Моме́нт случа́йной величины́ — числовая характеристика распределения данной случайной величины.
Определения
Править
Если дана случайная величина $ \displaystyle X, $ определённая на некотором вероятностном пространстве, то:
- $ \displaystyle k $-м нача́льным моментом случайной величины $ \displaystyle X, $ где $ k \in \mathbb{N}, $ называется величина
- $ \nu_k = \mathbb{E}\left[X^k\right], $
- если математическое ожидание в правой части этого равенства определено;
- $ \displaystyle k $-м центра́льным моментом случайной величины $ \displaystyle X $ называется величина
- $ \mu_k = \mathbb{E}\left[(X - \mathbb{E}X)^k\right], $
- если математическое ожидание в правой части этого равенства определено.
Замечания
Править
- Если определены моменты $ \displaystyle k $-го порядка, то определены и все моменты низших порядков $ 1 \le k' < k. $
- В силу линейности математического ожидания центральные моменты могут быть выражены через начальные, и наоборот. Например:
- $ \displaystyle \mu_1 = 0, $
- $ \displaystyle \mu_2 = \nu_2-\nu_1^2, $
- $ \displaystyle \mu_3 = \nu_3-3\nu_1 \nu_2 + 2 \nu_1^3. $
Геометрический смысл некоторых моментов
Править
- $ \displaystyle \nu_1 $ равняется математическому ожиданию случайной величины и показывает относительное расположение распределения на числовой прямой.
- $ \displaystyle \mu_2 $ равняется дисперсии распределения $ \displaystyle (\mu_2=\sigma^2) $ и показывает разброс распределения вокруг среднего значения.
- $ \displaystyle \mu_3 $, будучи соответствующим образом нормализован, является числовой характеристикой симметрии распределения. Более точно, выражение
- $ \frac{\mu_3}{\sigma^3} $
- называется коэффициентом асимметрии.
- $ \displaystyle \mu_4 $ контролирует, насколько ярко выражена вершина распределения в окрестности среднего. Величина
- $ \frac{\mu_4}{\sigma^4}-3 $
- называется коэффициентом эксцесса распределения $ \displaystyle X. $
Вычисление моментов
Править
- Часто моменты могут быть вычислены напрямую через определение путём интегрирования соответствующих степеней случайной величины. В частности, для абсолютно непрерывного распределения с плотностью $ \displaystyle f(x), $ имеем:
- $ \nu_k = \int\limits_{-\infty}^{\infty} x^k\, f(x)\, dx, $
- а для дискретного распределения с функцией вероятности $ \displaystyle p(x): $
- $ \nu_k = \sum\limits_{x} x^k\, p(x). $
- Если распределение таково, что для него в сколь угодно малой окрестности нуля определена производящая функция моментов $ \displaystyle M(t) $ или характеристическая функция $ \displaystyle \phi(t), $ то моменты могут быть вычислены по формулам:
- $ \nu_k = \left.\frac{d^k}{dt^k}M(t)\right\vert_{t=0} $
- или
- $ \nu_k = \left.-i^k \frac{d^k}{dt^k} \phi(t)\right\vert_{t=0}. $
Обобщения
Править
Можно также рассматривать нецелые значения $ k $. Момент, рассматриваемый как функция от аргумента $ k $, называется преобразованием Меллина.sv:Moment (matematik)