from scipy.stats import t
T2 = t(2); T4 = t(4); T6 = t(6); T30 = t(30)
(plotT2 + plotT4 + plotT6).show(figsize=[7,4])
plotT30 = plot(T30.pdf,[-6,6],color='orange')
(plotT2 + plotT30).show(figsize=[7,4])
from scipy.stats import norm
Normal_Verteilung = norm(0,1)
plotNV = plot(Normal_Verteilung.pdf, [-6,6], color='red', thickness=2)
(plotNV + plotT2).show(figsize=[7,4])
(plotNV1 + plotNV + plotT2 + tun + nun).show(figsize=[8,5])
(plotT250 + plotNV50 + plotNV + plotT2 + tval + nval).show(figsize=[8,5])
1) Für ein Intervall liefert die Studentsche $t$-Verteilung weniger Konfidenz als die Normalverteilung.
2) Unter Anwendung der Studentschen $t$-Verteilung, um ein bestimmtes Konfidenzniveau zu erreichen braucht man größere Intervalle als unter der Normalverteilung.
(plotNV + plotT30).show(figsize=[7,4])