用maximum likelihood estimation就可以了，自由度是T唯一的参数

当自由度n大于等于三时，t分布的方差=n/(n-2)，所以可以求出样本方差。然后利用上式，比较容易的得到自由度n. 如果n小于3，比如n=1，即为cauchy分布，可能需要利用极大似然估计求解。但是可以利用矩估计来辅助判断，即计算 期望和方差，如果期望和方差比较大，则可能为cauchy分布，如果均值为0，则为t分布，然后套公式 方差=n/(n-2), 如果结果合理，则结束求解，否则 n的值就可能为2. 当然上述过程都是建立在t分布的假设是合理的，这个需要仔细验证。

当自由度n大于等于三时，t分布的方差=n/(n-2)，所以可以求出样本方差。然后利用上式，比较容易的得到自由度n. 如果n小于3，比如n=1，即为cauchy分布，可能需要利用极大似然估计求解。但是可以利用矩估计来辅助判断，即计算 期望和方差，如果期望和方差比较大，则可能为cauchy分布，如果均值为0，则为t分布，然后套公式 方差=n/(n-2), 如果结果合理，则结束求解，否则 n的值就可能为2. 当然上述过程都是建立在t分布的假设是合理的，这个需要仔细验证。

matlab, pd=fitdist(样本，tLocationScale)