば正規分布で足りるが、未知の場合にはｔ分布がより適切となる。
5.2 カイ二乗分布
カイ二乗分布は、標本分散のばらつきを表現する際に現れる。ｔ分布の定義にも直接関わり、自由度という概念を通じて密接なつながりを持つ。
5.3 フィッシャーのｔ分布との関係
フィッシャーのｔ分布という表現は、ｔ分布の研究史に関連して用いられることがある。実務上は、平均の検定で使うｔ分布を指す文脈が多いが、分野によって呼称が異なる場合がある。
6 近似と極限
ｔ分布は自由度によって性質が変わり、極限的には標準正規分布へ近づく。近似の理解は、実際の統計解析でどこまでｔ分布を使うかを判断する助けとなる。
6.1 自由度が大きい場合の近似
自由度が大きいと、ｔ分布は標準正規分布で近似できる精度が高くなる。大標本では差がほとんど問題にならないことも多いが、厳密には両者は別の分布である。
6.2 標準正規分布への収束
自由度を無限大に近づけると、ｔ分布は標準正規分布に収束する。この性質は、分散推定の不確実性が相対的に小さくなることを意味する。
6.3 小標本での重要性
小標本では、正規分布をそのまま使うと過小評価が生じるおそれがある。ｔ分布はこの状況においてより保守的な判断を与え、検定や区間推定の信頼性を高める。
7 計算と利用
ｔ分布は理論的には複雑でも、実際には表やソフトウェアを用いて容易に計算できる。研究や実務では、臨界値と確率の取得が主要な作業となる。
7.1 分布表の読み方
分布表では、自由度と有意水準に応じた臨界値が示される。片側か両側かを確認し、必要な自由度に対応する値を選ぶことが重要である。
7.2 数値計算による確率の求め方
現代の計算環境では、積分や累積分布関数を用いて確率を数値的に求めることができる。これにより、手計算では扱いにくい値でも精密に評価できる。
7.3 統計ソフトでの実装
多くの統計ソフトやプログラミング言語には、ｔ分布の密度、累積確率、逆関数を計算する機能がある。実務ではこれらを使って検定、信頼区間、回帰分析の出力を得ることが一般的である。