Zwykle liczyliśmy momenty statystyczne dla funkcji prostych, tzn. dla funkcji, dla których zachodzi H(x)=x. Tutaj zajmiemy się liczeniem momentów statystycznych dla funkcji różnych od funkcji liniowej, czyli dla funkcji złożonej względem argumentu x, która jest zmienną ciągłą lub dyskretną, zależną od dwóch bądź więcej argumentów dla funkcji złożonej.
Momenty statystyczne dla funkcji złożonej jednej zmiennej Ogólnie momentem statystycznym rzędu l danej wielkości względem jej wartość oczekiwanej nazywamy wartość średnią zmiennej (H(x)-E[H(x)]):
gdzie E[H(x)] jest to wartość oczekiwana funkcji H(x).
Momenty statystyczne dla funkcji złożonej zmiennej x dyskretnej Dla zmiennej typu dyskretnego wzór przy prawdopodobieństwie zdarzenie losowego dyskretnego momentem statystycznym rzędu "l" definiujemy przepis jako sumę po wszystkich możliwych wartościach x jakie mogą przyjmować wyniki z doświadczenia ściśle określonego, którego funkcją pod sumą jest iloczyn zmiennej losowej H(x)-E[H(x)] i prawdopodobieństwa uzyskania tego wyniku P(x):
Moment statystyczny zerowy jest to unormowanie gęstości funkcji prawdopodobieństwa.
Wartość oczekiwaną funkcji H(x) nazywamy przepis, która jest sumą po wszystkich pomiarach uzyskanych z doświadczenia względem funkcji H(x) przy prawdopodobieństwie zdefiniowanej wedle wzoru P(x).
Moment statystyczny, którego przepis jest w dla parametru "i" równej jeden jest równy zero, co wynika z warunku normowania funkcji prawdopodobieństwa i definicji wartości oczekiwanej funkcji H(x) według .
Wariancja pomiaru (rozkładu statystycznego) dla funkcji złożonej H(x) jest sumą po wszystkich pomiarach uzyskanych z doświadczenia względem funkcji (H(x)-E[H(x)]) przy prawdopodobieństwie określonych pomiarów:
Momenty statystyczne dla funkcji złożonej zmiennej x ciągłej Dla zmiennej typu ciągłego wzór przy prawdopodobieństwie zdarzenie losowego ciągłego momentem statystycznym rzędu "i" definiujemy przepis jako całkę po wszystkich możliwych wartościach x jakie może przyjmować wyniki z doświadczenia, którego funkcją podcałkową jest iloczyn zmiennej losowej H(x)-E[H(x)] i gęstości prawdopodobieństwa uzyskania tego wyniku ρ(x). Momentem statystyczny i-tego rzędu dla funkcji ciągłej dla przedziału określamy:
Moment statystyczny zerowy jest to unormowanie gęstości funkcji prawdopodobieństwa do jedynki.
Wartość oczekiwaną funkcji H(x) nazywamy przepis, która jest całką po wszystkich x, jakie mogą być uzyskane z doświadczenia względem funkcji H(x) przy gęstości prawdopodobieństwa zdefiniowanej wedle wzoru ρ(x).
Moment statystyczny, którego przepis jest w dla parametru "i" równej jeden jest równy zero, co wynika z warunku normowania funkcji prawdopodobieństwa i definicji wartości oczekiwanej funkcji H(x) według .
Wariancja pomiaru (rozkładu statystycznego) dla funkcji złożonej H(x), która jest całką po wszystkich pomiarach uzyskanych z doświadczenia względem funkcji (H(x)-E[H(x)]) przy gęstości prawdopodobieństwa określonego pomiaru ρ(x), jest określona:
Uogólnienie momentu statystycznego na przypadek dowolnej jednej zmiennej Obierzmy funkcję jednej zmiennej H(x), która jest napisana względem parametru "l" jako pewna funkcja potęgowa:
Dla dowolnego typu zmiennej przy prawdopodobieństwie lub gęstości zdarzenie losowego momentem statystycznym rzędu "l" definiujemy przepis:
Wzór nazywamy momentem statystycznym rzędu l względem punktu c.
Niech tym punktem c będzie wartość średnia uzyskanych wyników pomiarów, wtedy moment statystyczny μ względem wartości oczekiwanej uzyskanych w wyniku doświadczenia jest wyrażony:
Jak widzimy, wzory i są szczególnymi przypadkami wzoru .
