本文介绍了随机变量的统计特性，包括k阶原点矩、k阶中心距和变异系数的概念。原点矩μk是随机变量X的k次幂的期望，特别地，μ1代表数学期望；中心距νk是X减去其期望后的k次幂的期望，ν2即为方差；变异系数Cν(X)是方差与期望的比值，衡量随机变量波动的程度。这些概念在概率论和统计学中有着广泛应用。
k 阶原点矩
设 XXX 为随机变量， kkk 为正整数。如果 E(Xk)E(X^k)E(Xk) 存在，则称
μk=E(Xk)\mu_k=E(X^k)μk=E(Xk)
为 XXX 的 kkk 阶原点矩
特别的，μ1\mu_1μ1 为 XXX 的数学期望
k 阶中心距
设 XXX 为随机变量， kkk 为正整数。如果 E(X−E(X))kE(X-E(X))^kE(X−E(X))k 存在，则称
νk=E(X−E(X))k\nu_k=E(X-E(X))^kνk=E(X−E(X))k
为 XXX 的 kkk 阶中心距
特别的，ν2\nu_2ν2 为 XXX 的方差
变异系数
设随机变量 XXX 的二阶距存在，则称比值
Cν(X)=(Var(X)E(X)=σ(X)E(X)C_\nu(X)=\frac{\sqrt{(Var(X)}}{E(X)}=\frac{\sigma(X)}{E(X)}Cν(X)=E(X)(Var(X)=E(X)σ(X)
为 XXX 的变异系数
扫一扫
491
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
