中心矩

中心矩 (Central Moment)

中心矩→概率论/统计描述随机变量分布形态→k阶$\mu_k=E[(X-\mu)^k]$→度量数据相对均值（中心）的离散情况→具平移不变性→不受分布位置影响→理想描述形状。离散：$\mu_k=\sum(x_i-\mu)^k p(x_i)$；连续：$\mu_k=\int(x-\mu)^k f(x)dx$。

各阶解释与应用

零阶=1（全概率和）。一阶恒零（$\mu$=重心→相对重心加权平均偏零）。二阶=方差$\sigma^2$→衡量离散/波动核心→开根=标准差（同量纲易释）。三阶=偏度基→$\gamma_1=\mu_3/\sigma^3$→$\gamma_1>0$右偏（尾右长→少极大）；$\gamma_1<0$左偏（尾左长→少极小）；$\gamma_1=0$对称（如正态）。四阶=峰度基→超额峰$\kappa=\mu_4/\sigma^4-3$→$\kappa>0$尖峰（峰尖尾肥→极端值概高）；$\kappa<0$低峰（峰平尾薄）；$\kappa=0$正态峰。

与原点矩关系：$\mu_k'=E[X^k]$→二项式定理转：$\mu_2=\mu_2'-(\mu_1')^2$（$\mathrm{Var}=E[X^2]-(E[X])^2$）；$\mu_3=\mu_3'-3\mu_2'\mu_1'+2(\mu_1')^3$；$\mu_4=\mu_4'-4\mu_3'\mu_1'+6\mu_2'(\mu_1')^2-3(\mu_1')^4$→先算原点矩→转换。

样本中心矩：$m_k=(1/n)\sum(x_i-\bar{x})^k$→k=2时有偏→贝塞尔校正→无偏$s^2=(1/(n-1))\sum(x_i-\bar{x})^2$→高阶无偏更复。

应用：描统（二三阶概括离散/对称/尾险）；矩估计法（样矩=理矩估参）；风险管理（资产回报非正态→偏度揭崩盘非称险→峰度量化肥尾→极端市件概率）。