Moment statystyczny rzędu l=1 ma wartość zero, co można udowodnić z definicji normowania funkcji (gęstości funkcji) prawdopodobieństwa z definicji jego wartości oczekiwanej, którą to piszemy ogólnie według:
Momenty statystyczne dla funkcji złożonej z argumentem dwuwymiarowym Dla zmiennej typu ciągłego wzór przy prawdopodobieństwie zdarzenie losowego ciągłego momentem statystycznym rzędu "i" definiujemy przepis jako całkę po wszystkich możliwych wartościach x, który należy do przedziału (a,b) i y, które należy do przedziału (c,d), jakie mogą przyjmować w wyniki doświadczenia ściśle określonego, którego funkcją podcałkową jest iloczyn zmiennej losowej H(x,y)-E[H(x,y)] i gęstości prawdopodobieństwa uzyskania tego wyniku ρ(x,y): Moment statystyczny i-tego rzędu dla funkcji ciągłej dla przedziału: określa się:
Wartość oczekiwaną funkcji H(x,y) nazywamy przepis, która jest całką po wszystkich x i y jakie mogą być uzyskane z doświadczenia względem funkcji H(x,y) przy gęstości prawdopodobieństwa zdefiniowanej wedle ρ(x,y):
Momentem statystyczny nazywamy przepis, któþrego definicja jest podana w punkcie dla parametru "i" większej lub równej zero. Warunkiem normowania funkcji prawdopodobieństwa według wzoru jest wzór dla i=0. Wzór jest definicją wartości oczekiwanej funkcji H(x).
Wariancja pomiaru (rozkładu statystycznego) dla funkcji złożonej H(x,y) jest całką po wszystkich pomiarach uzyskanych z doświadczenia względem funkcji (H(x,y)-E[H(x,y)]) przy gęstości prawdopodobieństwie określonego pomiaru ρ(x,y):
Moment statystyczny dla dwóch zmiennych Obierzmy reprezentację funkcji dwuwymiarowej H(x,y) względem argumentu x i y, w których wykładniki potęg są przy x jest "l" i przy y jest "m":
Wówczas wartość oczekiwana funkcji piszemy tak jak normalnie jako moment statystyczny λ:
Wielkość nazywamy momentami rzędu l i m.
Momenty statystyczne względem pewnych punktów dla dwóch zmiennych Obierzmy teraz jeszcze inną reprezentację funkcji H(x,y), też dla dwóch zmiennych co , ale względem punktów a i b, którego przepis tej funkcji jest w postaci:
Momentem statystycznym μ funkcji rzędu l i m, względem punktów a i b, nazywamy wartość oczekiwaną tejże funkcji:
Szczególne znaczenie mają momenty statystyczne policzone względem λ i λ. Oznaczmy a=λ=E(x) oraz b=λ=E(y). Zatem wzór , gdy te punkty a i b są kolejno wartościami oczekiwanymi zmiennych losowych x i y.
Momenty statystyczne dla funkcji złożonej z argumentem n-wymiarowym Momentem statystycznym i-tego rzędu dla funkcji ciągłej z argumentem n-wymiarowym: nazywamy wyrażenie:
Wartością oczekiwaną funkcji nazywamy wyrażenie:
Wariancja jest to drugi moment statystyczny według :
Momenty statystyczne dla wielu zmiennych Obierzmy funkcję n zmiennych H(x,x,...,x) nazywamy funkcję zdefiniowanej za pomocą iloczynu odpowiednich potęg x:
Momentami statystycznymi rzędu l,l,..,l nazywamy wartość średnią funkcji złożonej napsanej w punkcie wedle:
Wartościami oczekiwanymi zmiennych x,x,..,x nazywamy zdefiniowane momenty statystyczne, jako wartości oczekiwane pewnych zmiennych x, w których numery momentu statystycznego są wszystkie równe zero, oprócz tylko jednej wartości l dla jakiegoś k:
Momenty statystyczne względem pewnego punktu dla wektora n-wymiarowego Obierzmy teraz funkcję n zmiennych względem punktu , wtedy:
Momentami statystycznymi rzędu względem nazywamy wyrażenia zdefiniowane:
Jeśli rozważanym punktem (a, a,...,a) jest n-wymiarowy wektor wartości oczekiwanych zdefiniowanych w , wówczas nasz moment przyjmuje postać:
Definicja wariancji przez moment statystyczny μ Jeśli skorzystamy z definicji momentów statystycznych , wtedy dla poszczególnych przypadków dla różnych zmiennych x wariancja względem jej wartości oczekiwanej jest zdefiniowana jako:
Definicja kowariancji przez moment statystyczny μ Korzystając z momentów statystycznych przy funkcji H(x,x,...,x) zdefiniowanej w punkcie , można zdefiniować kowariancję względem elementów n-wymiarowego wektora dla a i b, jeśli wszystkie liczby l w są równe zero oprócz dwóch:
Jeśli naszymi punktami a, b są wartości oczekiwane elementów x oraz x, to kowariancję c na podstawie wzoru , pokazując jednocześnie, że on jest równy pewnemu momentowi statystycznemu względem pewnych wartości oczekiwanych, piszemy.
Macierz o elementach c definiujemy przepisując dla przejrzystości wykładu jego elementy:
Jeśli zdefiniujemy wektor pionowy zmiennych losowych n zmiennych, które uzyskamy w pewnym doświadczeniu, to wtedy mamy:
to definicja macierzy kowariancji korzystając z definicji jego elementów i z definicji macierzy transponowanej:
Momenty statystyczne gdy H(x) =x Momenty statystyczne wokół funkcji prostych są szczególnym przypadkiem momentów statystycznych funkcji złożonych dla jednowymiarowego przypadku, tzn. gdy H(x)=x, niezależnie czy x jest ciągłe czy dyskretne. Należy wtedy dla wzorów i lub i dokonać tego podstawienia w tym przypadku.