Центральный момент - Central moment
В теории вероятностей и статистике , центральный момент является моментом из распределения вероятностей в виде случайной величины около случайной переменного среднего ; то есть это ожидаемое значение указанной целочисленной степени отклонения случайной величины от среднего. Различные моменты образуют один набор значений, с помощью которых можно эффективно охарактеризовать свойства распределения вероятностей. Центральные моменты используются вместо обычных моментов, вычисляемых в терминах отклонений от среднего, а не от нуля, потому что центральные моменты более высокого порядка относятся только к разбросу и форме распределения, а не также к его местоположению .
Наборы центральных моментов могут быть определены как для одномерного, так и для многомерного распределения.
Одномерные моменты
П - й момент , примерно среднее (или п - го центрального момента ) от вещественной случайной величины X является величина μ п : Е = [( Х - Е [ Х ]) п ], где Е представляет собой оператор математического ожидания . Для непрерывного одномерного распределения вероятностей с функцией плотности вероятности f ( x ) n- й момент относительно среднего μ равен
Для случайных величин, не имеющих среднего значения, таких как распределение Коши , центральные моменты не определены.
Первые несколько центральных моментов имеют интуитивное толкование:
- «Нулевой» центральный момент μ 0 равен 1.
- Первый центральный момент μ 1 равен 0 (не путать с первым необработанным моментом или ожидаемым значением μ ).
- Второй центральный момент μ 2 называется дисперсией и обычно обозначается σ 2 , где σ представляет собой стандартное отклонение .
- Третий и четвертый центральные моменты используются для определения стандартизованных моментов, которые используются для определения асимметрии и эксцесса соответственно.
Характеристики
П - й центральный момент является перевод-инвариантным, то есть для любой случайной величины X и любой константы с , мы имеем
Для всех п , то п - й центральный момент является однородным степени п :
Только для п таких , что п равно 1, 2 или 3 мы имеем свойство аддитивности для случайных величин X и Y , которые являются независимыми :
- если n ∈ {1, 2, 3 }.
Связанный функционал, который разделяет свойства трансляционной инвариантности и однородности с n- м центральным моментом, но продолжает иметь это свойство аддитивности, даже когда n ≥ 4 является n- м кумулянтом κ n ( X ). Для n = 1 n- й кумулянт - это просто ожидаемое значение ; для n = либо 2, либо 3, n- й кумулянт - это просто n- й центральный момент; для п ≥ 4, п - й кумулянт является п - й степени унитарный многочлен в первых п моментов (около нуля), а также (проще) п - й степени многочлен в первых п центральных моментов.
Отношение к моментам о происхождении
Иногда удобно преобразовать моменты о происхождении в моменты о среднем значении. Общее уравнение для преобразования момента n- го порядка относительно начала координат в момент около среднего:
где μ - среднее значение распределения, а момент относительно начала координат определяется выражением
Для случаев n = 2, 3, 4, которые представляют наибольший интерес из-за соотношений дисперсии , асимметрии и эксцесса , соответственно, эта формула принимает следующий вид (с учетом того, что и ):
- который обычно называют
... и так далее, следуя треугольнику Паскаля , т.е.
потому что
Следующая сумма представляет собой стохастическую переменную, имеющую составное распределение.
где являются взаимно независимыми случайными величинами, имеющими одно и то же общее распределение, и случайной целочисленной переменной, независимой от с собственным распределением. Моменты получаются как
где определяется как ноль для .
Симметричные распределения
В симметричном распределении (тот , который не зависит от того отражение о его среднем), все нечетные центральные моменты равны нулю, так как в формуле для п - й момент, каждый член с участием значение X меньше , чем среднее значение на определенную величину точности отменяет термин, содержащий значение X, превышающее среднее значение на ту же величину.
Многовариантные моменты
Для непрерывного двумерного распределения вероятностей с функцией плотности вероятности f ( x , y ) момент ( j , k ) относительно среднего μ = ( μ X , μ Y ) равен
Центральный момент сложных случайных величин
П - го центрального момента для комплексной случайной величины X определяется как
Абсолютный n- й центральный момент X определяется как
Центральный момент второго порядка β 2 называется дисперсией из X , тогда как центральный момент второго порядка α 2 является псевдо-дисперсией из X .
Смотрите также
- Стандартизированный момент
- Момент изображения
- Нормальное распределение § Моменты
- Комплексная случайная величина