O parâmetro de não centralidade é útil para descrever estatísticas de teste comumente usadas, onde o parâmetro de não centralidade representa o grau em que a média da estatística de teste se afasta de sua média quando a hipótese nula é verdadeira.
O que é parâmetro central?
O parâmetro de não centralidade (λ) é uma medida de “…o grau em que uma hipótese nula é falsa” (Kirk, 2012). Em outras palavras, ele diz algo sobre o poder estatístico de um teste. Por exemplo, uma distribuição F com um parâmetro NCP igual a zero significa que a distribuição F é uma distribuição F central.
O que é o parâmetro de não centralidade δ?
Se a estatística de teste tiver uma distribuição normal padrão sob a hipótese nula, ela terá uma distribuição normal média diferente de zero sob a alternativa. Aqui essa média é o parâmetro de não centralidade. Para um teste t sob uma suposição de variância igual, a média é dada por: δ=μ1−μ2σpooled/√n
Qual é a diferença entre distribuição central e não central?
Enquanto a distribuição central descreve como uma estatística de teste é distribuída quando a diferença testada é nula, as distribuições não centrais descrevem a distribuição de uma estatística de teste quando o nulo é falso (portanto, a hipótese alternativa é verdadeira). Isso leva ao seu uso no cálculo do poder estatístico.
O que é distribuição de parâmetros sem centralidade?
A distribuição t não central generaliza a distribuição t de Student usando um parâmetro de não centralidade. Enquanto a distribuição de probabilidade central descreve como uma estatística de teste t é distribuída quando a diferença testada é nula, a distribuição não central descreve como t é distribuído quando o nulo é falso
