কেন্দ্রহীনতার প্যারামিটার - এটি কী, এটি কী করে, একটি প্রস্তাবিত মান কী হবে?

Question

আমি আমার পরিসংখ্যান জ্ঞান, বিশেষত নমুনা আকার নির্ধারণ এবং পরিসংখ্যান শক্তি বিশ্লেষণ সম্পর্কিত ক্ষেত্রে ব্রাশ করার চেষ্টা করা হয়েছে। তবে মনে হয় আমি যত বেশি পড়ি তত বেশি পড়ার দরকার পড়ে।

যাইহোক আমি জি * পাওয়ার নামে একটি সরঞ্জাম পেয়েছি যা আমার যা কিছু প্রয়োজন তা মনে করে তবে ননসেন্ট্রালটি প্যারামিটার বুঝতে আমার একটি সমস্যা হচ্ছে, এটি কী, এটি কী করে, প্রস্তাবিত মান ইত্যাদি কী হবে?

উইকিপিডিয়া ইত্যাদির তথ্য হয় অসম্পূর্ণ বা আমি এটি বোঝার জন্য খুব ভাল কাজ করছি না।

যদি কোনও সহায়তা হয় তবে আমি দুটি লেজযুক্ত জেড-টেস্টের একটি সিরিজ পরিচালনা করছি।

PS এই প্রশ্নে আরও ভাল ট্যাগ যুক্ত করতে পারেন?

Answer 1

পাওয়ার গণনায় আমরা পরীক্ষার পরিসংখ্যানগুলির নমুনা বন্টন নাল অনুমানের অধীনে কী হবে তার জ্ঞান ব্যবহার করে পরীক্ষাগুলি ক্র্যাবিলিটেড করি। সাধারণত, এটি একটি বা সাধারণ বিতরণ অনুসরণ করে। এটি আপনাকে "সমালোচনামূলক মানগুলি" গণনা করতে দেয় যার জন্য, এর বেশি হওয়া মানগুলি নাল সত্য হলে প্রত্যাশার সাথে খুব বেমানান বলে মনে করা হয়।$\chi^2$

ক্ষমতা একটি পরিসংখ্যানগত পরীক্ষা একটি বিকল্প হাইপোথিসিস অধীনে ডেটা উৎপাদিত প্রক্রিয়ার জন্য সম্ভাব্যতা মডেল উল্লেখ, এবং একই পরীক্ষার পরিসংখ্যান জন্য স্যাম্পলিং বন্টন গণনা করে গণনা করা হয়। এটি এখন ভিন্ন বিতরণ গ্রহণ করে।

বিতরণ পরীক্ষার পরিসংখ্যানগুলির জন্য , তারা আপনার তৈরি বিকল্পের অধীনে একটি অ-কেন্দ্রীয় central বিতরণ করে। এগুলি খুব জটিল বিতরণ, তবে মানক সফ্টওয়্যারগুলি সহজেই তাদের জন্য ঘনত্ব, বিতরণ এবং কোয়ান্টাইলগুলি গণনা করতে পারে। কৌশলটি হ'ল এগুলি স্ট্যান্ডার্ড ঘনত্ব এবং পোইসন ঘনত্বগুলির একটি রূপান্তর । আর সালে , এবং ফাংশন সব একটি ঐচ্ছিক আছে যুক্তি যা ডিফল্টভাবে, 0 দ্বারা হয়।$\chi^2$$\chi^2$$\chi^2$dchisqpchisqrchisqncp

যদি পরীক্ষার পরিসংখ্যানগুলির নাল অনুমানের অধীনে স্ট্যান্ডার্ড একটি সাধারণ বিতরণ থাকে, তবে এটির বিকল্পের অধীনে একটি ননজারো মানে স্বাভাবিক বিতরণ থাকবে। এখানে তার মানে হ'ল নন কেন্দ্রিয়তার পরামিতি। সমান বৈকল্পিক অনুমানের অধীনে টি-টেস্টের জন্য, গড়টি দেওয়া হচ্ছে:

$$\delta = \frac{\mu_1 -\mu_2}{\sigma_{pooled}/\sqrt{n}}$$

উভয় ক্ষেত্রেই, বিকল্প হাইপোথিসিস অনুসারে উত্পন্ন ডেটাগুলির ননসেন্ট্রালটি প্যারামিটার ( ) সহ কিছু ননেন্দ্রিক বিতরণের পরে পরীক্ষার পরিসংখ্যান থাকবে । কখনও কখনও অজানা, অন্যান্য তথ্য উৎপাদিত প্যারামিটার প্রায়ই জটিল ফাংশন।$\delta$$\delta$

Comments

আমি জানি কেন এলোমেলোভাবে নমুনা করার ফলে নাল অনুমানটি সত্য হয় (আপনার কালো রেখা) যদি সাধারণভাবে বিতরণ করা হয় mean কিন্তু ওয়েব আমাকে বিকল্প অধীনে বিতরণের বিবরণ পরস্পরবিরোধী দিয়েছেন (অর্থাত, যখন বিভিন্ন গণ্য করা হয় ) - আপনারটাতে এটি স্বাভাবিক (লাল লাইন) কিন্তু যেমন, real-statistics.com দেখিয়েছেন এটি স্কিউ করা হবে (পৃষ্ঠাটির নীচে ছবিটি অর্ধ-পথ দেখুন)। অবশ্যই, আমি একটি কৌশল মিস করেছি। আপনি আমার জন্য জিনিস পরিষ্কার করতে সাহায্য করতে পারেন? $\mu_2$$\mu_1$

— বেন

@ যদিও আমি একটি কেন্দ্রিয় টি-তে আঁকিনি, আমি একটি পরিসংখ্যান পরীক্ষার শক্তি আঁকলাম (লাল অঞ্চল, ছায়াময়)। বিদ্যুতের গণনা করার সময় অ-কেন্দ্রীয় চি-বর্গ বিতরণ সেই অঞ্চলটিকে বর্ণনা করে।

— অ্যাডামো