式展開
間違いしかありません.コメントにてご指摘いただければ幸いです(気が付いた点を特に断りなく頻繁に書き直していますのでご注意ください).
t分布の期待値と分散
t分布の期待値
分
布
の
確
率
密
度
凾
数
E
[
X
]
=
∫
−
∞
∞
x
⋅
1
n
1
β
(
1
2
,
n
2
)
(
1
+
x
2
n
)
−
n
+
1
2
d
x
…
t
分
布
の
確
率
密
度
凾
数
:
1
n
1
β
(
1
2
,
n
2
)
(
1
+
x
2
n
)
−
n
+
1
2
=
1
n
1
β
(
1
2
,
n
2
)
∫
−
∞
∞
x
(
1
+
x
2
n
)
−
n
+
1
2
d
x
彼
積
分
凾
数
彼
積
分
凾
数
彼
積
分
凾
数
奇
凾
数
彼
積
分
凾
数
(
x
)
=
x
(
1
+
x
2
n
)
−
n
+
1
2
彼
積
分
凾
数
(
−
x
)
=
(
−
x
)
(
1
+
(
−
x
)
2
n
)
−
n
+
1
2
=
−
x
(
1
+
x
2
n
)
−
n
+
1
2
=
−
彼
積
分
凾
数
(
x
)
…
奇
凾
数
奇
凾
数
の
上
端
と
下
端
の
絶
対
値
が
等
し
い
定
積
分
は
.
が
奇
凾
数
の
場
合
E
[
X
]
=
1
n
1
β
(
1
2
,
n
2
)
∫
−
∞
∞
x
(
1
+
x
2
n
)
−
n
+
1
2
d
x
=
1
n
1
β
(
1
2
,
n
2
)
⋅
0
…
奇
凾
数
の
上
端
と
下
端
の
絶
対
値
が
等
し
い
定
積
分
は
0
.
…
∫
−
a
a
f
(
x
)
d
x
=
0
,
f
(
x
)
が
奇
凾
数
の
場
合
=
0
t分布の分散
E
[
X
2
]
=
∫
−
∞
∞
x
2
⋅
1
n
1
β
(
1
2
,
n
2
)
(
1
+
x
2
n
)
−
n
+
1
2
d
x
=
1
n
1
β
(
1
2
,
n
2
)
∫
−
∞
∞
x
2
(
1
+
x
2
n
)
−
n
+
1
2
d
x
彼
積
分
凾
数
彼
積
分
凾
数
彼
積
分
凾
数
偶
凾
数
彼
積
分
凾
数
(
x
)
=
x
2
(
1
+
x
2
n
)
−
n
+
1
2
彼
積
分
凾
数
(
−
x
)
=
(
−
x
)
2
(
1
+
(
−
x
)
2
n
)
−
n
+
1
2
=
x
2
(
1
+
x
2
n
)
−
n
+
1
2
=
彼
積
分
凾
数
(
x
)
…
偶
凾
数
偶
凾
数
の
上
端
と
下
端
の
絶
対
値
が
等
し
い
定
積
分
は
.
が
偶
凾
数
の
場
合
E
[
X
2
]
=
1
n
1
β
(
1
2
,
n
2
)
∫
−
∞
∞
x
2
(
1
+
x
2
n
)
−
n
+
1
2
d
x
=
2
∫
0
∞
x
2
⋅
1
n
1
β
(
1
2
,
n
2
)
(
1
+
x
2
n
)
−
n
+
1
2
d
x
…
偶
凾
数
の
上
端
と
下
端
の
絶
対
値
が
等
し
い
定
積
分
は
2
∫
0
a
f
(
x
)
d
x
.
