期货投资分析中，t分布是一个非常重要的概念。它在处理小样本数据时尤为重要，特别是在总体标准差未知的情况下。
t分布（t-Distribution）全称为学生t分布（Student's t Distribution），由威廉·戈塞特（William. Gosset）于1908年提出。设随机变量X服从标准正态分布N(0, 1)，Y服从卡方分布χ²(n)，那么t = X / √(Y/n) 服从自由度为n的t分布，记为t ~ t(n)。
t分布的概率密度函数为：
f(x) = Γ((n+1)/2) / (√(nπ) Γ(n/2)) * (1 + x²/n)^(-(n+1)/2)
其中，Γ(x)为伽马函数。当n ≥ 2时，t分布的数学期望E(t) = 0；当n ≥ 3时，t分布的方差D(t) = n/(n-2)。
t分布的概率密度函数图形是以0为中心、左右对称的钟形分布。自由度越小，t分布概率密度函数的图形相对于标准正态分布更平坦；自由度越大，t分布曲线越接近标准正态分布曲线。当自由度大于30时，t分布的概率密度函数的图形接近标准正态分布（见图3-4）。
下面用一个常见例子来说明如何构造t分布。设x₁, x₂, ..., xₙ是从正态分布N(μ, σ²)中随机独立抽取的一组样本，样本均值为x̄ = (1/n) Σxᵢ，样本标准差为s = √[(1/(n-1)) Σ(xᵢ - x̄)²]。若总体标准差σ未知，可利用样本标准差s来代替总体标准差进行估计，此时将x̄标准化后得到的新统计量服从自由度为(n-1)的t分布，即t = (x̄ - μ) / (s/√n) ~ t(n-1)。
根据t分布构造的置信水平为1-α的总体均值的置信区间为：
[x̄ - t(α/2, n-1) * (s/√n), x̄ + t(α/2, n-1) * (s/√n)]
其中，t(α/2, n-1)是t分布下右侧面积为α/2的分位数，可以通过查找t分布表找到相应的临界值。
通过上述例子，我们可以看到t分布在处理小样本数据时的重要性。在实际应用中，t分布常用于假设检验和置信区间的构建，尤其是在总体标准差未知的情况下。
科目：期货投资分析
考点：t分布
