原点矩与中心矩

    原点矩    

原点矩（Raw Moment or Moment about the Origin）是关于随机变量的原点（零点）的矩。它直接反映了数据本身的分布特征，而不考虑均值的位置。常用的原点矩包括：

• 一阶原点矩：即均值，表示数据的平均值。
• 二阶原点矩：与方差相关，但不完全相同。它表示数据的平方的期望。
• 三阶原点矩：用于计算数据的偏度。
• 四阶原点矩：用于计算数据的峰度。

     中心矩    

中心矩（Central Moment）是关于随机变量的期望值（均值）为中心的矩。它反映了数据相对于其均值的分布特征。常用的中心矩包括：

• 一阶中心矩：总是等于0，因为它是数据的均值。
• 二阶中心矩：称为方差，衡量数据的离散程度。
• 三阶中心矩：称为偏度，衡量数据分布的不对称性。
• 四阶中心矩：称为峰度，衡量数据分布的陡峭程度。

举例说明

假设我们有一组数据：x1,x2,…,xn

实际应用

• 原点矩：用于统计分析和概率计算，如均值和未中心化的矩，有助于理解数据的总体分布特征。
• 中心矩：用于描述数据的集中趋势、离散程度和分布形状，如方差（风险）、偏度（对称性）和峰度（尾部厚度）。