이러한 정의에 대한 정당한 이유가 있습니다. 표준화 된 랜덤 변수의 순간에 대한 일반적인 형식을 볼 때 더 명확 해집니다. 이 질문에 대답하기 위해, 우선 엔 번째 표준화 된 중심 모멘트 의 일반적인 형태를 고려하십시오 : ††
ϕ엔= E [ ( X− E [ X]S [X])엔 ] .
처음 두 개의 표준화 된 중심 모멘트는 ϕ1= 0 및 ϕ2= 1 , 위의 수량이 잘 정의 된 모든 분포에 대해 유지됩니다. 따라서 우리는 값 n ⩾ 3 대해 발생하는 사소한 표준화 된 중심 모멘트를 고려할 수 있습니다 . 분석을 용이하게하기 위해 다음을 정의합니다.
ϕ+엔ϕ−엔= E [ ∣∣∣엑스− E [ X]S [X]∣∣∣엔 ∣∣∣엑스> E [ X] ] ⋅ P ( X> E [ X] ) ,= E [ ∣∣∣엑스− E [ X]S [X]∣∣∣엔 ∣∣∣엑스< E [ X] ] ⋅ P ( X< E [ X] ) .
이는 음수가 아닌 양 으로, 표준화 된 랜덤 변수 의 엔 번째 절대 전력이 기대 값보다 높거나 낮은 경우 조건부로 제공됩니다. 이제 표준화 된 중심 모멘트를이 부분으로 분해합니다.
엔 홀수 값은 꼬리의 스큐를 측정합니다. n ⩾ 3 의 홀수 값 에 대해 모멘트 방정식에 홀수 전력이 있으므로 표준화 된 중앙 모멘트를 ϕ엔= ϕ+엔− ϕ−엔 으로 쓸 수 있습니다 . 이 양식에서 우리는 표준화 된 중심 모멘트가 각각의 평균보다 높거나 낮은 조건에 따라 표준화 된 랜덤 변수 의 엔 번째 절대 검정력 간의 차이를 제공 한다는 것을 알 수 있습니다.
따라서 모든 홀수 거듭 제곱 n ⩾ 3 에 대해 표준화 된 랜덤 변수의 예상 절대 검정력이 평균보다 높은 값보다 평균보다 높은 값에 대해 더 높은 경우 양수 값을 제공하고 예상 된 절대 값에 대해 음수 값을 제공하는 측정 값을 얻습니다 평균보다 낮은 값보다 평균보다 높은 값의 경우 검정력이 낮습니다. 이들 양은 합리적으로 "비대칭"유형의 척도로 간주 될 수 있으며, 더 높은 출력은 평균에서 멀리 떨어져있는 값에 비해 상대적 가중치가 더 큽니다.
이러한 현상은 모든 홀수 전력 발생 이후 n ⩾ 3 "비대칭"의 전형적인 측정 값의 자연 선택 정의하는 ϕ삼 비대칭도있다. 이것은 높은 홀수보다 표준화 된 중앙 모멘트이며, 높은 모멘트를 고려하기 전에 낮은 모멘트를 탐색하는 것이 당연합니다. 통계에서 우리는 분포의 이러한 측면을 측정하는 가장 낮은 표준화 된 중심 모멘트 이므로이 표준화 된 중심 모멘트를 왜도 라고하는 규칙을 채택 했습니다. (높은 홀수 거듭 제곱은 왜도 유형을 측정하지만 평균에서 멀리 떨어진 값을 강조합니다.)
엔 짝수 값은 꼬리의 치명도를 측정합니다. n ⩾ 3 의 짝수 값 에 대해 모멘트 방정식에 균일 한 검정력이 있으므로 표준화 된 중앙 모멘트를 ϕ엔= ϕ+엔+ ϕ−엔 으로 쓸 수 있습니다 . 이 양식에서 우리는 표준화 된 중심 모멘트가 각각의 평균보다 높거나 낮은 조건에 따라 표준화 된 랜덤 변수 의 엔 번째 절대 검정력의 합을 제공 한다는 것을 알 수 있습니다.
따라서, 심지어 어떤 힘에 대해 n ⩾ 3 우리는 표준화 된 확률 변수의 분포의 꼬리 오르게하는 경우 발생하는 이상 값이, 음이 아닌 값을 제공하는 계수를 얻을 것이다. 이는 표준화 된 랜덤 변수에 대한 결과 이므로 척도 변경 (분산 변경)은이 측정에 영향을 미치지 않습니다. 오히려 분포의 분산을 표준화 한 후 꼬리의 비만을 효과적으로 측정 한 것입니다. 이들 양은 합리적으로 일종의 "커트 시스"의 척도로 간주 될 수 있으며, 더 높은 거듭 제곱은 평균과는 거리가 큰 값에 비해 상대적 가중치가 커집니다.
이러한 현상은 모든 전원에도 발생하기 때문에 n ⩾ 3 , 원형의 측정 값의 자연 선택 첨도가 정의하는 ϕ4 첨도있다. 이것은 고른 힘보다 표준화 된 중심 모멘트가 낮으며, 고차 모멘트를 고려하기 전에 저차 모멘트를 탐색하는 것이 당연합니다. 통계에서 우리는 분포의 이러한 측면을 측정하는 가장 낮은 표준화 된 중심 모멘트이기 때문에이 표준화 된 중심 모멘트를 "쿠 르토 시스"로 지칭하는 규칙을 채택했습니다. (높은 짝수의 힘은 첨도의 유형을 측정하지만 평균에서 멀리 떨어진 값에 점점 더 중점을 둡니다.)
† 이 방정식은 처음 두 모멘트가 있고 분산이 0이 아닌 분포에 대해 잘 정의되어 있습니다. 우리는 관심있는 분포가 나머지 분석에서이 등급에 속한다고 가정 할 것입니다.