Rozkład t-Studenta – stopnie swobody i grube ogony

Opracowanie merytoryczne: Konrad Hryniewicz · Opublikowano: 2 listopada 2026

W skrócie: Rozkład t-Studenta to symetryczny rozkład o grubszych ogonach niż normalny, z jednym parametrem – liczbą stopni swobody. Ma go statystyka t, gdy odchylenie standardowe populacji szacujemy z próby. Przy małym df wartości krytyczne są wyraźnie większe niż 1.96, a gdy df rośnie, rozkład zbliża się do normalnego.

Co to jest rozkład t-Studenta?

Rozkład t-Studenta (ang. Student’s t distribution) to symetryczny rozkład o kształcie dzwonu, podobny do rozkładu normalnego, ale o grubszych ogonach. Ma jeden parametr: liczbę stopni swobody (df). Taki rozkład ma statystyka t = (M − μ)/(s/√n), gdy dane pochodzą z rozkładu normalnego, a odchylenie standardowe populacji zastępujemy odchyleniem s z próby. Wyprowadził go W. S. Gosset, publikując pod pseudonimem Student (1908). Zabell (2008) opisuje ten artykuł jako pierwszy z dokładnych wyników dla małych prób, na których oparła się współczesna teoria wnioskowania.

Własności

Średnia 0 (dla df > 1) i wariancja df/(df − 2) dla df > 2; przy df ≤ 2 wariancja jest nieskończona.
Grubsze ogony. Im mniej stopni swobody, tym więcej masy daleko od zera, bo s z małej próby bywa zaniżone.
Zbieżność. Gdy df rośnie, rozkład t zbliża się do standardowego normalnego.
Związek z F. Kwadrat zmiennej t z df stopniami swobody ma rozkład F z 1 i df stopniami swobody.

Przykład w R

Dwustronna wartość krytyczna przy α = .05 wynosi 4.303 dla 2 df, 2.571 dla 5 df, 2.228 dla 10 df, 2.042 dla 30 df i 1.984 dla 100 df, a w granicy 1.960. Wartość |t| > 1.96 ma przy 5 df prawdopodobieństwo .107, a nie .05. Symulacja 100 000 prób po 6 obserwacji z rozkładu normalnego dała ten sam odsetek: .107. Dlatego w małych próbach nie wolno korzystać z progu 1.96 z rozkładu normalnego.

Jak opisać w pracy

Statystykę testową porównano z rozkładem t-Studenta z 29 stopniami swobody; wartość krytyczna przy dwustronnym α = .05 wynosi 2.045.

Na co uważać

Rozkład a test. Rozkład t to model odniesienia; to, jak go użyć do porównania średnich, opisuje hasło test t Studenta.
Nie tylko w testach. Lange i in. (1989) pokazują, że rozkład t z df jako parametrem odporności służy też do modelowania danych z grubymi ogonami, np. w regresji.
Tablice. Wartości krytyczne dla dowolnych df znajdziesz w tablicach rozkładów t, chi-kwadrat i F.

Przykład reprodukowalny

Rozkład t-Studenta w R

Kod liczy wartości krytyczne rozkładu t, prawdopodobieństwo przekroczenia progu 1.96 i wariancję dla kilku liczb stopni swobody, a potem symuluje statystykę t z małych prób normalnych.

Wartości krytyczne i grube ogony rozkładu t

Dane wejściowe: liczby stopni swobody 2, 5, 10, 30, 100 i ∞; 100 000 symulowanych prób po 6 obserwacji z rozkładu normalnego; set.seed(4371).

Co odczytać: t_kryt (dwustronnie, α = .05), P_ponad = P(|T| > 1.96), wariancję rozkładu wartość krytyczną dla 29 df (2.045) oraz zgodność symulacji z teorią.

df <- c(2, 5, 10, 30, 100, Inf)
round(data.frame(df,
  t_kryt  = qt(.975, df),                       # dwustronnie, α = .05
  P_ponad = 2 * pt(1.96, df, lower.tail = FALSE), # P(|T| > 1.96)
  wariancja = ifelse(df > 2, 1 + 2 / (df - 2), Inf)), 3)
round(qt(.975, df = 29), 3)        # np. test t dla jednej próby, n = 30
set.seed(4371)                    # t = (M − μ) / (s/√n) przy n = 6
t_sym <- replicate(100000, { x <- rnorm(6); mean(x) / (sd(x) / sqrt(6)) })
round(c(odsetek_ponad_1.96 = mean(abs(t_sym) > 1.96),
        teoria_t5 = 2 * pt(1.96, 5, lower.tail = FALSE)), 3)

