一個平均數的機率誤差
只憑少數幾次測量，一個平均值能信到幾分？
只測了寥寥幾次，你對一個平均值能有幾分把握？
小樣本，理應配更寬的餘量
當你把一樣東西測上成千上萬次，你就同時知道了它的平均值和它有多分散，誤差棒也盡可放心。但真實的實驗通常很小——四塊大麥試驗田、五位病人、幾次試驗——這時你會撞上一個更安靜的難題：你只能用這同一小撮數字去「猜」分散程度。這個猜測很不牢靠，所以誠實的誤差棒，必須比教科書裡的常態曲線所暗示的更寬。戈塞特精確算出了到底該寬多少，為小樣本給出了一條尾部更厚的新鐘形曲線。
那位署名「Student」的釀酒師
威廉·西利·戈塞特並非教授，而是都柏林健力士（Guinness）釀酒廠的化學家、首席實驗釀造師；他要靠寥寥幾批實驗，去種出更好的大麥、釀出更穩定的啤酒。健力士怕洩露商業機密，禁止員工發表論文；於是 1908 年戈塞特解決了小樣本問題後，只能以筆名「Student」發表。為檢驗他的新曲線，他做了一個驚人地「親手」的實驗：取來 3000 名囚犯的身體測量資料，逐條寫在卡片上，把這副牌洗勻，再發出 750 個各含四人的小樣本——一次全靠手工完成的早期模擬。年輕的羅納德·費雪後來嚴格證明了戈塞特的結果，糾正了一處微妙的計數錯誤，並以好友之名將這條曲線命名為「Student t」；兩人通信往來數十年。
它為何重要
幾乎每一個真正要緊的實驗，都是在小樣本上做的——你很少能擁有成千上萬的病人或收成。在戈塞特之前，統計學家沒有一條誠實的路，從少數測量得出結論；在他之後，有了。他所成就的 t 檢定，成了在醫學、農業、心理學，以及今天決定你看到哪一版網頁的 A/B 測試中，追問「這個差別是真的，還是只是運氣？」的標準做法。它讓科學得以既「小」又「嚴謹」。
憑幾條評價下判斷
想像給一家餐廳打分。看 300 條評價，你對那個平均分可以相當有信心。只看 3 條，平均分可能撞了好運、也可能撞了霉運——所以明智的人會留餘地，讓「真實」品質的可能範圍寬得多。Student t 分布，正是這種「留餘地」的精確數學：測量越少，曲線鋪得越寬，結論就越要謹慎。等測量一多，它又收回到我們熟悉的那條鐘形曲線。
它在知識譜系中的位置
戈塞特的曲線是實用統計學的一塊基石，與本館其他「在不確定中推理」的基礎並列。貝葉斯（1763）揭示了一次觀測該如何修正一個信念；柯爾莫哥洛夫（1933）為機率本身奠定了嚴格地基；羅納德·費雪（1935）在顯著性與 t 檢定之上，建起了整門實驗設計的科學。每當一項研究以「95% 信賴」報告結果，或一家公司判定某個網頁設計勝過另一個，戈塞特的小樣本數學，都在悄悄地起作用。