İçeriğe atla

Merkezsel moment

Olasılık kuramı ve istatistik bilimsel dallarında bir reel-değerli rassal değişken için k-ıncı ortalama etrafındaki moment, E beklenen değer operatörü olursa

μk := E[(X - E[X])k]

miktarı olarak tanımlanır. Olasılık yoğunluk fonksiyonu f(x) olan bir sürekli tekdeğişirli olasılık dağılımı için ortalama μ etrafındaki moment şöyle ifade edilir:

Fizikçiler kullandıkları notasyonda burada verilen E(X) (Xin beklenen değeri) yerine terimini tercih etmektedirler.

Eğer rassal değişken için bir ortalama bulunmuyorsa (örneğin Cauchy dağılımı gösteren bir rassal değişken için) o halde merkezsel momentler de anlamsızdır.

İlk birkaç merkezsel moment için biraz sezgiye dayanan açıklamalar şöyle verilebilir:

Özellikleri

  • ninci merkezsel moment çevirme operasyonu ile değiştirilemez; herhangi bir rassal değişken olan X için ve bir sabit olan c için

olur.

  • Her n için, ninci merkezsel moment n dereceli homojen dir; yani
  • Yalnız n ≤ 3 için geçerli olan bir özellik, birbirinden bağımsız olan X ve Y rassal değişkenleri için toplanabilirlilik özelliğidir:

Kümülant adı verilen, bir diğer fonksiyon türü de, ninci merkezsel momentin sahip olduğu çevirme operasyonu ile değişmeme ve homojenlik özelliklerini taşır. Fakat, merkezsel momentin aksine, bu fonksiyon türü n ≥ 4 olsa bile toplanabilirlilik özelliği gösterir. Bu fonksiyon türü

κn(X).

olarak ifade edilen ninci kümülantdır.

  • n = 1, için ninci kümülant, sadece beklenen değerdir.
  • n = ya 2 veya 3 ise, ninci kümülant sadece ninci merkezsel moment olur.
  • n ≥ 4 ise ninci kümülant ise bir ilk sifir etrafindaki n momentin ninci-derecede monotonik polinomu olurlar ve daha kolaylıkla ilk n merkezsel momentlerin n dereceli polinomları olurlar.

Orijin etrafındaki momentlere ilişki

Bazen orijin etrafındaki momentleri ortalama etrafındaki momentlere değiştirmek daha uygun olabilir. Orijin etrafındaki ninci-derecede momenti ortalama etrafındaki momente değiştirmek için kullanılan genel denklem şudur:

Burada m dağılımın ortalaması olur. Orijin etrafındaki moment şöyle verilir:

halleri sırasıyla varyans, çarpıklık ve basıklık özellikleri ile ilişkili oldukları için önemlilerdir ve formülleri şöyle ifade edilir:

Ayrıca bakınız

İlgili Araştırma Makaleleri

Olasılık kuramı ve istatistik bilim dallarında varyans bir rassal değişken, bir olasılık dağılımı veya örneklem için istatistiksel yayılımın, mümkün bütün değerlerin beklenen değer veya ortalamadan uzaklıklarının karelerinin ortalaması şeklinde bulunan bir ölçüdür. Ortalama bir dağılımın merkezsel konum noktasını bulmaya çalışırken, varyans değerlerin ne ölçekte veya ne derecede yaygın olduklarını tanımlamayı hedef alır. Varyans için ölçülme birimi orijinal değişkenin biriminin karesidir. Varyansın karekökü standart sapma olarak adlandırılır; bunun ölçme birimi orijinal değişkenle aynı birimde olur ve bu nedenle daha kolayca yorumlanabilir.

<span class="mw-page-title-main">Normal dağılım</span> sürekli olasılık dağılım ailesi

Normal dağılım, aynı zamanda Gauss dağılımı veya Gauss tipi dağılım olarak isimlendirilen, birçok alanda pratik uygulaması olan, çok önemli bir sürekli olasılık dağılım ailesidir.

<span class="mw-page-title-main">Poisson dağılımı</span>

Poisson dağılımı, olasılık kuramı ve istatistik bilim kollarında bir ayrık olasılık dağılımı olup belli bir sabit zaman birim aralığında meydana gelme sayısının olasılığını ifade eder. Bu zaman aralığında ortalama olay meydana gelme sayısının bilindiği ve herhangi bir olayla onu hemen takip eden olay arasındaki zaman farkının, önceki zaman farklarından bağımsız oluştuğu kabul edilir.

