Several parameters have been sugges

Several parameters have been suggested to quantify the right tail of the distribution. Skewness is the third moment of a distribution, and captures the distribution’s asymmetry. As a higher moment however, it may require a large number of observationsbe reliably estimated, so most researchers use other approaches. The s parameter of the ex-Gaussian distribution is another important measure of skewness. The ex-Gaussian is a convolution ofGaussian and an exponential distribution, with the parameters
and r respectively representing the mean and standard deviation of the Gaussian component, and s representing the mean and standard deviation of the exponential component, which gives theGaussian its positive skew.
While ex-Gaussian parameters represent one approachcharacterising RT distributions, others exist. Carpenter (1981) advocates carrying out analyses on the reciprocals of RTs, rather than on raw values. By taking the reciprocal of an RT, we treatas a rate rather than a latency. Reciprocal RT distributions appear Gaussian, and do not show the skewness that characterises raw RTs (Carpenter, 1981). The first two moments of this distributcan be measured by taking the mean and standard deviationsthe reciprocals of the RTs, or by fitting Carpenter’s Linear Approach to Threshold with Ergodic Rate (LATER) model, which givesmean and standard deviation of the best-fitting Gaussian distribution of the reciprocal RTs. This model, however, has as yet largely been used in saccadic RT research only.
It remains unclear whether these different parameters measureseparate aspects of ISV, or whether they render one another largely redundant (but see Schmiedek, Oberauer, Wilhelm, Süb,& Wittmann, 2007). This raises problems when comparing across studies that use different measures of ISV. On one hand, we may be glossing over genuine differences in what various parameters measure; on the other, we may be overemphasising differences between metrics that essentially measure the same thing.

ผลลัพธ์ (ไทย) 1:

มีการแนะนำพารามิเตอร์หลายหางขวาของการกระจายการวัดปริมาณ ความเบ้เป็นช่วงเวลาที่สามของการกระจาย และจับ asymmetry การกระจาย เป็นช่วงสูง อย่างไรก็ตาม มันอาจ observationsbe ได้ประมาณ จำนวนมากดังนั้นนักวิจัยส่วนใหญ่ใช้วิธีอื่น ๆ พารามิเตอร์ s ของอดีต-Gaussian กระจายเป็นวัดสำคัญอีกความเบ้ Gaussian อดีตเป็น convolution ofGaussian และกระจายการเนน กับพารามิเตอร์และ r ตามลำดับแสดงค่าเฉลี่ยและส่วนเบี่ยงเบนมาตรฐานของส่วนประกอบ Gaussian และ s แสดงค่าเฉลี่ยและส่วนเบี่ยงเบนมาตรฐานประกอบเนน ซึ่งทำให้ theGaussian การเอียงของบวกในขณะที่อดีต Gaussian พารามิเตอร์แทนการกระจายหนึ่ง approachcharacterising RT อื่น ๆ มี ช่างไม้ (1981) สนับสนุนการดำเนินการวิเคราะห์คือของอาร์ทีเอส มากกว่าค่าวัตถุดิบ โดยการนำส่วนกลับของการ RT เรา treatas อัตราการแทนที่แฝง การกระจายการ RT กันและปรากฏ Gaussian และไม่แสดงความเบ้ที่ characterises ดิบอาร์ทีเอส (ช่างไม้ 1981) first สองช่วงเวลาของ distributcan นี้จะวัด โดยเฉลี่ยและมาตรฐาน deviationsthe คือของอาร์ทีเอส หรือ fitting ช่างไม้ขีดจำกัดเชิงเส้นวิธีกับ Ergodic อัตรา (LATER) givesmean และส่วนเบี่ยงเบนมาตรฐานของการส่วน-fitting จำหน่าย Gaussian อาร์ทีเอสอัตราแลกเปลี่ยนที่ รุ่นนี้ อย่างไรก็ตาม เป็นส่วนใหญ่ใช้ RT saccadic วิจัยเท่านั้นมันยังคงไม่ชัดเจนว่าแง่ measureseparate พารามิเตอร์ต่าง ๆ ของ ISV หรือ ว่าพวกเขาทำกันซ้ำซ้อนส่วนใหญ่ (แต่ดู Schmiedek, Oberauer วิลเฮล์ม Süb, & Wittmann, 2007) นี้เพิ่มปัญหาเมื่อเปรียบเทียบระหว่างการศึกษาที่ใช้วัดแตกต่างกันของ ISV บนมือหนึ่ง เราอาจจะ glossing กว่าความแตกต่างของแท้ในวัดพารามิเตอร์อะไรต่าง ๆ เราอาจ overemphasising ความแตกต่างระหว่างการวัดที่เป็นวัดเดียวกัน

ผลลัพธ์ (ไทย) 2:

