Ոչ կենտրոնականության պարամետրը օգտակար է սովորաբար օգտագործվող թեստի վիճակագրությունը նկարագրելու համար, որտեղ ոչ կենտրոնականության պարամետրը ներկայացնում է աստիճանը, որով թեստային վիճակագրության միջինը հեռանում է իր միջինից, երբ զրոյական վարկածը ճշմարիտ է.
Ի՞նչ է կենտրոնական պարամետրը:
Ոչ կենտրոնականության պարամետրը (λ) չափումն է «…այն աստիճանի, որով զրոյական վարկածը կեղծ է» (Kirk, 2012): Այլ կերպ ասած, այն ձեզ ինչ-որ բան է ասում թեստի վիճակագրական հզորության մասին: Օրինակ, F-բաշխումը NCP պարամետրով զրոյական է, նշանակում է, որ F-բաշխումը կենտրոնական F-բաշխում է:
Ի՞նչ է ոչ կենտրոնականության պարամետրը δ?
Եթե փորձարկման վիճակագրությունն ունի ստանդարտ նորմալ բաշխում զրոյական վարկածի ներքո, այն կունենա ոչ զրոյական միջին նորմալ բաշխում այլընտրանքի տակ:Այստեղ այդ միջինը ոչ կենտրոնականության պարամետրն է: Հավասար դիսպերսիանսի ենթադրությամբ t-թեստի համար միջինը տրվում է՝ δ=μ1−μ2σpooled/√n
Ո՞րն է տարբերությունը կենտրոնական և ոչ կենտրոնական բաշխման միջև:
Քանի որ կենտրոնական բաշխումը նկարագրում է, թե ինչպես է բաշխվում թեստի վիճակագրությունը, երբ փորձարկված տարբերությունը զրոյական է, ոչ կենտրոնական բաշխումները նկարագրում են թեստային վիճակագրության բաշխումը, երբ զրոյականը կեղծ է (այսպես, այլընտրանքային վարկածը ճշմարիտ է): Սա հանգեցնում է դրանց օգտագործման վիճակագրական հզորությունը հաշվարկելիս:
Ի՞նչ է ոչ կենտրոնական պարամետրի բաշխումը:
Ոչ կենտրոնական t-բաշխումն ընդհանրացնում է Student-ի t-բաշխումը` օգտագործելով ոչ կենտրոնական պարամետր: Մինչդեռ կենտրոնական հավանականության բաշխումը նկարագրում է, թե ինչպես է բաշխվում t վիճակագրությունը, երբ փորձարկված տարբերությունը զրոյական է, ապա ոչ կենտրոնական բաշխումը նկարագրում է, թե ինչպես է բաշխվում t , երբ զրոյականը կեղծ է