Wynik w R

   df t_kryt P_ponad wariancja
1   2  4.303   0.189       Inf
2   5  2.571   0.107     1.667
3  10  2.228   0.078     1.250
4  30  2.042   0.059     1.071
5 100  1.984   0.053     1.020
6 Inf  1.960   0.050     1.000
[1] 2.045
odsetek_ponad_1.96          teoria_t5 
             0.107              0.107

Bibliografia oprogramowania

Wyniki pochodzą z uruchomienia pokazanego kodu w R 4.5.3 (bez dodatkowych pakietów). W pracy podaj wersje faktycznie użytych pakietów (sessionInfo()).

R: R Core Team. (2026). R: A language and environment for statistical computing (Version 4.5.3) [Computer software]. R Foundation for Statistical Computing. https://www.R-project.org/

Najczęstsze pytania

Od ilu stopni swobody rozkład t można zastąpić normalnym?

Nie ma ostrej granicy. Przy 30 df dwustronna wartość krytyczna to 2.042, a przy 100 df 1.984 wobec 1.960. Programy i tak liczą p z rozkładu t, więc nie trzeba go zastępować.

Dlaczego rozkład t ma grubsze ogony niż normalny?

Bo odchylenie standardowe szacuje się z próby i w małych próbach bywa zaniżone, co daje skrajne wartości t częściej niż w rozkładzie normalnym.

Jak w R policzyć wartość krytyczną rozkładu t?

Funkcją qt(): dla dwustronnego α = .05 i 10 df wpisz qt(.975, 10), co daje 2.228. Prawdopodobieństwa ogona liczy funkcja pt().

Powiązane hasła

Poradniki, w których użyjesz tego pojęcia

Poradnik

Tablice rozkładów t, χ², F i z

Wartości krytyczne t, χ², F i z policzone w R oraz kalkulator wartości krytycznej i p dla dowolnych df z wykresem obszaru odrzucenia.

Czytaj →Poradnik

Test t Studenta krok po kroku

Jedna próba, próby niezależne i zależne na jednym przykładzie: założenia, test Welcha, d Cohena i d_z z 95% CI, wykres, zapis APA, R, SPSS i JASP.

Czytaj →

Potrzebujesz wsparcia w analizie danych?

Wybierz ofertę dopasowaną do pracy dyplomowej albo profesjonalnego projektu naukowego.

Wyceń analizę Oferta dla studentów

Bibliografia i dalsza literatura naukowa (APA 7)

Lange, K. L., Little, R. J. A., & Taylor, J. M. G. (1989). Robust statistical modeling using the t distribution. Journal of the American Statistical Association, 84(408), 881–896. https://doi.org/10.1080/01621459.1989.10478852
Student. (1908). The probable error of a mean. Biometrika, 6(1), 1–25. https://doi.org/10.1093/biomet/6.1.1
Zabell, S. L. (2008). On Student’s 1908 article “The probable error of a mean”. Journal of the American Statistical Association, 103(481), 1–7. https://doi.org/10.1198/016214508000000030

Cytowania BibTeX

@article{lange1989robust, author={Lange, Kenneth L. and Little, Roderick J. A. and Taylor, Jeremy M. G.}, title={{Robust statistical modeling using the t distribution}}, journal={Journal of the American Statistical Association}, year={1989}, volume={84}, number={408}, pages={881--896}, doi={10.1080/01621459.1989.10478852}}

@article{student1908probable, author={{Student}}, title={{The probable error of a mean}}, journal={Biometrika}, year={1908}, volume={6}, number={1}, pages={1--25}, doi={10.1093/biomet/6.1.1}}

@article{zabell2008student, author={Zabell, S. L.}, title={{On Student’s 1908 article “The probable error of a mean”}}, journal={Journal of the American Statistical Association}, year={2008}, volume={103}, number={481}, pages={1--7}, doi={10.1198/016214508000000030}}