Suele ser difícil estimar el número de grados de libertad debido a la naturaleza leptocúrtica de la distribución t de Student. Especialmente en estudios con tamaños de muestra pequeños, se necesita especial cuidado en la elección previa para asegurar que el análisis no esté dominado en exceso por ninguna distribución previa. En este artículo, se examinan las distribuciones populares utilizadas en la literatura existente caracterizando sus propiedades distribucionales en un soporte efectivo donde es deseable concentrar la mayor parte de la masa de probabilidad previa. Además, sugerimos una distribución previa log-normal como una opción previa viable. Mostramos que el estimador bayesiano basado en una distribución previa log-normal se compara favorablemente con otros estimadores bayesianos basados en las distribuciones previas propuestas previamente a través de estudios de simulación y aplicaciones financieras.