<span class="mw-page-title-main">Çarpıklık</span>

Çarpıklık olasılık kuramı ve istatistik bilim dallarında bir reel-değerli rassal değişkenin olasılık dağılımının simetrik olamayışının ölçülmesidir.

<span class="mw-page-title-main">Skellam dağılımı</span>

Olasılık kuramı ve istatistik bilim dallarında Skellam dağılımı bir ayrık olasılık dağılım tipidir. Skellam dağılımı iki tane beklenen değerleri ve olan Poisson dağılımı gösteren rassal değişken ve arasında bulunan fark olan nin gösterdiği olasılık dağılımdır.

Olasılık kuramı ve bir dereceye kadar istatistik bilim dallarında basıklık kavramı 1905da K. Pearson tarafından ilk defa açıklanmıştır. Basıklık kavramı bir reel değerli rassal değişken için olasılık dağılımının, grafik gösteriminden tanımlanarak ortaya çıkarılan bir kavram olan, sivriliği veya basıklığı özelliğinin ölçümüdür. Basıklık kavramının ayrıntıları olasılık kuramı içinde geliştirilmiştir. Betimsel istatistik için bir veri setinin basıklık karakteri pek dikkate alınmayan bir özellik olarak görülmektedir. Buna bir neden parametrik çıkarımsal istatistik alanında basıklık hakkında hemen hemen hiçbir kestirim veya sınama bulunmamasındandır ve pratik istatistik kullanımda basıklık pek önemsiz bir karakter olarak görülmektedir. Belki de basıklık ölçüsünün elle hesaplanmasının hemen hemen imkânsızlığı buna bir neden olmuştur.

Olasılık kuramı ve istatistik bilim kollarında, çokdeğişirli normal dağılım veya çokdeğişirli Gauss-tipi dağılım, tek değişirli bir dağılım olan normal dağılımın çoklu değişirli hallere genelleştirilmesidir.

Olasılık kuramı ve istatistik bilim dallarında bir rassal değişken X için olasılık yoğunluk fonksiyonu bir reel sayılı sürekli fonksiyonu olup f ile ifade edilir ve şu özellikleri olması gereklidir:

Olasılık kuramı ve istatistik bilim dallarında, bir rassal değişken X için, eğer beklenen değer var ise, moment üreten fonksiyon şöyle tanımlanır:

Olasılık kuramı içinde herhangi bir rassal değişken için karakteristik fonksiyon, bu değişkenin olasılık dağılımını tüm olarak tanımlar. Herhangi bir rassal değişken X için, gerçel doğru üzerinde, bu fonksiyonu tanımlayan formül şöyle yazılır:

<span class="mw-page-title-main">Log-normal dağılım</span>

Olasılık kuramı ve istatistik bilim dallarında log-normal dağılım logaritması normal dağılım gösteren herhangi bir rassal değişken için tek-kuyruklu bir olasılık dağılımdır. Eğer Y normal dağılım gösteren bir rassal değişken ise, bu halde X= exp(Y) için olasılık dağılımı bir log-normal dağılımdır; aynı şekilde eğer X log-normal dağılım gösterirse o halde log(X) normal dağılım gösterir. Logaritma fonksiyonu için bazın ne olduğu önemli değildir: Herhangi iki pozitif sayı olan ab ≠ 1 için eğer loga(X) normal dağılım gösterirse, logb(X) fonksiyonu da normaldir.

Olasılık kuramı ve istatistik bilim dallarında bir rassal değişken Xin μ = E(X) olarak ifade edilen beklenen değeri ve σ² = E((X - μ)²) olarak ifade edilen varyansı bulunur. Bunlar ilk iki kümülant olarak belirlenirler; yani

κ1 = μ ve κ² = σ².

