非中心性参数-它是什么，它起什么作用，建议值是多少？

我一直在努力提高自己的统计知识，尤其是在样本量确定和统计功效分析方面。但是似乎我读的越多，我需要阅读的越多。

无论如何，我找到了一个名为G * Power的工具，该工具似乎可以满足我的所有需求，但是我在理解非中心性参数时遇到了问题，它是什么，它是做什么的，建议值是什么？

维基百科等上的信息不完整，或者我在理解它方面做得不好。

如果有帮助，我将进行一系列的两个尾部z检验。

ps有人可以为此问题添加更好的标签吗？

在功效计算中，我们使用零假设下的检验统计量抽样分布的知识来校准检验。通常，它遵循$\chi^2$或正态分布。这使您可以计算“临界值”，对于这些“临界值”，认为超出该值的值与null为真时的预期值过于不一致。

的功率统计检验的由另一种假设下指定用于所述数据生成处理的概率模型，并计算同一测试统计采样分布来计算。现在，它采用了不同的分布。

对于具有 $\chi^2$ 在null下分布，它们取非中心 $\chi^2$分布在您创建的替代方案下。这些是非常复杂的分布，但是标准软件可以轻松地为其计算密度，分布和分位数。诀窍是它们是标准的卷积$\chi^2$密度和泊松密度。在R，则dchisq，pchisq和rchisq功能都具有一个可选的ncp参数，它是，在默认情况下，0。

如果检验统计量在原假设下具有标准正态分布，则在替代方案下检验统计量将具有非零的平均正态分布。这里的平均值是非中心性参数。对于等方差假设下的t检验，均值由下式给出：

无论哪种情况，根据替代假设生成的数据在具有非中心性参数（$\delta$）。的$\delta$ 是其他数据生成参数有时未知，通常很复杂的函数。