当样本量足够大时，t分布近似于:A. 卡方分布B. 标准正态分布C. Poisson分布D. F分布

考查要点：本题主要考查对t分布性质的理解，特别是当样本量变化时其极限分布的掌握。

解题核心思路：
t分布的形态与自由度密切相关。当样本量增大时，自由度（df = n - 1）也随之增大。根据统计学中的结论，当自由度趋于无穷大时，t分布的极限分布是标准正态分布。因此，样本量足够大时，t分布会逐渐逼近标准正态分布。

破题关键点：

1. 明确t分布与自由度的关系。
2. 理解中心极限定理对样本均值分布的影响。
3. 排除其他干扰选项（如卡方分布、Poisson分布、F分布）的典型应用场景。

t分布是一种连续概率分布，其概率密度函数为：
$f(t) = \frac{\Gamma\left(\frac{\nu+1}{2}\right)}{\sqrt{\nu \pi} \Gamma\left(\frac{\nu}{2}\right)} \left(1 + \frac{t^2}{\nu}\right)^{-\frac{\nu+1}{2}},$
其中$\nu$为自由度。当$\nu$增大时，t分布的形态逐渐接近标准正态分布（均值为0，方差为1）。具体分析如下：

1. 自由度与分布形态：
   自由度$\nu = n - 1$，当样本量$n$增大时，$\nu$增大，t分布的峰度降低，尾部变薄，最终趋近于标准正态分布。

2. 极限分布的数学推导：
   当$\nu \to \infty$时，t分布的概率密度函数极限为：
   $\lim_{\nu \to \infty} f(t) = \frac{1}{\sqrt{2\pi}} e^{-t^2/2},$
   即标准正态分布的密度函数。

3. 排除其他选项：

   • 卡方分布（A）：用于描述独立标准正态变量平方和的分布，与自由度相关，但与t分布无直接关系。
   • Poisson分布（C）：离散型分布，描述单位时间或空间内事件发生的次数，与连续型的t分布无关。
   • F分布（D）：由两个独立卡方分布的比值构成，用于方差比检验，与t分布的极限行为无关。