Теория вероятности

Начальные и центральные теоретические моменты

Начальные моменты характеризуют распределение относительно начала координат, где первый начальный момент совпадает с математическим ожиданием. Центральные моменты измеряют отклонения относительно среднего значения: второй центральный момент равен дисперсии, третий связан с асимметрией, а четвёртый — с эксцессом. Рассмотрены формулы, свойства и практическое значение моментов для анализа данных и построения моделей.

Опр Начальным моментом порядка kk случайной величины XX называется математическое ожидание величины XkX^k для дискретной случайной величины

ν_k=M(Xk)(1)\begin{equation} \nu \_k =M( { X^k } ) \qquad (1) \end{equation}

и для непрерывной величины ν_k=∫_−∞∞xkf(x)dx\nu \_k =\int\limits\_ { -\infty } ^\infty { x^kf( x )dx }

при k=1k=1 получаем ν_1=M(X)\nu \_1 =M( X ) математическое ожидание случайной величины ХХ

При k=2k=2 получаем ν_2=M(X2)\nu \_2 =M( { X^2 } ) математическое ожидание X2X^2.

Используя эти моменты можно формулу дисперсии записать в виде:

D(X)=M(X2)−(M(X))2=ν_2−ν_12(2)\begin{equation} D( X )=M( { X^2 } )-( { M( X ) } )^2=\nu \_2 -\nu \_1 ^2 \qquad (2) \end{equation}

Кроме моментов случайной величины XX рассмотрим моменты отклонения X−M(X)X-M( X )

Опр. Центральным моментом порядка kk случайной величины XX наз. математическое ожидание величины (X−M(X))k( { X-M( X ) } )^k { отклонения }

M_k=M(X−M(X))k(3)\begin{equation} M\_k =M( { X-M( X ) } )^k \qquad (3) \end{equation}

при k=1k=1 имеем:

M_1=M(X−M(X))=0(4)\begin{equation} M\_1 =M( { X-M( X ) } )=0 \qquad (4) \end{equation}

Математическое ожидание отклонения

при k=2k=2 имеем:

M_2=M(X−M(X))2=D(X)(5)\begin{equation} M\_2 =M( { X-M( X ) } )^2=D( X ) \qquad (5) \end{equation}

Момент называется центральным, т.к. отклонение от { центра } - математического ожидания.

Для непрерывной величины M_k=∫_−∞∞(X_i−M(X))kf(x)dxM\_k =\int\limits\_ { -\infty } ^\infty { ( { X\_i -M( X ) } )^kf( x )dx } сравнивая { 2 } и { 5 } получим: ν_2−ν_12=M_2\nu \_2 -\nu \_1^2 =M\_2 исходя из определения центрального момента и пользуясь свойствами математического ожидания, получим M_3=ν_3−3ν_2ν_1+2ν_13M_4=ν_4−4ν_3ν_1+6ν_2ν_12−3ν_14\begin{array} { l } M\_3 =\nu \_3 -3\nu \_2 \nu \_1 +2\nu \_1 ^3 \\ M\_4 =\nu \_4 -4\nu \_3 \nu \_1 +6\nu \_2 \nu \_1 ^2-3\nu \_1^4 \\ \end{array} Моменты более высоких порядков применяются редко.

Другие статьи из категории

Похожие статьи

Все статьи →

Теория вероятности

Критерий согласия Пирсона: методика и применение для проверки гипотез о виде распределения

Методика включает вычисление статистики хи-квадрат как суммы нормированных квадратов разностей между наблюдаемыми и ожидаемыми частотами.…

Теория вероятности

Проверка гипотезы о показательном распределении: методы и критерии

Методы проверки включают критерий согласия Пирсона (хи-квадрат), критерий Колмогорова–Смирнова или использование графического анализа,…

Теория вероятности

Методы нахождения оценок: теория и практическое применение

Метод моментов заключается в приравнивании теоретических моментов распределения к их эмпирическим аналогам. Метод максимального…

Теория вероятности

Доверительный интервал: определение и методы построения

Построение доверительного интервала зависит от типа параметра (например, математическое ожидание, дисперсия) и распределения данных. Для…

Теория вероятности

Основные формулы теории вероятности

Теория вероятности изучает закономерности случайных событий, предлагая инструментарий для их количественной оценки. Рассматриваются…

Нужен расчёт?

Пришлите исходные данные — уточним состав работы и ответим по срокам.

Связаться