Statistical-Power
非中心性參數 - 它是什麼，它有什麼作用，建議值是多少？
我一直在努力複習我的統計知識，尤其是在樣本量確定和統計功效分析方面。但似乎我讀的越多，我需要讀的越多。
無論如何，我找到了一個名為G*Power的工具，它似乎可以滿足我的一切需求，但我在理解非中心性參數時遇到了問題，它是什麼，它有什麼作用，建議值是多少等？
維基百科等上的信息要么不完整，要么我沒有很好地理解它。
如果有幫助的話，我正在進行一系列的兩個有尾 z 測試。
ps 任何人都可以為這個問題添加更好的標籤嗎？
在功效計算中，我們使用在零假設下檢驗統計量的抽樣分佈的知識來校準檢驗。通常，它遵循一個或正態分佈。這允許您計算“臨界值”，超過此值的值被認為與 null 為真時的預期值高度不一致。
統計檢驗的功效是通過指定替代假設下數據生成過程的概率模型，併計算相同檢驗統計量的抽樣分佈來計算的。這現在採用不同的分佈。
對於具有在零分佈下，他們採取非中心 在您創建的替代方案下分發。這些是非常複雜的分佈，但標準軟件可以輕鬆計算它們的密度、分佈和分位數。訣竅是它們是標準的捲積密度和泊松密度。在 R 中
dchisq，pchisq、 和rchisq函數都有一個可選ncp參數，默認情況下為 0。如果檢驗統計量在原假設下具有標準正態分佈，則在備擇假設下它將具有非零均值正態分佈。這裡的均值是非中心性參數。對於等方差假設下的 t 檢驗，均值由下式給出：
在任何一種情況下，根據替代假設生成的數據將具有遵循具有非中心性參數的一些非中心分佈的檢驗統計量 (）。這是其他數據生成參數的有時未知的，通常是複雜的函數。
