本文介绍了随机变量的统计特性，包括k阶原点矩、k阶中心距和变异系数的概念。原点矩μk是随机变量X的k次幂的期望，特别地，μ1代表数学期望；中心距νk是X减去其期望后的k次幂的期望，ν2即为方差；变异系数Cν(X)是方差与期望的比值，衡量随机变量波动的程度。这些概念在概率论和统计学中有着广泛应用。
k 阶原点矩
设 X X X 为随机变量， k k k 为正整数。如果 E ( X k ) E(X^k) E(Xk) 存在，则称
μ k = E ( X k ) \mu_k=E(X^k) μk=E(Xk)
为 X X X 的 k k k 阶原点矩
特别的， μ 1 \mu_1 μ1 为 X X X 的数学期望
k 阶中心距
设 X X X 为随机变量， k k k 为正整数。如果 E ( X − E ( X ) ) k E(X-E(X))^k E(X−E(X))k 存在，则称
ν k = E ( X − E ( X ) ) k \nu_k=E(X-E(X))^k νk=E(X−E(X))k
为 X X X 的 k k k 阶中心距
特别的， ν 2 \nu_2 ν2 为 X X X 的方差
变异系数
设随机变量 X X X 的二阶距存在，则称比值
C ν ( X ) = ( V a r ( X ) E ( X ) = σ ( X ) E ( X ) C_\nu(X)=\frac{\sqrt{(Var(X)}}{E(X)}=\frac{\sigma(X)}{E(X)} Cν(X)=E(X)(Var(X)=E(X)σ(X)
为 X X X 的变异系数
扫一扫
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
