循环统计中更高时刻的直觉


13

在循环统计中,圆上具有值的随机变量的期望值定义为 (请参阅Wikipedia)。这是一个非常自然的定义,方差 因此,我们不需要第二分钟即可定义方差!ZS

m1(Z)=SzPZ(θ)dθ
Var(Z)=1|m1(Z)|.

尽管如此,我们定义了较高的矩 我承认,乍一看也很自然,并且与线性统计中的定义非常相似。但是我仍然感到有些不舒服,并且有以下几点

mn(Z)=SznPZ(θ)dθ.

问题:

1. 上面定义的更高的矩(直觉)来衡量什么?分布的哪些特性可以用它们的矩来表征?

2.在较高矩的计算中,我们使用复数乘法,尽管我们将随机变量的值仅视为平面中的矢量或角度。我知道复数乘法在这种情况下本质上是角度的加法,但是仍然: 为什么复数乘法对循环数据有意义?

Answers:


8

矩是概率测度的傅立叶系数。假设(为了直观起见)具有密度。然后自变量(在复平面上从开始的角度)的密度为,并且矩是该密度以傅立叶级数展开时的系数。因此,关于傅里叶级数的通常直觉适用-这些测量了该密度下的频率强度。PZZ1Z[0,2π)

至于第二个问题,我想您已经给出了答案:“在这种情况下,复杂乘法本质上是角度的相加”。


谢谢,这真的很有帮助。(让我感到羞耻的是,即使在朝着傅立叶级数前进时也没有意识到它。)
Rasmus

这是否意味着应该将圆形分布的弯矩与线性分布的特征函数而不是其弯矩进行比较?
拉斯姆斯

@拉斯穆斯:我想这取决于您要对信息做些什么,但总的来说我会说是。
马克·梅克斯
By using our site, you acknowledge that you have read and understand our Cookie Policy and Privacy Policy.
Licensed under cc by-sa 3.0 with attribution required.