En probabilités, on définit le moment d'ordre n>0
d'une variable aléatoireX
, s'il existe, le nombre $m_n = \mathbb{E}[~X^n~] \,$.
La notion de moment en mathématiques, notamment en variable aléatoire| calcul des probabilités, a pour origine la notion de moment en physique.
Soit une fonction $f : I \to R $ continue sur un intervalle $I$ (non réduit à un point) de $\R$. Étant donné un entier naturel n
, le n
-ième moment de $f$ est défini (sous réserve d'existence) par :
:$m_n(f)=\int_I x^n\,f(x)\,dx.$
Remarque : pour un entier naturel n
donné, l'ensemble des fonctions continues sur $I$ dont le moment d'ordre n
existe est un espace vectoriel réel, et l'application $m_n : f \mapsto m_n(f)$ est une forme linéaire sur cet espace vectoriel.
Lorsque le moment existe, on utilise souvent l'estimateur suivant pour le moment d'ordre k
:
:$\hat m^k= \frac{1}{n}\sum_{i = 1}^{n} X^k_i\,\!$
à partir de l'échantillon $X_1, X_2, \cdots, X_n$.
On peut montrer que cet estimateur est sans biais.
On définit le moment centré d'ordre n>0
d'une variable aléatoireX
, s'il existe, le nombre $\mu_n = \mathbb{E}[~(X-\mathbb{E}(X))^n~] \,$.
Certains moments sont connus sous un nom particulier. Ils sont utilisés couramment pour caractériser une variable aléatoire.
V(X)
) correspond à la variance.