…
∫
−
a
a
f
(
x
)
d
x
=
2
∫
0
a
f
(
x
)
d
x
,
f
(
x
)
が
偶
凾
数
の
場
合
=
2
∫
1
0
(
n
(
t
−
1
−
1
)
)
⋅
1
n
1
β
(
1
2
,
n
2
)
(
1
+
n
(
t
−
1
−
1
)
n
)
−
n
+
1
2
n
1
2
1
2
(
t
−
1
−
1
)
−
1
2
(
−
t
−
2
)
d
t
…
x
2
=
n
(
t
−
1
−
1
)
…
x
=
n
1
2
(
t
−
1
−
1
)
1
2
=
n
1
2
s
1
2
…
s
=
t
−
1
−
1
…
x
:
0
→
∞
,
t
:
1
→
0
…
d
x
d
t
=
d
x
d
s
d
s
d
t
=
n
1
2
1
2
s
1
2
−
1
d
s
d
t
=
n
1
2
1
2
(
t
−
1
−
1
)
−
1
2
(
−
t
−
2
)
=
2
1
n
1
β
(
1
2
,
n
2
)
1
2
n
n
1
2
(
−
1
)
∫
1
0
(
1
+
n
(
t
−
1
−
1
)
n
)
−
n
+
1
2
(
t
−
1
−
1
)
1
−
1
2
t
−
2
d
t
=
n
β
(
1
2
,
n
2
)
∫
0
1
(
1
+
t
−
1
−
1
)
−
n
+
1
2
(
t
−
1
−
1
)
1
2
t
−
2
d
t
=
n
β
(
1
2
,
n
2
)
∫
0
1
t
n
+
1
2
(
t
−
1
−
1
)
1
2
t
−
2
d
t
=
n
β
(
1
2
,
n
2
)
∫
0
1
t
n
2
−
3
2
(
t
t
(
t
−
1
−
1
)
)
1
2
d
t
=
n
β
(
1
2
,
n
2
)
∫
0
1
t
n
2
−
3
2
(
1
t
(
1
−
t
)
)
1
2
d
t
=
n
β
(
1
2
,
n
2
)
∫
0
1
t
n
2
−
3
2
(
1
t
)
1
2
(
1
−
t
)
1
2
d
t
=
n
β
(
1
2
,
n
2
)
∫
0
1
t
n
2
−
3
2
t
−
1
2
(
1
−
t
)
1
2
d
t
=
n
β
(
1
2
,
n
2
)
∫
0
1
t
n
2
−
4
2
(
1
−
t
)
1
2
d
t
=
n
β
(
1
2
,
n
2
)
∫
0
1
t
n
2
−
1
−
1
(
1
−
t
)
3
2
−
1
d
t
=
n
Γ
(
1
2
)
Γ
(
n
2
)
Γ
(
1
2
+
n
2
)
Γ
(
n
2
−
1
)
Γ
(
3
2
)
Γ
(
n
2
−
1
+
3
2
)
…
β
(
a
,
b
)
=
Γ
(
a
)
Γ
(
b
)
Γ
(
a
+
b
)
=
∫
0
1
x
a
−
1
(
1
−
x
)
b
−
1
d
x
=
n
Γ
(
1
2
+
n
2
)
Γ
(
1
2
)
Γ
(
n
2
)
Γ
(
n
2
−
1
)
Γ
(
3
2
)
Γ
(
n
2
+
1
2
)
=
n
1
Γ
(
1
2
)
(
n
2
−
1
)
Γ
(
n
2
−
1
)
Γ
(
n
2
−
1
)
1
2
Γ
(
1
2
)
1
…
Γ
(
z
+
1
)
=
z
Γ
(
z
)
=
n
1
(
n
2
−
1
)
1
2
1
=
n
n
−
2
V
[
X
]
=
E
[
X
2
]
−
E
[
X
]
2
=
n
n
−
2
−
0
2
=
n
n
−
2
t分布の導出
X
=
Y
Z
n
,
t
分布の確率変数
t
分布は次の確率変数
X
を考えます.
分
布
標
準
正
規
分
布
分
布
X
=
Y
Z
n
⋯
Y
RMS
[
Y
]
Y
:
f
Y
(
y
)
=
1
2
π
e
−
y
2
2
⋯
z
分
布
(
標
準
正
規
分
布
)
Z
:
f
Z
(
z
)
=
1
2
n
2
Γ
(
n
2
)
e
−
z
2
z
n
2
−
1
⋯
χ
2
分
布
(
Z
=
∑
i
=
1
n
Y
i
2
)
f
Y
Z
(
y
,
z
)
,
Y
と
Z
の同時確率
と
は
独
立
f
Y
Z
(
y
,
z
)
=
f
Y
(
y
)
⋅
f
Z
(
z
)
⋯
Y
と
Z
は
独
立
変数変換,
Y
と
Z
から
X
と
U
へ
よ
り
x
=
y
z
n
よ
り
y
=
x
z
n
{
z
=
u
y
=
x
u
n
J
=
|
∂
(
y
,
z
)
∂
(
x
,
u
)
|
=
|
∂
y
∂
x
∂
y
∂
u
∂
z
∂
x
∂
z
∂
