Per approfondire il commento di @cardinal, prendere in considerazione un campione iid di dimensione da una variabile casuale con una certa distribuzione e momenti finiti, media e deviazione standard . Definire la variabile casualenXμσ
Zn=n−−√(X¯n−μ)
Il teorema del limite centrale di base dice che
Zn→dZ∼N(0,σ2)
Consideriamo ora la variabile casuale dove è la deviazione standard campione di .Yn=1SnSnX
Il campione è iid e quindi i momenti del campione stimano costantemente i momenti della popolazione. Così
Yn→p1σ
Inserisci @cardinal: il teorema (o lemma) di Slutsky dice, tra l'altro, che
dove è una costante . Questo è il nostro caso
{Zn→dZ,Yn→pc}⇒ZnYn→dcZ
c
ZnYn=n−−√Xn¯−μSn→d1σZ∼N(0,1)
Per quanto riguarda l'utilità della distribuzione di Student, menziono solo che, nei suoi "usi tradizionali" relativi ai test statistici, è ancora indispensabile quando le dimensioni del campione sono veramente piccole (e ci troviamo ancora di fronte a tali casi), ma anche che ha è stato ampiamente applicato al modello di serie autoregressive con eteroschedasticità (condizionale), in particolare nel contesto dell'Economia Econometrica, dove tali dati emergono frequentemente.