В математике моменты функции — это определенные количественные меры , связанные с формой графика функции . Если функция представляет плотность массы, то нулевой момент — это полная масса, первый момент (нормированный на полную массу) — это центр массы , а второй момент — это момент инерции . Если функция представляет собой распределение вероятностей , то первый момент — это ожидаемое значение , второй центральный момент — это дисперсия , третий стандартизированный момент — это асимметрия , а четвертый стандартизированный момент — это эксцесс . Математическое понятие тесно связано с понятием момента в физике.
Для распределения массы или вероятности на ограниченном интервале совокупность всех моментов (всех порядков от 0 до ∞ ) однозначно определяет распределение ( проблема моментов Хаусдорфа ). То же самое неверно на неограниченных интервалах ( проблема моментов Гамбургера ).
В середине XIX века Пафнутий Чебышев стал первым человеком, который систематически мыслил в терминах моментов случайных величин . [1]
n -ый необработанный момент (т.е. момент около нуля) случайной величины с функцией плотности определяется формулой [2]
Моменты для случайных величин
можно определить более общим способом, чем моменты для вещественнозначных функций — см. моменты в метрических пространствах. Момент функции без дальнейших пояснений обычно относится к приведенному выше выражению с . Для второго и более высоких моментов обычно используется центральный момент (моменты около среднего значения, где c — среднее значение), а не моменты около нуля, поскольку они предоставляют более четкую информацию о форме распределения.
Могут быть определены и другие моменты. Например, n- й обратный момент относительно нуля равен , а n -й логарифмический момент относительно нуля равен
n - й момент около нуля функции плотности вероятности является ожидаемым значением и называется необработанным моментом или грубым моментом . [3] Моменты около его среднего значения называются центральными моментами ; они описывают форму функции независимо от перевода .
Если – функция плотности вероятности , то значение приведенного выше интеграла называется n -м моментом распределения вероятностей . В более общем смысле, если F — кумулятивная функция распределения вероятностей любого распределения вероятностей, которое может не иметь функции плотности, то n -й момент распределения вероятностей определяется интегралом Римана – Стилтьеса.
Нормализованный n -й центральный момент или стандартизированный момент представляет собой n -й центральный момент, разделенный на σ n ; нормированный n -й центральный момент случайной величины X равен
Эти нормированные центральные моменты представляют собой безразмерные величины , которые представляют распределение независимо от любого линейного изменения масштаба.
Первый необработанный момент — это среднее значение , обычно обозначаемое
Второй центральный момент – это дисперсия . Положительный квадратный корень дисперсии представляет собой стандартное отклонение.
Третий центральный момент — это мера однобокости распределения; любое симметричное распределение будет иметь третий центральный момент, если он определен, равный нулю. Нормированный третий центральный момент называется асимметрией , часто γ . Распределение, смещенное влево (хвост распределения длиннее слева), будет иметь отрицательную асимметрию. Распределение, смещенное вправо (хвост распределения длиннее справа), будет иметь положительную асимметрию.
Для распределений, которые не слишком отличаются от нормального распределения , медиана будет где-то около µ − γσ /6 ; мода около µ − γσ / 2 .
Четвертый центральный момент является мерой тяжести хвоста распределения. Поскольку это ожидание четвертой степени, четвертый центральный момент, если он определен, всегда неотрицательен; и за исключением точечного распределения , оно всегда строго положительно. Четвертый центральный момент нормального распределения равен 3 σ 4 .
Эксцесс κ определяется как стандартизированный четвертый центральный момент . (Точно так же, как и в следующем разделе, избыточный эксцесс — это четвертый кумулянт , разделенный на квадрат второго кумулянта .) [4] [5] Если распределение имеет тяжелые хвосты, эксцесс будет высоким (иногда его называют лептокуртическим); и наоборот, распределения с легким хвостом (например, ограниченные распределения, такие как равномерное) имеют низкий эксцесс (иногда называемый платикуртическим).
Эксцесс может быть неограниченно положительным, но κ должно быть больше или равно γ 2 + 1 ; равенство справедливо только для двоичных распределений . Для неограниченных асимметричных распределений, не слишком далеких от нормального, κ имеет тенденцию находиться где-то в области γ 2 и 2 γ 2 .
Неравенство можно доказать, рассмотрев
Моменты высокого порядка — это моменты, выходящие за пределы моментов 4-го порядка.
