گشتاور مرکزی

💡 میانگین وجود دارد، اما واریانس و گشتاورهای سطح بالاتر بینهایت اند و غیره. برای نمونه‌های با سایز محدود، که از این توزیع بیرون کشیده شده‌اند، این رفتار به معنی آن است که برآوردگرهای گشتاور مرکزی (مثل میانگین و واریانس) برای گشتاورهای واگرا هیچ وقت همگرا نمی‌شوند - یعنی مادامیکه داده بیشتری جمع‌آوری می‌شود آنها شروع به رشد می‌کنند. به این نوع توزیع‌های احتمال توانی، توزیع‌های با نوع پارتو، توزیع‌های با دنباله پارتو، یا توزیع‌های دارای دنباله‌های به صورت منظم متغیر گفته می‌شود.

💡 در محاسبات آمار ریاضی، گشتاور مرکزی دوم همان واریانس است که میزان پراکندگی داده‌ها را نسبت به میانگین جامعه نشان می‌دهد.

💡 برای درک بهتر توزیع یک مجموعه داده، دانشمندان از محاسبات مربوط به گشتاور مرکزی استفاده می‌کنند تا ویژگی‌های شکل نمودار را تعیین کنند.

💡 محاسبه گشتاور مرکزی در مدل‌های آماری پیشرفته، گام بسیار مهمی برای تحلیل دقیق‌تر رفتار متغیرها در سیستم‌های پیچیده و تصادفی محسوب می‌شود.