В теории вероятностей и статистике центральный момент — это момент распределения вероятности случайной величины относительно среднего значения случайной величины ; то есть это ожидаемое значение заданной целочисленной степени отклонения случайной величины от среднего значения. Различные моменты образуют один набор значений, с помощью которых можно с пользой охарактеризовать свойства распределения вероятностей. Центральные моменты используются предпочтительнее обычных моментов, вычисляемых с точки зрения отклонений от среднего значения, а не от нуля, поскольку центральные моменты более высокого порядка относятся только к разбросу и форме распределения, а не к его местоположению .
Наборы центральных моментов могут быть определены как для одномерных, так и для многомерных распределений.
N - й момент относительно среднего значения (или n- й центральный момент ) вещественной случайной величины X — это величина µ n := E[( X − E[ X ]) n ], где E — оператор ожидания . Для непрерывного одномерного распределения вероятностей с функцией плотности вероятности f ( x ) n- й момент относительно среднего значения µ равен
Для случайных величин, не имеющих среднего значения, таких как распределение Коши , центральные моменты не определены.
Первые несколько центральных моментов имеют интуитивную интерпретацию:
Для всех n n - й центральный момент однороден степени n :
Только для n , такого, что n равно 1, 2 или 3 , у нас есть свойство аддитивности для независимых случайных величин X и Y :
Родственный функционал, который разделяет свойства трансляционной инвариантности и однородности с n -м центральным моментом, но продолжает обладать этим свойством аддитивности, даже когда n ≥ 4 является n -м кумулянтом κ n ( X ). Для n = 1 n -й кумулянт — это просто ожидаемое значение ; для n = 2 или 3 n- й кумулянт — это просто n- й центральный момент; для n ≥ 4 кумулянт n -й степени представляет собой монический полином n -й степени в первые n моментов (около нуля), а также (более простой) полином n -й степени в первые n центральных моментов.
Иногда удобно преобразовать моменты начала координат в моменты среднего значения. Общее уравнение для преобразования момента n -го порядка относительно начала координат в момент относительно среднего значения:
где μ — среднее значение распределения, а момент относительно начала координат определяется выражением
Для случаев n = 2, 3, 4 — которые представляют наибольший интерес из-за отношений к дисперсии , асимметрии и эксцессу соответственно — эта формула принимает вид (отмечая, что и ):
... и так далее, [2] следуя треугольнику Паскаля , т.е.
потому что
Следующая сумма представляет собой стохастическую переменную, имеющую сложное распределение.
где являются взаимно независимыми случайными величинами, имеющими одно и то же общее распределение, и случайная целочисленная переменная, независимая от , со своим собственным распределением. Моменты получаются как
где определяется как ноль для .
В распределениях, которые симметричны относительно своих средних значений (на которые не влияет отражение среднего значения), все нечетные центральные моменты равны нулю, когда бы они ни существовали, потому что в формуле для n - го момента каждый член включает значение X , меньшее среднего на определенная сумма точно отменяет член, включающий значение X , превышающее среднее значение на ту же сумму.
Для непрерывного двумерного распределения вероятностей с функцией плотности вероятности f ( x , y ) момент ( j , k ) относительно среднего значения µ = ( µ X , µ Y ) равен
n - й центральный момент для комплексной случайной величины X определяется как [3]
Абсолютный n- й центральный момент X определяется как
Центральный момент 2-го порядка β 2 называется дисперсией X , тогда как центральный момент 2-го порядка α 2 является псевдодисперсией X .