Может ли кто-то представить интуицию о том, почему более высокие моменты распределения вероятности , такие как третий и четвертый моменты, соответствуют асимметрии и эксцессу соответственно? В частности, почему отклонение от среднего значения, возведенного в третью или четвертую степень, в конечном итоге переходит в меру асимметрии и эксцесса? Есть ли способ связать это с третьей или четвертой производной функции?
Рассмотрим это определение асимметрии и эксцесса:
В этих уравнениях мы возводим нормированное значение в степень и принимаем его ожидаемое значение. Мне не ясно, почему повышение нормированной случайной величины до степени четырех дает «пик» или почему повышение нормированной случайной величины до степени три дает «асимметрию». Это кажется волшебным и загадочным!
Ответы:
Для этих определений есть веская причина, которая становится понятнее, когда вы смотрите на общую форму моментов стандартизированных случайных величин. Чтобы ответить на этот вопрос, сначала рассмотрим общий вид го стандартизированного центрального момента :n ††
Первые два стандартизированных центральных момента - это значения и , которые выполняются для всех распределений, для которых вышеуказанная величина четко определена. Следовательно, мы можем рассмотреть нетривиальные стандартизированные центральные моменты, которые возникают для значений . Для облегчения нашего анализа мы определяем:ϕ1=0 ϕ2=1 n⩾3
Это неотрицательные величины, которые дают ую абсолютную мощность стандартизированной случайной величины при условии, что она выше или ниже ожидаемого значения. Теперь мы разложим стандартизированный центральный момент на эти части.n
Нечетные значения измеряют перекос в хвостах:n для любого нечетного значения мы имеем нечетную степень в уравнении момента, и поэтому мы можем записать стандартизированный центральный момент в виде . Из этой формы мы видим, что стандартизированный центральный момент дает нам разницу между й абсолютной степенью стандартизированной случайной величины, при условии, что она выше или ниже среднего значения соответственно.n⩾3 ϕn=ϕ+n−ϕ−n n
Таким образом, для любой нечетной степени мы получим меру, которая дает положительные значения, если ожидаемая абсолютная мощность стандартизированной случайной величины выше для значений выше среднего, чем для значений ниже среднего, и дает отрицательные значения, если ожидаемые абсолютная мощность ниже для значений выше среднего, чем для значений ниже среднего. Любая из этих величин может обоснованно рассматриваться как мера типа «асимметрии», причем более высокие степени дают больший относительный вес значениям, далеким от среднего.n⩾3
Поскольку это явление имеет место для каждой нечетной степени , естественным выбором для архетипической меры "асимметрии" является определение как асимметрии. Это более низкий стандартизированный центральный момент, чем более высокие нечетные степени, и естественно рассмотреть моменты более низкого порядка, прежде чем рассматривать моменты более высокого порядка. В статистике мы приняли условное обозначение этого стандартизированного центрального момента как асимметрии , поскольку это самый низкий стандартизированный центральный момент, который измеряет этот аспект распределения. (Более высокие нечетные силы также измеряют типы асимметрии, но с большим и большим акцентом на значениях, далеких от среднего.)n⩾3 ϕ3
Четные значения измеряют жирность хвостов:n для любого четного значения у нас есть четная степень в уравнении момента, и поэтому мы можем записать стандартизированный центральный момент в виде . Из этой формы мы видим, что стандартизированный центральный момент дает нам сумму й абсолютной степени стандартизированной случайной величины, при условии, что она выше или ниже среднего значения соответственно.n⩾3 ϕn=ϕ+n+ϕ−n n
Таким образом, для любой четной степени мы получим меру, которая дает неотрицательные значения, причем более высокие значения возникают, если хвосты распределения стандартизированной случайной величины толще. Обратите внимание, что это результат по отношению к стандартизированной случайной переменной, и поэтому изменение масштаба (изменение дисперсии) не влияет на этот показатель. Скорее это эффективная мера жирности хвостов после стандартизации дисперсии распределения. Любая из этих величин может быть разумно расценена как мера типа «эксцесса», с более высокими степенями, дающими больший относительный вес значениям, далеким от среднего.n⩾3
Поскольку это явление имеет место для каждой четной степени , естественным выбором для архетипической меры эксцесса является определение как эксцесс. Это более низкий стандартизированный центральный момент, чем более высокие четные степени, и естественно рассмотреть моменты более низкого порядка, прежде чем рассматривать моменты более высокого порядка. В статистике мы приняли условное обозначение этого стандартизированного центрального момента как «эксцесс», поскольку это самый низкий стандартизированный центральный момент, который измеряет этот аспект распределения. (Более высокие четные степени также измеряют типы эксцессов, но с большим и большим акцентом на значениях, далеких от среднего.)n⩾3 ϕ4
источник
Подобный вопрос Что такое «момент» о «моментах» распределения вероятностей? Я дал физический ответ на то, что касалось моментов.
«Угловое ускорение является производной угловой скорости, которая является производной угла по времени, то есть . Считайте, что второй момент аналогичен крутящему моменту, приложенному к круговому движению, или, если вы хотите ускорение / замедление (также вторая производная) этого кругового (то есть углового, ) движения. Точно так же третий момент будет быть скоростью изменения крутящего момента и так далее, и так далее, для еще более высоких моментов, чтобы сделать скорости изменения скоростей изменения скоростей изменения, то есть последовательных производных кругового движения .... "dωdt=α,dθdt=ω θ
Посмотрите на ссылку, так как это, возможно, легче визуализировать с помощью физических примеров
Асимметрия легче понять, чем эксцесс. Отрицательная асимметрия - это более тяжелый левый хвост (или дальнейшее отклонение в отрицательном направлении), чем справа, а положительная асимметрия - наоборот.
Википедия цитирует Westfall (2014) и подразумевает, что высокий эксцесс возникает как для случайных переменных, которые имеют большие выбросы, так и для функций плотности с одним или двумя тяжелыми хвостами, в то же время утверждая, что любая центральная тенденция данных или плотности имеет относительно небольшое влияние на величину эксцесса. Низкие значения эксцессов означают обратное, то есть отсутствие выбросов по оси и относительную легкость обоих хвостов.x
источник