p 值是怎么算出来的:erf 级数、Lentz 连分式,和 t 分位的二分加牛顿
查表时代的遗产
教科书里算 t 检验最后一步永远是「查 t 分布表」——自由度 10、t=2.5,表中找不到精确值,只能插值估个大概。真实软件不能查表:任意自由度、任意 t 值都要给到十进制十几位的 p 值,而浏览器环境又没有 R 或 scipy 可调。于是「t 检验计算器」这类工具的内核,实际上是一套手写的特殊函数数值库。这篇文章拆开这套引擎,看看每个零件为什么长这样。
正态分布:一条函数,两副面孔
t 分布的自由度趋于无穷时收敛到标准正态,所以一切从 Φ(x) 开始。Φ(x) = ½(1 + erf(x/√2)),问题归约到误差函数 erf。erf 有幂级数展开,代码里的递推式很优雅:第 n 项乘上 −t²(2n−1)/(n(2n+1)),逐项累加直到项的绝对值小于和的 10⁻¹⁹ 倍,最后乘 2/√π。
但幂级数有自己的舒适区:t 小时收敛飞快,t 大时灾难性抵消——正项负项交替相消,最后每一位有效数字都是拼出来的。所以实现里在 t=2.6 处切刀:小 t 走级数,大 t 改用余补误差函数 erfc 的连分式。连分式的数值评估有个反直觉的技巧:从第 300 层倒着往回收敛(f = (n/2)/(t+f) 从 n=300 迭代到 1)——正向截断的连分式误差无法控制,逆向递推却天然稳定,这是连分式计算的标准姿势。两段拼起来,正态 CDF 从 −∞ 到 +∞ 全程满精度。
logGamma 与不完全贝塔:t 分布的心脏
t 分布的 CDF 没有初等表达式,标准路线经过不完全贝塔函数 I_x(a,b):P(T≤t) = 1 − ½·I_{df/(df+t²)}(df/2, ½),双侧 p 值则干脆就是 I_{df/(df+t²)}(df/2, ½)。贝塔函数前面有个贝塔常数 Γ(a)Γ(b)/Γ(a+b),直接算伽马函数会溢出(Γ(170) 就超双精度了),所以先取对数:logGamma 用 Lanczos 近似——g=7、9 个系数的多项式逼近,配合 x<0.5 时的反射公式 ln Γ(x) = ln(π/sin πx) − ln Γ(1−x) 覆盖全定义域。
不完全贝塔本体用连分式的 Lentz 算法评估:修改版的 Lentz 用一对递推量 c、d 交替推进,任何一步分母趋零就钳到 FPMIN=10⁻³⁰⁰ 防止除零爆炸,直到相邻两次修正因子之差小于 3×10⁻¹⁶(双精度舍入的水平)判停,上限 400 轮。还有一个容易忽略的对称开关:x < (a+1)/(a+b+2) 时用原式,否则换到 1−I_{1−x}(b,a)——连分式只在 x 较小时收敛快,对称换边保证永远站在收敛快的一侧。
t 分位数:三段式求根
算置信区间需要 t 分位数(比如 95% CI 要 t₀.₉₇₅),这是已知概率反解 t 的求根问题:目标函数 tCdf(t,df) − p = 0。实现是教科书级的三段式:
- 倍增定界:从 [−1, 1] 出发,两端各自翻倍直到函数值跨过目标——先保证根在区间里(带 200 次护栏防死循环);
- 二分收缩:200 轮或收缩到相对 10⁻¹³ 为止——二分慢但绝对稳,任何单调函数都吃这一套;
- 牛顿精化:用 t 分布的密度函数作导数,最多 40 步把精度推到 10⁻¹⁵ 量级——但每步都检查新点是否还在二分区间内,跳出去就放弃。牛顿法快而易飞,二分慢而稳,让牛顿只在二分圈定的安全区内冲刺,是两者最舒服的配合。
正态分位数同款逻辑再来一遍(80 轮二分 + 3 步牛顿)。自由度 ≥10⁴ 时 t 分布与正态的差别已小于计算精度,直接退回正态——这类「渐近捷径」是特殊函数代码里常见的省时设计。
Welch 自由度:为什么必须支持非整数
Student t 检验假设两组方差相等(合并方差 sp),现实数据经常不认。Welch 修正不去合并方差,标准误直接用 √(s₁²/n₁ + s₂²/n₂),代价是自由度变成 Satterthwaite 公式算出的非整数:(s₁²/n₁+s₂²/n₂)² 除以 (s₁²/n₁)²/(n₁−1) + (s₂²/n₂)²/(n₂−1)。算出来可能是 17.83——查表工具到这一步就死了,表上只有整数行;数值实现的 tCdf/tQuantile 天然接受任何正实数自由度,这正是「算」对「查」的根本优势。Welch 另一个工程友好的性质:方差不等时它比 Student 更稳健,而样本量够大时两者趋同——所以不少统计软件已把 Welch 设为独立两样本的默认。
配对 t 检验则更简单:先逐对相减得到差值序列,再对差值做单样本 t 检验,自由度 n−1。效应量 Cohen’s d 顺路算出(均值差除以合并标准差),p 值管「有没有差异」,d 管「差异有多大」——报告里两者都给,才不会把统计显著夸成业务显著。
逼近的艺术,精确的艺术
这套引擎没有一个环节是「精确」的——级数截断、连分式判停、迭代求根,全都是可控的逼近:每一处都带着误差界或收敛阈值,把结果钉在双精度能表达的极限上。这与24 点那篇的 BigInt 有理数是镜像的两条路线:前者承认无法精确、转而控制误差,后者拒绝舍入、把数字变成符号。工程直觉就是知道眼前的问题该走哪边。
上机验证:🔧 t检验计算器 支持单样本/独立两样本(Welch)/配对三种模式,输入数据即出 t 值、p 值、效应量与置信区间;同族还有 🔧 卡方检验 (列联表独立性)、🔧 方差分析 (多组比较)与 🔧 置信区间计算器 ;实验设计侧的 🔧 AB测试样本量计算器 回答「p 值要多显著得先喂多少样本」。统计工具集中在统计工作台,质量工程语境(Cpk、GR&R)下的姊妹篇见质量工具箱。