Parametr niecentralności jest przydatny do opisywania powszechnie używanych statystyk testowych, gdzie parametr niecentralności reprezentuje stopień, w jakim średnia statystyki testowej odbiega od jej średniej, gdy hipoteza zerowa jest prawdziwa.
Co to jest parametr centralny?
Parametr braku centralności (λ) jest miarą „… stopnia, w jakim hipoteza zerowa jest fałszywa” (Kirk, 2012). Innymi słowy, mówi coś o mocy statystycznej testu. Na przykład rozkład F z parametrem NCP równym zero oznacza, że rozkład F jest centralną dystrybucją F.
Co to jest parametr niecentralności δ?
Jeśli statystyka testowa ma standardowy rozkład normalny przy hipotezie zerowej, to przy alternatywie będzie miała niezerowy średni rozkład normalny. Tutaj oznacza to parametr niecentralności. Dla testu t przy założeniu równej wariancji, średnia jest dana wzorem: δ=μ1−μ2σpooled/√n
Jaka jest różnica między dystrybucją centralną a niecentralną?
Podczas gdy rozkład centralny opisuje rozkład statystyki testowej, gdy testowana różnica jest równa null, rozkłady niecentralne opisują rozkład statystyki testowej, gdy wartość null jest fałszywa (tak więc hipoteza alternatywna jest prawdziwa). Prowadzi to do ich wykorzystania przy obliczaniu mocy statystycznej.
Co to jest dystrybucja parametrów niecentralnych?
Niecentralny rozkład t-Studenta uogólnia rozkład t-Studenta za pomocą parametru niecentralności. Podczas gdy centralny rozkład prawdopodobieństwa opisuje rozkład statystyki testowej t, gdy testowana różnica jest równa null, rozkład niecentralny opisuje rozkład t , gdy wartość null jest fałszywa
