Es convencional calcular la varianza de la muestra para que sea un estimador insesgado de la varianza de la población dividiendo por $n-1$ en lugar de $n$ .
Pero entonces la desviación típica de la muestra no es un estimador insesgado de la desviación típica de la población, y el recíproco de la desviación típica de la muestra está aún más sesgado como estimador del recíproco de la desviación típica de la población. En particular, las subestimaciones de la varianza harán que la estimación del recíproco de la desviación típica sea mucho más grande, y esto no se compensa totalmente con las sobreestimaciones de la varianza.
Dividiendo el valor de interés por la desviación típica de la población se obtendría una estadística de distribución normal.
Pero el $t$ divide el valor de interés por la estimación de la desviación típica de la muestra (es decir, multiplica por su recíproco). La posibilidad de que este resultado sea mucho mayor de lo que habría sido utilizando la desviación típica de la población ayuda a impulsar las colas más pesadas del $t$ y este tipo de distorsiones son más probables con muestras pequeñas. En cierto sentido, la $t$ puede considerarse un ajuste de la distribución normal para tener esto en cuenta.