Những khoảnh khắc của một phân phối liên tục, và các chức năng của chúng giống như sự suy yếu, cho bạn biết rất ít về biểu đồ của hàm mật độ của nó.
Hãy xem xét, ví dụ, các đồ thị sau.
Mỗi trong số này là biểu đồ của hàm không âm tích hợp với : chúng đều là các tệp PDF. Hơn nữa, tất cả chúng đều có cùng một khoảnh khắc - mỗi số lượng vô hạn cuối cùng của chúng. Do đó, họ chia sẻ một kurtosis phổ biến (xảy ra bằng nhau - 3 + 3 e 2 + 2 e 3 + e 4. )1−3+3e2+2e3+e4
Các công thức cho các chức năng này là
fk,s(x)=12π−−√xexp(−12(log(x))2)(1+ssin(2kπlog(x))
cho - 1 ≤ s ≤ 1 , và k ∈ Z .x>0, −1≤s≤1,k∈Z.
Hình hiển thị các giá trị của ở bên trái và các giá trị của ksk trên đỉnh. Cột bên trái hiển thị PDF cho phân phối lognatural tiêu chuẩn.
Bài tập 6.21 trong Lý thuyết thống kê nâng cao của Kendall (Stuart & Ord, ấn bản thứ 5) yêu cầu người đọc cho thấy rằng tất cả những điều này có cùng một khoảnh khắc.
Người ta có thể sửa đổi tương tự bất kỳ pdf nào để tạo một pdf khác có hình dạng hoàn toàn khác nhau nhưng với cùng một khoảnh khắc trung tâm thứ hai và thứ tư (do đó), do đó sẽ có cùng một sự tổn thương. Từ ví dụ này, rõ ràng rằng kurtosis không phải là một biện pháp dễ hiểu hoặc trực quan về sự đối xứng, không đồng nhất, lưỡng tính, lồi hoặc bất kỳ đặc điểm hình học quen thuộc nào khác của đường cong.
Các chức năng của các khoảnh khắc, do đó (và kurtosis như một trường hợp đặc biệt) không mô tả các thuộc tính hình học của biểu đồ của pdf. Điều này theo trực giác có ý nghĩa: bởi vì pdf biểu thị xác suất theo phương tiện , chúng ta gần như có thể tự do chuyển mật độ xác suất xung quanh từ vị trí này sang vị trí khác, thay đổi hoàn toàn diện mạo của pdf, trong khi sửa chữa bất kỳ số lượng hữu hạn nào của các khoảnh khắc được chỉ định trước.