Как и в случае с дисперсией, асимметрией и эксцессом, это статистика более высокого порядка , включающая нелинейные комбинации данных, и ее можно использовать для описания или оценки дальнейших параметров формы . Чем выше момент, тем сложнее его оценить, в том смысле, что для получения оценок аналогичного качества требуются более крупные выборки. Это связано с избыточными степенями свободы , потребляемыми высшими порядками. Кроме того, их может быть сложно интерпретировать, и зачастую их легче всего понять с точки зрения моментов более низкого порядка — сравните производные более высокого порядка от рывка и толчка в физике . Например, точно так же, как момент 4-го порядка (эксцесс) можно интерпретировать как «относительную важность хвостов по сравнению с плечами во вкладе в дисперсию» (при заданной величине дисперсии более высокий эксцесс соответствует более толстым хвостам, а меньший эксцесс соответствует к более широким плечам), момент 5-го порядка можно интерпретировать как измерение «относительной важности хвостов по сравнению с центром ( моды и плеч) в вкладе в асимметрию» (для заданной величины асимметрии более высокий 5-й момент соответствует большей асимметрии в хвостовой части и небольшой асимметрии моды, тогда как меньший 5-й момент соответствует большей асимметрии в плечах).
Смешанные моменты — это моменты, включающие несколько переменных.
Величина называется моментом порядка (моменты также определены для нецелых ). Аналогично определяются моменты совместного распределения случайных величин . Для любых целых чисел математическое ожидание называется смешанным моментом порядка (где ), а центральным смешанным моментом порядка . Смешанный момент называется ковариацией и является одной из основных характеристик зависимости между случайными величинами.
Некоторыми примерами являются ковариация , совместная асимметрия и кокуртозис . Несмотря на уникальную ковариацию, существует множество совместных асимметрий и кокуртосов.
С
Необработанный момент свертки читается
Первый необработанный момент, а также второй и третий ненормированные центральные моменты аддитивны в том смысле, что если X и Y являются независимыми случайными величинами, то
(Они также могут выполняться для переменных, которые удовлетворяют более слабым условиям, чем независимость. Первое всегда выполняется; если выполняется второе, переменные называются некоррелированными ).
Фактически, это первые три кумулянта, и все кумулянты обладают этим свойством аддитивности.
Для всех k k - й исходный момент совокупности можно оценить, используя k -й исходный момент выборки.
Можно показать, что ожидаемое значение момента исходной выборки равно k -му исходному моменту совокупности, если этот момент существует, для любого размера выборки n . Таким образом, это несмещенная оценка. Это контрастирует с ситуацией с центральными моментами, при вычислении которых используется определенная степень свободы с использованием выборочного среднего. Так, например, несмещенная оценка дисперсии совокупности (второй центральный момент) определяется выражением
Задачи определения распределения вероятностей по его последовательности моментов называются задачами моментов . Впервые такие проблемы были обсуждены П. Л. Чебышевым (1874 г.) [6] в связи с исследованиями по предельным теоремам. Для того чтобы распределение вероятностей случайной величины однозначно определялось ее моментами, достаточно, например, выполнения условия Карлемана:
Частичные моменты иногда называют «односторонними моментами». Нижний и верхний частичные моменты n -го порядка относительно опорной точки r можно выразить как
Если интегральная функция не сходится, то парциальный момент не существует.
Частичные моменты нормализуются возведением в степень 1/ n . Отношение восходящего потенциала может быть выражено как отношение верхнего парциального момента первого порядка к нормализованному нижнему парциальному моменту второго порядка. Они использовались при определении некоторых финансовых показателей, таких как коэффициент Сортино , поскольку они ориентированы исключительно на положительные или отрицательные стороны.
Пусть ( M , d ) — метрическое пространство , и пусть B( M ) — борелевская σ -алгебра на M , σ -алгебра , порожденная d - открытыми подмножествами M. (По техническим причинам также удобно считать, что M — сепарабельное пространство относительно метрики d .) Пусть 1 ⩽ p ⩽ ∞ .
p -й центральный момент меры µ на измеримом пространстве ( M , B( M )) относительно данной точки x 0 ∈ M определяется как
Говорят, что µ имеет конечный p - й центральный момент , если p -й центральный момент µ относительно x0 конечен для некоторого x0 ∈ M.
Эта терминология мер переносится на случайные величины обычным способом: если (Ω, Σ, P ) — вероятностное пространство и X : Ω → M — случайная величина, то p -й центральный момент X относительно x 0 ∈ М определяется как