Zentrales Moment

Zentrales Moment

Momente sind Kenngrößen von Zufallsvariablen. Sie sind Parameter der deskriptiven Statistik und spielen eine theoretische Rolle in der Stochastik. Die Begriffe Erwartungswert, Varianz, Schiefe und Wölbung zur Beschreibung einer Zufallsvariablen hängen eng mit deren Momenten zusammen.

Eine Verteilungsfunktion ist durch Angabe aller ihrer Momente bestimmt, falls diese existieren und die Reihe der momenterzeugenden Funktion konvergiert. Es gibt Verteilungen, deren Momente nur bis zu einer bestimmten Ordnung existieren. Dazu gehören die t-Verteilungen, deren Momente nur für Ordnungen existieren, die kleiner als der Freiheitsgrad sind. Im Spezialfall der Cauchy-Verteilung existiert also nicht einmal das erste Moment (der Erwartungswert), das ist auch bei der Lévy-Verteilung der Fall.

Inhaltsverzeichnis

Definition

Es sei X eine Zufallsvariable und k eine natürliche Zahl. Dann bezeichnet man als Moment der Ordnung k von X oder kürzer als k-tes Moment von X den Erwartungswert der k-ten Potenz von X (unter der Voraussetzung, dass dieser existiert):

 m_k := \operatorname{E}\left(X^k\right),

und als k-tes absolutes Moment von X wird der Erwartungswert der k-ten Potenz des Absolutbetrages | X | von X bezeichnet:

 M_k := \operatorname{E}\left(\left|X\right|^k\right).

In theoretischen Untersuchungen werden mitunter auch Momente nichtganzzahliger Ordnung κ betrachtet.

Die Existenz von Momenten einer bestimmten Ordnung liefert allgemein Aussagen über die Verteilung der Wahrscheinlichkeitsmasse.

Das erste Moment ist der Erwartungswert. Er wird meist mit μ bezeichnet und kann als Mittelwert oder „Zentralwert“ angesehen werden.

Darstellung für reelle Zufallsvariable

Ist X eine reelle Zufallsvariable mit der Verteilungsfunktion FX, dann folgt aus der Definition des Erwartungswertes

 m_k = \int\limits_{-\infty}^{\infty} x^k \mathrm{d}F_X(x).

Ist X eine stetige Zufallsvariable mit der Dichtefunktion fX, dann gilt

 m_k = \int\limits_{-\infty}^{\infty} x^k f_X(x)\;\mathrm{d} x,

und für eine diskrete Zufallsvariable mit Sprungpunkten xi und den Einzelwahrscheinlichkeiten pi ist

 m_k= \sum_{i=1}^\infty x_i^k \cdot p_i.

Zentrale Momente

Neben den oben definierten Momenten werden die zentralen Momente definiert, bei denen die Verteilung der Wahrscheinlichkeitsmasse um den Erwartungswert μ = E(X) der Zufallsvariablen X betrachtet wird:

 \mu_k := \operatorname{E}\left(\left(X-\mu\right)^k\right)

und

 \bar{\mu}_k := \operatorname{E}\left(\left|X-\mu\right|^k\right).

Das zweite zentrale Moment ist die Varianz:

 \mu_2 = \operatorname{E}\left(\left(X-\mu\right)^2\right).

Das dritte zentrale Moment ist nach Normierung die Schiefe. Das vierte zentrale Moment ist nach Normierung die Wölbung (Kurtosis und Exzess). Schiefe und Wölbung werden zusammen als höhere Momente bezeichnet und oft als Maß der Abweichung von der Normalverteilung benutzt.

Momente und charakteristische Funktion

Durch mehrfaches Ableiten der Formel für die charakteristische Funktion erhält man eine Darstellung der gewöhnlichen Momente durch die charakteristische Funktion als

\operatorname{E}(X^{k}) = \frac{\varphi_{X}^{(k)}(0)}{i^{k}} \quad (k=1,2,\dots)

Das k-te Moment kann auch mit der momenterzeugenden Funktion ermittelt werden.

Markow-Ungleichung

Die Bedeutung der Momente wird durch folgenden Satz deutlich:

Wenn das k-te absolute Moment Mk der Zufallsvariablen X existiert, dann gilt

 \operatorname{P}(|X| \geqq x) \leqq \frac{M_k}{x^k}.

Das ist die Markow-Ungleichung, die eine Aussage über die Wahrscheinlichkeit betragsmäßig großer Werte von X liefert. Im Spezialfall k = 2 folgt daraus mit der Varianz σ2 von X die bekannte Tschebyschow-Ungleichung

 \operatorname{P}(|X - \operatorname{E}X| \geqq x) \leqq \frac{\sigma^2}{x^2},

die eine Aussage über die Wahrscheinlichkeit großer Abweichungen der Zufallsvariablen X von ihrem Erwartungswert macht.

