t分布表：从统计推断到实际应用的全面指南

在统计学中，当我们处理小样本（通常n<30）且总体标准差未知时，t分布成为正态分布的替代。而t分布表则是我们进行推断的钥匙——它提供了不同自由度与显著性水平下的临界值，帮助我们在置信区间和假设检验中做出决策。

t分布表的结构

典型的t分布表包含以下要素：

• 自由度（df）：通常从1到30，然后跳至40、60、120等，直至无穷大（对应正态分布）。
• 单尾或双尾显著性水平（α）：常用值如0.10、0.05、0.025、0.01、0.005等。
• 临界值（tₐ）：对应于给定自由度和α的t值。

表格通常按自由度排列，每列对应不同的α。例如，自由度为10、双尾α=0.05时，t临界值为2.228。

如何查找t分布表

假设我们需要计算一个95%置信区间，样本容量n=16，自由度为df=15。双侧α=0.05，因此每侧α/2=0.025。在t分布表中，找到df=15行，对应0.025列，临界值约为2.131。这意味着样本均值± 2.131×(标准差/√n) 将包含总体均值的概率为95%。

若进行单侧检验，则直接使用该侧α。例如，α=0.05的单侧临界值（df=15）在表中0.05列下为1.753。

实际应用案例：手算与软件验证

案例：某研究测量10名患者的血压变化，样本均值差为5 mmHg，样本标准差为8 mmHg。求总体均值差在90%置信水平下的置信区间。

步骤：

1. 自由度为 n-1=9。
2. t分布表查得：df=9，双尾α=0.10时，临界值t₀.₁₀=1.833。（常用表中双尾0.10对应单尾0.05，检查表格标明）
3. 标准误 = 8/√10 ≈ 2.53。
4. 置信区间 = 5 ± 1.833×2.53 = 5 ± 4.64，即 (0.36, 9.64) mmHg。

使用统计软件（如R语言）可验证：t.test(x, conf.level=0.90) 得到相同结果。

t分布表的局限性

传统t分布表只提供有限自由度与α组合，在非整数自由度或非常规α时需插值。现代统计中，更推荐使用软件直接计算精确t值，但理解表格原理仍有助于掌握统计推断的逻辑。

扩展阅读：t分布与正态分布的关系

随着自由度增大，t分布趋近于标准正态分布。当df>30时，两者差异很小；当df=∞时，t分布即为正态分布。因此，大样本下可直接使用z分布。

t分布表也适用于两独立样本t检验，此时自由度需要根据Welch–Satterthwaite公式调整，部分表格提供近似值。

总结

t分布表是经典统计推断的基石。掌握其查询方法，能帮助研究者无需计算繁琐公式即可快速获得临界值。尽管现代计算工具已普及，但理解t分布表背后的概念，仍是学习统计学的必要环节。

——统计学习笔记，2024年更新