统计学的矩（moment）

参考：https://www.matongxue.com/madocs/412.html

随机过程这门课在复习概率论的时候，又讲到了矩，刚好在这里写一下关于矩的东西，主要是参考的知乎大神的描述。

我们知道，假设r.v.x有E(|X|^k)<+∞，E（|X-E(X)|^k）<+∞，则称：

　　E（X^k）为k阶原点矩

　　E（|X|^k）为k阶绝对矩

　　E（(X-EX)^k)为k阶中心矩

　　E（|X-EX|^k）为K阶绝对中心矩

这个是基本定义。我们知道最简单的一阶原点矩就是均值，二阶中心矩就是方差，那么其他的矩是什么呢？我们为什么要理解这些矩呢？怎么理解矩呢？

其他的矩是什么，这里暂且不谈，为什么要理解这些矩呢？因为你会在很多地方遇到这些东西，这里我举几个例子吧，我基本上在大数据（比如关于log normal distribution时候）以及openCV中都遇到过矩，moment这个概念。下图是关于log normal distribution的wiki截图，就讲了很多关于moment的东西。至于opencv，我忘记啦，反正有过。。

 

好了，言归正传，到底什么是矩（moment）？

借用物理上的力矩的概念，在天平上，

　　　　　　　　长度×力=长度×力，就是两个的力矩相等，力矩=长度×力。

这说明平衡不仅仅取决于绝对力量的大小，还取决于他相关的长度。回到概率论，以中彩票为例，

　　　　　　　　期望（奖金） = （中奖）概率 × （中奖）金额。

显然，这里的概率就是天平上的刻度（长度），中奖金额就是你的要称的重量。显然，我们想象一下在天平的左边是待测量，也就是不同的（概率，奖金）组，右边就是他的均值（期望），不同的组放在天平上都会和右边的期望平衡。

最后引用wiki的原话对矩进行一个概述：

the zeroth moment is the total probability (i.e. one), the first moment is the mean, the second central moment is the variance, the third standardized moment is the skewness, and the fourth standardized moment is the kurtosis. 

零阶矩就是整个概率（概率1），一阶矩就是均值（表示分布的重心），二阶中心矩就是方差（表示分布对重心的离散程度），三阶标准矩就是偏态（表示分布偏离对称的程度），四阶标准矩就是峰态（描述分布的尖峰程度，例如正态分布峰态系数=0）。

更多内容可以参考这篇博客：https://blog.csdn.net/HP605962422/article/details/77248727

 

转载于:https://www.cnblogs.com/SsoZhNO-1/p/10053890.html