원형 통계에서, 랜덤 변수의 기대 값 원호의 값 S는 로서 정의된다 m (1) ( Z ) = ∫ S Z P Z ( θ ) 라 θ (참조 : 위키 ). 분산 V a r ( Z ) = 1 − | m 1 ( Z ) | . 따라서 분산을 정의하기 위해 두 번째 순간이 필요하지 않았습니다!
그럼에도 불구하고, 우리는 더 높은 모멘트 나는 이것이 처음에는 자연스럽고 선형 통계의 정의와 매우 유사하다는 것을 인정합니다. 그러나 여전히 조금 불편하고 다음과 같은 것들이 있습니다.
질문 :
1. 위에서 정의한 더 높은 순간 (직관적으로)으로 무엇을 측정 합니까? 분포의 어떤 특성이 순간에 의해 특성화 될 수 있습니까?
2. 더 높은 모멘트를 계산할 때는 복소수의 곱셈을 사용하지만 랜덤 변수의 값은 단순히 평면의 벡터 또는 각도로 생각합니다. 이 경우 복잡한 곱셈이 본질적으로 각도를 추가한다는 것을 알고 있지만 여전히 복잡한 곱셈이 순환 데이터에 의미있는 연산입니까?