พารามิเตอร์หลายคนได้รับการแนะนำให้ปริมาณหางขวาของการกระจาย เบ้เป็นช่วงเวลาที่สามของการกระจายและจับความไม่สมดุลของการกระจาย ในฐานะที่เป็นช่วงเวลาที่สูงขึ้นอย่างไรก็ตามมันอาจต้องใช้จำนวนมากของ observationsbe ประมาณเชื่อถือได้ดังนั้นนักวิจัยส่วนใหญ่ใช้วิธีการอื่น ๆ พารามิเตอร์ของการกระจายอดีตเสียนเป็นอีกหนึ่งวัดที่สำคัญของเบ้ อดีตเสียนเป็น ofGaussian บิดและการกระจายชี้แจงมีพารามิเตอร์
และ R ตามลำดับคิดเป็นค่าเฉลี่ยและค่าเบี่ยงเบนมาตรฐานขององค์ประกอบ Gaussian และ S ที่เป็นตัวแทนของค่าเฉลี่ยและค่าเบี่ยงเบนมาตรฐานขององค์ประกอบชี้แจงซึ่งจะช่วยให้ theGaussian เอียงบวก
ในขณะที่ค่าพารามิเตอร์อดีตเสียนเป็นตัวแทนหนึ่ง approachcharacterising แจกแจง RT คนอื่น ๆ ที่มีอยู่ คาร์เพน (1981) สนับสนุนการดำเนินการวิเคราะห์เกี่ยวกับกลับของ RTs มากกว่าค่าดิบ โดยการใช้กฎของ RT เรา TreatAs อัตรามากกว่าแฝง การกระจายซึ่งกันและกัน RT ปรากฏ Gaussian และไม่แสดงเบ้ที่ characterizes RTs ดิบ (ไม้ 1981) สายแรกสองช่วงเวลานี้ distributcan วัดได้โดยการใช้ค่าเฉลี่ยและส่วนกลับ deviationsthe มาตรฐานของ RTs หรือโดย Fi ระบบวิธีการเชิงเส้นของช่างไม้ที่จะเกณฑ์ที่มีอัตลักษณ์อัตรา (ต่อ) รุ่นที่ givesmean และค่าเบี่ยงเบนมาตรฐานของ BEST- Fi ระบบการกระจายเสียนของ RTs ซึ่งกันและกัน รุ่นนี้ แต่ได้เป็นได้รับส่วนใหญ่ใช้ในการวิจัย saccadic RT เท่านั้น.
มันยังไม่ชัดเจนว่าพารามิเตอร์ที่แตกต่างเหล่านี้ measureseparate แง่มุมของ ISV หรือว่าพวกเขาทำให้คนอื่นส่วนใหญ่ที่ซ้ำซ้อน (แต่เห็น Schmiedek, Oberauer วิลเฮล์, ย่อย, และวิทท์ 2007) ก่อให้เกิดปัญหานี้เมื่อเปรียบเทียบข้ามการศึกษาที่ใช้มาตรการที่แตกต่างกันของ ISV หนึ่งในมือเราอาจจะ glossing กว่าความแตกต่างของแท้ในสิ่งที่วัดพารามิเตอร์ต่างๆ; ที่อื่น ๆ เราอาจจะ overemphasising ความแตกต่างระหว่างตัวชี้วัดที่เป็นหลักในการวัดสิ่งเดียวกัน

ผลลัพธ์ (ไทย) 3:

พารามิเตอร์หลายได้รับการแนะนำในช่วงท้ายของการกระจาย เบ้คือช่วงเวลาที่สามของการกระจายและครอบคลุมการกระจายความไม่สมมาตร . เป็นสูงเวลาอย่างไรก็ตาม อาจต้องใช้จำนวนมากของ observationsbe ประเมินได้ ดังนั้น นักวิจัยใช้วิธีการอื่น ๆของพารามิเตอร์ของการแจกแจงแบบปกติ แฟนเก่า เป็นอีกวัดที่สำคัญของความ . การ ) อดีตเป็น ofgaussian ขดและการแจกแจงแบบเลขชี้กำลังที่มีพารามิเตอร์
r ตามลำดับของค่าเฉลี่ย และส่วนเบี่ยงเบนมาตรฐานของส่วนประกอบของเกาส์และ S แทน ค่าเฉลี่ย และส่วนเบี่ยงเบนมาตรฐานของส่วนประกอบชี้แจง ,ซึ่งจะช่วยให้ thegaussian เป็นเบ้ .
ในขณะที่พารามิเตอร์เสียน อดีตผู้แทน approachcharacterising การแจกแจง RT ผู้อื่นอยู่ ช่างไม้ ( 1981 ) สนับสนุนการดําเนินการวิเคราะห์บน reciprocals ของ RTS มากกว่าค่าดิบ โดยการใช้กฎของ RT เรา treatas อัตรามากกว่าแฝงอยู่ การกระจาย Gaussian RT ซึ่งกันและกันปรากฏ ,และไม่แสดงความดิบที่เป็นเอกลักษณ์แห่งความหรูหรา RTS ( ช่างไม้ , 1981 ) จึง distributcan RST สองช่วงเวลานี้จะวัดโดยการใช้ค่าเฉลี่ย และ deviationsthe reciprocals มาตรฐานของ RTS หรือจึงตัดไม้เชิงเส้นวิธีการเกณฑ์กับอัตลักษณ์เท่ากัน ( ทีหลัง ) รุ่นที่ givesmean และส่วนเบี่ยงเบนมาตรฐานของที่ดีที่สุด - จึงนั่งหน้าแดงของ RTS ส่วนกลับรุ่นนี้ แต่ก็ยังถูกใช้ในงานวิจัยส่วนใหญ่ส่งออกชนิดใต้อำนาจจิตใจเท่านั้น แต่มันยังคงไม่ชัดเจนว่า
พารามิเตอร์ต่าง ๆ เหล่านี้ measureseparate ด้านซอฟต์แวร์ หรือ ว่าให้คนอื่นไปแทน ( แต่เห็น schmiedek oberauer วิล , , , S ü b , & วิทมาน , 2007 ) ทำให้เกิดปัญหาเมื่อเปรียบเทียบในการศึกษาที่ใช้มาตรการที่แตกต่างกันของซอฟต์แวร์ . บนมือข้างหนึ่ง ,เราอาจจะ glossing เหนือความแตกต่างที่แท้จริงในสิ่งที่พารามิเตอร์ต่างๆวัด ; ในอื่น ๆ เราอาจจะ overemphasising ความแตกต่างระหว่างตัวชี้วัดที่เป็นวัดเดียวกัน