Một số trường hợp "tập trung dữ liệu vào ý nghĩa của nó" (sau đây chỉ là "không có nghĩa") là hữu ích:
N( 10 , 4 )N( 100 , 4 )
2) Đơn giản hóa các tính toán của các khoảnh khắc cao hơn: mặc dù việc thêm một hằng số vào một biến ngẫu nhiên không làm thay đổi phương sai của nó hoặc hiệp phương sai của nó với một biến ngẫu nhiên khác, tuy nhiên, nếu bạn có ý nghĩa khác không, và bạn phải viết ra các tính toán chi tiết, bạn phải viết tất cả các điều khoản và chứng minh rằng họ hủy bỏ. Nếu các biến không có nghĩa, bạn lưu rất nhiều phép tính vô dụng.
3) Các biến ngẫu nhiên tập trung vào giá trị trung bình của chúng là đối tượng của Định lý giới hạn trung tâm
4) Độ lệch so với "giá trị trung bình" trong nhiều trường hợp là vấn đề được quan tâm và liệu chúng có xu hướng "trên hoặc dưới trung bình", thay vì giá trị thực của các biến ngẫu nhiên. "Dịch" (trực quan và / hoặc tính toán) độ lệch dưới giá trị trung bình là giá trị âm và độ lệch trên giá trị trung bình là giá trị dương, làm cho thông điệp rõ ràng và mạnh mẽ hơn.
Để thảo luận sâu hơn, xem thêm
Khi tiến hành hồi quy bội, khi nào bạn nên tập trung vào các biến dự đoán của mình & khi nào bạn nên chuẩn hóa chúng?
Định tâm dữ liệu trong hồi quy bội
Nếu bạn tìm kiếm "dữ liệu trung tâm" trên CV, bạn cũng sẽ tìm thấy các bài viết thú vị khác.