自从我上物理课以来已经很长时间了,所以让我知道这是否不正确。
物理类比矩的一般描述
采取随机变量。X在c周围的第n个矩为:
m n(c )= E [ (X - c )n ]
这正好对应于矩的物理意义。想象X是沿着实线的点的集合,其密度由pdf给出。在此线下方的c处放置一个支点,并开始计算相对于该支点的力矩,计算将完全对应于统计力矩。XnXc
米ñ(c )= E[ (X− c )ñ]
XC
大多数时候,该的第时刻X指的是围绕0的时刻(时刻其中支点放置在0):
米Ñ = ë [ X Ñ ]
的Ñ个中央的时刻X为
:米 Ñ = m n(m 1)= E [ (X − m 1 )n ]ñX
米ñ= E[ Xñ]
ñX米^ñ= 米ñ(米1个)= E[ (X− 米1个)ñ]
这对应于支点位于质心的时刻,因此分布是平衡的。如下所述,它使时刻更易于解释。因为分布是平衡的,所以第一中心矩将始终为零。
的个标准化的时刻X是:
〜米 Ñ = 米 ÑñX
同样,它通过分布的扩展来缩放矩,从而可以更轻松地特别地解释峰度。第一个标准矩将始终为零,第二个标准矩将始终为1。这对应于变量的标准分数(z分数)的时刻。对于这个概念,我没有一个很好的物理模拟。
米〜ñ= 米^ñ(米^2---√)ñ= E[ (X− 米1个)ñ](E[ (X− 米1个)2]-----------√)ñ
常用时刻
对于任何分布,可能都有无限数量的力矩。足够的时刻几乎总是可以完全表征和分布(为此确定必要的条件是时刻问题的一部分)。统计学中经常谈论四个时刻:
- 均值 -第一个矩(以零为中心)。它是分布的质心,或者它与分布相对于支点0的扭矩力矩成比例。
- X
- 偏度 -第三中心矩(有时是标准化的)。分布在一个方向或另一个方向上的偏差的量度。相对于正态分布(没有偏斜),正偏斜的分布具有极高结果的可能性低,负偏斜的分布具有极低的结果可能性。物理类似物很困难,但可以宽松地衡量分布的不对称性。例如,下图取自Wikipedia。
- X
我们很少谈论超越峰度的时刻,因为它们的直觉很少。这类似于物理学家在第二时刻之后停止。