矩 moments
mean, variance, standard deviation, skewness, kurtosis
期望 Expectation
- E [ X ] = ∑ x ∈ R ( X ) x P ( X = x ) E[X] = \sum_{x\in R(X)}xP(X = x) E[X]=∑x∈R(X)xP(X=x)
- R ( X ) R(X) R(X)是随机变量值 X X X的区间
- 实际上是对所有可能的值进行加权平均的过程
- 比如, 伯努利随机变量的期望 p × 1 + ( 1 − p ) × 0 = p p \times 1 + (1 - p)\times 0 =p p×1+(1−p)×0=p 即为成功的概率本身
矩
一种应用非常广泛的描述性方法,用以刻画随机变量的重要特征。
- 具体来说,矩是一种随机变量函数的期望值。
- 一阶矩被定义为 X : μ 1 = E [ X ] X: \mu_1 = E[X] X:μ1=E[X]
- 更高阶的被中心化到均值周围的矩(higher moments centered around the mean)被称为中心矩: μ r = E [ ( X − E [ X ] ) r ] \mu_r = E[(X -E[X])^r] μr=E[(X−E[X])r], r 是阶次(order of the moments)
- 非中心矩,即不是在均值附近作为中心的, μ r N C = E [ X r ] \mu^{NC}_r = E[X^r] μrNC=