Наиболее общее представление нецентрального распределения t является довольно сложным. Джонсон и Коц [67] дают формулу вероятности того, что нецентральная вариация t попадает в диапазон [-u, u].
u2|12+j, ν2)
I (x 'start, δ) - неполная бета-функция с параметрами , δ - это параметр нецентральности, а start- число степеней свободы.
Нецентральное t-распределение является обобщением t-распределения Стьюдента.
Распределение t студента с n-1 степенями свободы моделирует t-статистику
мкс/н
где - среднее значение выборки, а s - стандартное отклонение выборки случайной выборки размера n от нормальной популяции со средним δ. Если среднее значение совокупности на самом деле равно мк0, то t-статистика имеет нецентральное распределение t с параметром нецентральности
Параметр нецентральности представляет собой нормализованную разницу между
Нецентральное распределение t дает вероятность того, что t-тест правильно отвергнет ложную нулевую гипотезу о среднем δ, когда среднее население на самом деле является мк0; то есть он дает мощность t-теста. Мощность увеличивается по мере увеличения разности, а также по мере увеличения размера n выборки.
Вычисление pdf нецентрального распределения t со степенями свободы V = 10 и параметр нецентральности DELTA = 1. Для сравнения также вычислите pdf распределения t с теми же степенями свободы.
x = (-5:0.1:5)'; nct = nctpdf(x,10,1); t = tpdf(x,10);
Постройте график pdf нецентрального распределения t и pdf распределения t на том же рисунке.
plot(x,nct,'b-','LineWidth',2) hold on plot(x,t,'g--','LineWidth',2) legend('nct','t')

nctcdf | nctinv | nctpdf | nctrnd | nctstat | random