简简单单说一下一阶矩、二阶矩、E(x(t))、中心矩等

看论文经常碰到专业领域的词汇，然而有的时候就弄的比较模糊，今天简单总结和贯通一下。

矩，百度一查，：本意是指曲尺，一种基本工具，可以画直角形和方形，也可以测度直线长短或估量角度数，也指法度等。

名字的由来肯定是有意义的，那么概率论里的矩，应该就是度量数据的。

概率论的描述是：矩（moment）是对变量分布和形态特点的一组度量。n阶矩被定义为一变量的n次方与其概率密度函数（Probability Density Function, PDF）之积的积分。

这么一说就懵了，后面还有，变量的一阶原始矩等价于数学期望（expectation）、二至四阶中心矩被定义为方差（variance）、偏度（skewness）和峰度（kurtosis）。

搞故障诊断的童鞋应该突然就嗨了起来，偏度、峰度，原来是三阶、四阶中心距啊，我也是刚刚才打通这条脉络。。。

那么简单说一下，这个阶数，其实就是给数据来个几次方。中心矩里的这个中心，描述的就是数据的均值，衡量的是数据绕着均值蹦跶的程度。

概率论里面就用E(x)来表示变量x的期望。联系到矩在概率论里的定义，那就是变量的n次方对概率密度的积分，这里做的假设就是，变量在t时刻的值出现的概率都是均等的，这样的话，求平均才可以解释的同。因为求平均就是默认的，每个样本的权重都是1/N，这就是概率密度。

因此，再联想一下偏度和峰度的公式，一下子就明白了

偏度，变量的三阶中心矩：

上面u^3就是去均值后的数据的三次方的期望，下面的delta^3，就是为了标准化，源于右侧的公式，这个操作就是将数据z-score标准化，使其均值为0，方差为1，但是并不一定服从标准正态分布。

这么一来就清晰很多了，原来n阶矩就是将数据去均值后，求n次方后的均值。偏度就是三阶标准中心矩，峰度就是四阶标准中心矩。

再补充一下，标准正态分布的峰度为什么是3？

可以这样表示峰度：E(x^4) 令x^2=z，则E(x^4) =E(z^2)

现在是讨论为什么标准正态分布的峰度是3，那么x是均匀分布的，因此 E(z^2)=(E(z))^2+D(z)。由于z=x^2，是自由度为1的卡方分布，卡方分布的均数是自由度，卡方分布的方差是2倍的自由度，因此(E(z))^2=1，D(z)=2，因而E(x^4) =E(z^2)=1+2=3。这是比较好理解的方法。