Khoảnh khắc phân phối - sử dụng cho những khoảnh khắc một phần hoặc cao hơn?


20

Người ta thường sử dụng khoảnh khắc thứ hai, thứ ba và thứ tư của phân phối để mô tả các thuộc tính nhất định. Các khoảnh khắc một phần hoặc khoảnh khắc cao hơn lần thứ tư có mô tả bất kỳ thuộc tính hữu ích nào của phân phối không?


3
Không phải là một câu trả lời nhưng một điều cần lưu ý là những khoảnh khắc có thứ tự cao hơn đòi hỏi nhiều sự quan sát hơn để có được sig-fig đầu tiên.
đẳng cấu

Một bài đăng đang sử dụng một phần khoảnh khắc là stats.stackexchange.com/questions/94402/ . Vì vậy, một phần thời điểm có một số sử dụng, và có thể có thể được sử dụng nhiều hơn.
kjetil b halvorsen

Câu trả lời:


10

Ngoài các thuộc tính đặc biệt của một vài số (ví dụ: 2), lý do thực sự duy nhất để tạo ra các khoảnh khắc số nguyên trái ngược với các khoảnh khắc phân số là sự thuận tiện.

Những khoảnh khắc cao hơn có thể được sử dụng để hiểu hành vi đuôi. Ví dụ: một biến ngẫu nhiên trung tâm với phương sai 1 có các đuôi con (ví dụ cho một số hằng số ) khi và chỉ if với mọi và một số hằng số .P ( | X | > t ) < C e - c t 2 c , C > 0 E | X | p( Một XP(|X|>t)<Cect2c,C>0p1A>0E|X|p(Ap)pp1A>0


kết quả mà bạn nêu cho [đuôi] gaussian trông không đúng. theo ràng buộc [ ] mà bạn trích dẫn, chỉ tiêu của biến gaussian trung tâm sẽ không [trong giới hạn] vượt quá 1. nhưng chỉ tiêu của rv có xu hướng sup sup của nó, là cho một biến gaussian. p t h p t h +Appthpth+
ronaf

Cảm ơn đã nắm bắt điều đó. Tôi đã quên số mũ trên RHS; Bây giờ nó đã được sửa.
Đánh dấu Meckes

bạn có thể cung cấp một tài liệu tham khảo cho kết quả này?
Gary

@Gary: tiếc là tôi không biết tài liệu tham khảo (đã xuất bản hoặc trực tuyến); đó là một phần trong văn hóa dân gian của lĩnh vực của tôi, được đánh vần trong các khóa học nhưng được viết là "đơn giản và nổi tiếng" trong các bài báo. Bằng chứng là dễ dàng, mặc dù. Dựa vào ước tính đuôi, ước tính thời điểm theo sau tích hợp theo các phần (ví dụ ) và công thức của Stirling. Dựa vào ước tính thời điểm, ước tính đuôi theo sau bằng cách áp dụng bất đẳng thức của Markov và tối ưu hóa trên . pE|X|p=0ptp1P(|X|>t)dtp
Mark Meckes

9

Tôi nghi ngờ khi nghe mọi người hỏi về khoảnh khắc thứ ba và thứ tư. Có hai lỗi phổ biến mà mọi người thường mắc phải khi đưa ra chủ đề. Tôi không nói rằng bạn nhất thiết phải phạm phải những sai lầm này, nhưng chúng thường xuất hiện.

Đầu tiên, có vẻ như họ ngầm tin rằng các bản phân phối có thể được rút xuống còn bốn số; họ nghi ngờ rằng chỉ hai số là không đủ, nhưng ba hoặc bốn nên là nhiều.

Thứ hai, nghe có vẻ như lắng nghe cách tiếp cận phù hợp với thời điểm thống kê mà phần lớn đã mất đi các phương pháp khả năng tối đa trong thống kê đương đại.

Cập nhật: Tôi đã mở rộng câu trả lời này thành một bài đăng trên blog .


3

Một ví dụ về việc sử dụng (giải thích là một vòng loại tốt hơn) của một thời điểm cao hơn: khoảnh khắc thứ năm của một phân phối đơn biến đo lường sự bất đối xứng của các đuôi của nó.


3
Nhưng không phải khoảnh khắc thứ ba (trung tâm) làm điều này một cách ổn định và thiết thực hơn sao?
whuber

3
@Whuber:> thứ ba là đo bất đối xứng tổng thể, điều này không giống với bất đối xứng đuôi. Do số mũ cao hơn, giá trị của thứ năm gần như hoàn toàn được xác định bởi các đuôi.
user603

1
@Kwak: Cảm ơn bạn đã làm rõ ý nghĩa của bạn. Tất nhiên, phản ứng tương tự có thể được áp dụng cho bất kỳ thời điểm kỳ lạ nào: họ đo lường sự bất cân xứng ngày càng xa hơn ở phần đuôi.
whuber

@Whuber:> Tất nhiên rồi. Lưu ý rằng ngay cả đối với phân phối đuôi công bằng như gaussian, đến giây thứ 7 bạn đã có hiệu lực so sánh max với min.
user603

1
@Kwak: Hai câu hỏi tiếp theo nhanh chóng; không cần trả lời nếu bạn không muốn. (1) "Đuôi công bằng" ?? (2) Min và max của Gaussian là gì?
whuber
Khi sử dụng trang web của chúng tôi, bạn xác nhận rằng bạn đã đọc và hiểu Chính sách cookieChính sách bảo mật của chúng tôi.
Licensed under cc by-sa 3.0 with attribution required.