1) Tidak.
2) karena perhitungan distribusi statistik uji bergantung pada penggunaan akar kuadrat dari varian Bessel-koreksi untuk mendapatkan estimasi standar deviasi.
Jika dimasukkan, itu hanya akan skala masing-masing t-statistik - dan karenanya distribusi - oleh faktor (yang berbeda di setiap df); yang kemudian akan skala nilai kritis dengan faktor yang sama.
Jadi, Anda bisa, jika mau, membuat set baru "t" -tabel dengan digunakan dalam rumus untuk statistik baru, , lalu kalikan semua nilai yang ditabulasikan untuk dengan untuk mendapatkan tabel untuk statistik baru. Tetapi kami dapat dengan mudah mendasarkan pengujian kami pada estimasi ML dari , yang akan lebih sederhana dalam beberapa cara, tetapi juga tidak akan mengubah apa pun yang substantif tentang pengujian.s ∗ = s /c4t ∗ =X¯¯¯¯¯-μ0s ∗ /n√=c4( n )tn - 1tνc4( ν+ 1 )σ
Membuat perkiraan standar deviasi populasi tidak memihak hanya akan membuat perhitungan lebih rumit, dan tidak akan menyimpan apa pun di tempat lain ( , dan pada akhirnya masih akan mengarah pada penolakan yang sama atau non-penolakan). [Ke ujung Apa? Mengapa tidak memilih MLE atau MSE minimum atau sejumlah cara lain untuk mendapatkan penaksir ?]x¯x2¯¯¯¯¯nσ
Tidak ada yang sangat berharga tentang memiliki estimasi tidak bias untuk tujuan ini (ketidakberpihakan adalah hal yang baik untuk dimiliki, hal lain dianggap sama, tetapi hal lain jarang sama).s
Mengingat bahwa orang terbiasa menggunakan varians yang dikoreksi Bessel dan karenanya standar deviasi yang sesuai, dan distribusi nol yang dihasilkan cukup mudah, ada sedikit - jika ada sama sekali - untuk mendapatkan dengan menggunakan beberapa definisi lain.