Il parametro di non centralità è utile per descrivere le statistiche di test comunemente usate, dove il parametro di non centralità rappresenta il grado in cui la media della statistica di test si discosta dalla sua media quando l'ipotesi nulla è vera.
Qual è il parametro centrale?
Il parametro di non centralità (λ) è una misura di "…il grado in cui un'ipotesi nulla è falsa" (Kirk, 2012). In altre parole, ti dice qualcosa sulla potenza statistica di un test. Ad esempio, una distribuzione F con un parametro NCP pari a zero significa che la distribuzione F è una distribuzione F centrale.
Cos'è il parametro di non centralità δ?
Se la statistica test ha una distribuzione normale standard sotto l'ipotesi nulla, avrà una distribuzione normale media diversa da zero sotto l' alternativa. Qui quella media è il parametro di non centralità. Per un test t sotto un'ipotesi di varianza uguale, la media è data da: δ=μ1−μ2σpooled/√n
Qual è la differenza tra distribuzione centrale e non centrale?
Mentre la distribuzione centrale descrive come viene distribuita una statistica test quando la differenza verificata è nulla, le distribuzioni non centrali descrivono la distribuzione di una statistica test quando la statistica test è falsa (quindi la ipotesi alternativa è vera). Questo porta al loro utilizzo nel calcolo della potenza statistica.
Cos'è la distribuzione dei parametri non di centralità?
La distribuzione t non centrale generalizza la distribuzione t di Student usando un parametro di non centralità. Mentre la distribuzione di probabilità centrale descrive come viene distribuita una statistica test t quando la differenza verificata è nulla, la distribuzione non centrale descrive come viene distribuito t quando il valore nullo è falso
