Распределение Стьюдента играет важную роль в байесовском анализе данных. 12 Оно возникает в этом анализе как результат связи с нормальным распределением. 1

Например, если неизвестна дисперсия нормально распределённой случайной величины, но известно сопряжённое априорное распределение, можно подобрать такое гамма-распределение, что полученные в результате величины будут обладать распределением Стьюдента. 1

Также распределение Стьюдента часто используется в качестве альтернативы нормальному распределению для модели данных. 12 Это происходит из-за того, что настоящие данные часто имеют более тяжёлые хвосты, чем позволяет нормальное распределение. 1

Кроме того, в одновыборочной процедуре байесовского вывода для нормального распределения за основу можно взять одновыборочный критерий Стьюдента и двухвыборочный критерий Стьюдента для зависимых выборок при характеризации апостериорных распределений. 5