Verbundmomente

Der Momentenbegriff lässt sich auch auf mehrere Zufallsvariablen erweitern. Im Falle zweier Zufallsvariablen X und Y sind die zentralen gemeinsamen Momente (engl. joint moments) von X − ηX und Y − ηY

\mu_{kr} = \operatorname E\left((X-\eta_X)^k(Y-\eta_Y)^r\right) = \int_{-\infty}^{\infty}\int_{-\infty}^{\infty} (x-\eta_X)^k(y-\eta_Y)^rf_{xy}(x,y)\,\operatorname{d}x\operatorname{d}y

mit \eta_X=\operatorname EX und \eta_Y=\operatorname EY.

Insbesondere ist μ11 die Kovarianz von X und Y.

Literatur

  • Athanasios Papoulis, S. Unnikrishna Pillai: Probability, Random Variables, and Stochastic Processes. McGraw-Hill Publishing Co.; 4Rev Ed edition (2002), ISBN 0-07-366011-6.

Wikimedia Foundation.

Игры ⚽ Поможем написать курсовую

Schlagen Sie auch in anderen Wörterbüchern nach:

  • zentrales Trägheitsmoment — centrinis inercijos momentas statusas T sritis fizika atitikmenys: angl. central moment of inertia vok. zentrales Trägheitsmoment, n rus. центральный момент инерции, m pranc. moment d’inertie par rapport au centre de gravité, m; moment d’inertie… …   Fizikos terminų žodynas

  • moment d’inertie par rapport au centre de gravité — centrinis inercijos momentas statusas T sritis fizika atitikmenys: angl. central moment of inertia vok. zentrales Trägheitsmoment, n rus. центральный момент инерции, m pranc. moment d’inertie par rapport au centre de gravité, m; moment d’inertie… …   Fizikos terminų žodynas

  • moment d’inertie relatif au centre de gravité — centrinis inercijos momentas statusas T sritis fizika atitikmenys: angl. central moment of inertia vok. zentrales Trägheitsmoment, n rus. центральный момент инерции, m pranc. moment d’inertie par rapport au centre de gravité, m; moment d’inertie… …   Fizikos terminų žodynas

  • central moment of inertia — centrinis inercijos momentas statusas T sritis fizika atitikmenys: angl. central moment of inertia vok. zentrales Trägheitsmoment, n rus. центральный момент инерции, m pranc. moment d’inertie par rapport au centre de gravité, m; moment d’inertie… …   Fizikos terminų žodynas

  • Schnee (Roman) — Orhan Pamuk, Autor von „Schnee“ „Schnee“ (türkischer Originaltitel: „Kar“) ist ein Roman Orhan Pamuks aus dem Jahr 2002. In der deutschen Übersetzung Christoph K. Neumanns erschien das Buch 2005. Geschildert wird die Reise des Dichters Ka in die… …   Deutsch Wikipedia

  • Schnee (Orhan Pamuk) — Orhan Pamuk, Autor von „Schnee“ „Schnee“ (türkischer Originaltitel: „Kar“) ist ein Roman Orhan Pamuks aus dem Jahr 2002. In der deutschen Übersetzung Christoph K. Neumanns erschien das Buch 2005. Geschildert wird die Reise des Dichters Ka in die… …   Deutsch Wikipedia

  • Kumulante — Kumulanten sind Kenngrößen der Verteilungsfunktion einer Zufallsvariablen. Inhaltsverzeichnis 1 Definition 2 Eigenschaften 2.1 Verschiebungs Invarianz 2.2 Homogenität …   Deutsch Wikipedia

  • Wölbung (Statistik) — Die Wölbung oder Kurtosis (griechisch κύρτωσης kyrtōsis‚ das Krümmen, Wölben) ist eine Maßzahl für die Steilheit bzw. „Spitzigkeit“ einer (eingipfligen) Wahrscheinlichkeitsfunktion, statistischen Dichtefunktion oder Häufigkeitsverteilung.[1] …   Deutsch Wikipedia

  • Inferentielle Varianz — Dichten zweier normalverteilter Zufallsvariablen mit gleichem Erwartungswert aber unterschiedlichen Varianzen. Die orange Kurve hat eine geringere Varianz (entsprechend der Breite) als die grüne. Die Wurzel der Varianz, die Standardabweichung, k …   Deutsch Wikipedia

  • Schwankungsquadrat — Dichten zweier normalverteilter Zufallsvariablen mit gleichem Erwartungswert aber unterschiedlichen Varianzen. Die orange Kurve hat eine geringere Varianz (entsprechend der Breite) als die grüne. Die Wurzel der Varianz, die Standardabweichung …   Deutsch Wikipedia

Share the article and excerpts

Direct link
Do a right-click on the link above
and select “Copy Link”