Matematik bilimi içinde moment kavramı fizik bilimi için ortaya çıkartılmış olan moment kavramından geliştirilmiştir. Bir bir reel değişkenin reel-değerli fonksiyon olan f(x)in c değeri etrafında ninci momenti şöyle ifade edilir:

Olasılık kuramı bilim dalında matematiksel beklenti veya beklenen değer veya ortalama birçok defa tekrarlanan ve her tekrarda mümkün tüm olasılıklarını değiştirmeyen rastgele deneyler sonuçlarından beklenen ortalama değeri temsil eder. Bir ayrık rassal değişkennin alabileceği bütün sonuç değerlerin olasılıklarıyla çarpılması ve bu işlemin bütün değerler üzerinden toplanmasıyla elde edilen değerdir. Bir sürekli rassal değişken için rassal değişken ile olasılık yoğunluk fonksiyonunun çarpımının aralığı belirsiz integralidir. Fakat dikkat edilmelidir ki bu değerin genel pratik anlamla rasyonel olarak beklenmesi pek uygun olmayabilir, çünkü matematiksel beklentiin olasılığı çok düşük belki sıfıra çok yakın olabilir ve hatta pratikte matematiksel beklenti bulunmaz. Ağırlıklı ortalama olarak da düşünülebilir ki değerler ağırlık katsayıları verilen olasılık kütle fonksiyonu veya olasılık yoğunluk fonksiyonudur.

Matematiğin bir alt dalı olan fonksiyonel analizde, doğuran çekirdekli Hilbert uzayı noktasal değerlemenin bir sürekli doğrusal fonksiyonel olduğu bir fonksiyonlar Hilbert uzayıdır. Burada, fonksiyonlar Hilbert uzayından kasıt, bahsi geçen uzayın öğelerinin fonksiyonlar olduğudur. Yani söz konusu uzay bir fonksiyon uzayıdır; bununla birlikte aynı zamanda Hilbert uzayı özelliği de taşımaktadır. Benzer bir şekilde, bu tür uzaylar doğuran çekirdekler tarafından da tanımlanabilirler. Bu terimi ilk defa ve aynı zamanda Nachman Aronszajn (1907–1980) ve Stefan Bergman (1895–1977) adlı matematikçiler 1950'de ortaya atıp geliştirmişlerdir.

<span class="mw-page-title-main">Hilbert uzayı</span>

Matematikte Hilbert uzayı, sonlu boyutlu Öklit uzayında uygulanabilen lineer cebir yöntemlerinin genelleştirilebildiği ve sonsuz boyutlu da olabilen bir vektör uzayıdır. Daha kesin olarak, bir Hilbert uzayı, uzayın tam metrik uzay olmasını sağlayan bir uzaklık fonksiyonu üreten bir iç çarpımla donatılmış bir vektör uzayıdır. Bir Hilbert uzayı, bir Banach uzayının özel bir durumudur. Matematik, fizik ve mühendislikte sıkça kullanılmaktadır. Kuantum mekaniğiyle uyumludur. Adını David Hilbert'ten almaktadır.

Kuantum mekaniğinde, spin-yörünge etkileşimi(spin-yörünge etkisi, spin-yörünge bağlaşımı) parçacığın dönüşünün hareketiyle etkileşimidir. En çok bilinen örnek ise, elektronların dönüşü ile elektronların çekirdek etrafındaki dönüşünden dolayı oluşan manyetik alandan dolayı oluşan elektromanyetik etkileşim ve buna bağlı olan elektronların atomik enerji seviyesindeki değişim. Bu tayf çizgilerinden saptanabilir. Buna benzer bir diğer etki proton ve nötronların çekirdekte dönmesinden dolayı oluşan olan Açısal momentum ve güçlü nükleer kuvvet, nükleer kabuk modelindeki değişime neden olur. Spintronik alanında, yarı iletkenlerde ve diğer materyallerde spin yörünge etkileşimi yeni teknolojik gelişimler için araştırılmaktadır.

Paramanyetik bir malzemede, malzemenin mıknatıslanması genel olarak uygulanan manyetik alanla orantılıdır. Fakat eğer malzeme ısıtılırsa, bu oran düşer: Belirli bir sıcaklığa kadar, mıknatıslanma sıcaklıkla ters orantılıdır. Bu kavram “Curie Yasası” tarafından kapsanmaktadır:

Medyan bir anakütle ya da örneklem veri serisini küçükten büyüğe doğru sıraladığımızda, seriyi ortadan ikiye ayıran değere denir. İstatistiğin bir alt dalı olan betimsel istatistikde medyan bir merkezsel konum ölçüsü kabul edilir.

Görüntü işleme, bilgisayarla görme ve ilgili alanlarda, bir görüntü momenti, görüntü piksellerinin yoğunluklarının belirli bir ağırlıklı ortalaması (momenti) veya genellikle çekici bir özelliğe veya yoruma sahip olmak üzere seçilen bu tür momentlerin bir fonksiyonudur.