u
|
=
|
u
n
x
n
1
2
u
−
1
2
0
1
|
=
u
n
⋅
1
−
x
n
1
2
u
−
1
2
⋅
0
=
u
n
の
同
時
確
率
の
全
事
象
変
数
変
換
な
の
で
な
の
で
全
事
象
∫
0
∞
∫
∞
−
∞
f
Y
(
y
)
f
Z
(
z
)
d
y
d
z
⋯
Y
,
Z
の
同
時
確
率
の
全
事
象
=
∫
0
∞
∫
∞
−
∞
f
Y
(
x
u
n
)
f
Z
(
u
)
u
n
d
x
d
u
⋯
変
数
変
換
:
y
=
x
u
n
,
z
=
u
,
J
=
u
n
⋯
x
=
y
u
n
な
の
で
,
y
:
−
∞
→
∞
,
x
:
−
∞
→
∞
⋯
u
=
z
な
の
で
,
z
:
0
→
∞
,
u
:
0
→
∞
=
∫
0
∞
∫
∞
−
∞
1
2
π
e
−
(
x
u
n
)
2
2
1
2
n
2
Γ
(
n
2
)
e
−
u
2
u
n
2
−
1
u
n
d
x
d
u
=
1
2
π
1
2
n
2
Γ
(
n
2
)
1
n
∫
0
∞
∫
∞
−
∞
e
−
x
2
u
2
n
e
−
u
2
u
n
2
−
1
u
d
x
d
u
=
1
2
π
n
2
n
2
Γ
(
n
2
)
∫
0
∞
∫
∞
−
∞
e
−
x
2
u
2
n
−
u
2
u
n
2
−
1
+
1
2
d
x
d
u
=
1
2
π
n
2
n
2
Γ
(
n
2
)
∫
0
∞
∫
∞
−
∞
e
−
u
2
(
x
2
n
+
1
)
u
n
+
1
2
−
1
d
x
d
u
=
1
⋯
全
事
象
=
F
X
U
(
x
,
u
)
f
X
(
x
)
,
X
の確率密度凾数
f
X
U
(
x
,
u
)
=
∂
2
∂
x
∂
u
F
X
U
(
x
,
u
)
=
1
2
π
n
2
n
2
Γ
(
n
2
)
e
−
u
2
(
1
+
x
2
n
)
u
n
+
1
2
−
1
X
の確率密度凾数
f
X
(
x
)
がすなわち
t
分布なので,uについて積分することで周辺確率を求めます.
t
(
x
)
=
f
X
(
x
)
=
∫
0
∞
f
X
U
(
x
,
u
)
d
u
=
1
2
π
n
2
n
2
Γ
(
n
2
)
∫
0
∞
e
−
u
2
(
x
2
n
+
1
)
u
n
+
1
2
−
1
d
u
=
1
2
π
n
2
n
2
Γ
(
n
2
)
∫
0
∞
e
−
t
⋅
(
2
t
x
2
n
+
1
)
n
+
1
2
−
1
⋅
2
x
2
n
+
1
d
t
⋯
t
=
u
2
(
x
2
n
+
1
)
⋯
u
:
0
→
∞
,
t
:
0
→
∞
⋯
u
=
2
t
x
2
n
+
1
⋯
d
u
d
t
=
2
x
2
n
+
1
⋯
d
u
=
2
x
2
n
+
1
d
t
=
1
2
π
n
2
n
2
Γ
(
n
2
)
2
x
2
n
+
1
(
2
x
2
n
+
1
)
n
+
1
2
−
1
∫
0
∞
e
−
t
t
n
+
1
2
−
1
d
t
=
1
2
π
n
2
n
2
Γ
(
n
2
)
(
2
x
2
n
+
1
)
n
+
1
2
Γ
(
n
+
1
2
)
=
Γ
(
n
+
1
2
)
2
π
n
2
n
2
Γ
(
n
2
)
2
n
+
1
2
(
x
2
n
+
1
)
−
n
+
1
2
=
Γ
(
n
+
1
2
)
2
π
n
2
n
2
Γ
(
n
2
)
2
n
2
2
1
2
(
x
2
n
+
1
)
−
n
+
1
2
=
Γ
(
n
+
1
2
)
π
n
Γ
(
n
2
)
(
x
2
n
+
1
)
−
n
+
1
2
=
1
n
Γ
(
n
+
1
2
)
π
Γ
(
n
2
)
(
1
+
x
2
n
)
−
n
+
1
2
=
1
n
Γ
(
n
+
1
2
)
Γ
(
1
2
)
Γ
(
n
2
)
(
1
+
x
2
n
)
−
n
+
1
2
⋯
Γ
(
1
2
)
=
π
=
1
n
Γ
(
1
2
+
n
2
)
Γ
(
1
2
)
Γ
(
n
2
)
(
1
+
x
2
n
)
−
n
+
1
2
=
1
n
1
β
(
1
2
,
n
2
)
(
1
+
x
2
n
)
−
n
+
1
2
⋯
β
(
a
,
b
)
=
Γ
(
a
)
Γ
(
b
)
Γ
(
a
+
b
)
=
∫
0
1
x
a
−
1
(
1
−
x
)
b
−
1
d
x
新しい投稿
前の投稿
ホーム
登録:
投稿 (Atom)