इन परिभाषाओं का एक अच्छा कारण है, जो स्पष्ट हो जाता है जब आप मानकीकृत यादृच्छिक चर के क्षणों के लिए सामान्य रूप को देखते हैं। इस प्रश्न का उत्तर देने के लिए, पहले वें मानकीकृत केंद्रीय क्षण के सामान्य रूप पर विचार करें :n††
φn= ई [ ( एक्स- ई [ एक्स]एस [एक्स])n ] हो गया ।
पहले दो मानकीकृत केंद्रीय क्षण मान और , जो सभी वितरणों के लिए हैं, जिनके लिए उपरोक्त मात्रा अच्छी तरह से परिभाषित है। इसलिए, हम गैर-तुच्छ मानकीकृत केंद्रीय क्षणों पर विचार कर सकते हैं जो मान के लिए होते हैं । हमारे विश्लेषण की सुविधा के लिए हम परिभाषित करते हैं:φ1= 0φ2= 1n ⩾ 3
φ+nφ-n= ई [ ∣||एक्स- ई [ एक्स]एस [एक्स]|||n |||एक्स> ई [ एक्स] ] ⋅ P ( X)> ई [ एक्स] ) ,= ई [ ∣||एक्स- ई [ एक्स]एस [एक्स]|||n |||एक्स< ई [ एक्स] ] ⋅ P ( X)< ई [ एक्स] ) ।
ये गैर-नकारात्मक मात्राएं हैं जो वें को इसके अपेक्षित मूल्य से ऊपर या नीचे होने पर मानकीकृत यादृच्छिक चर सशर्त की पूर्ण शक्ति प्रदान करती हैं। अब हम इन भागों में मानकीकृत केंद्रीय क्षण का विघटन करेंगे।n
विषम मान पूंछ में तिरछा मापते हैं:n के किसी भी विषम मान के लिए हमारे पास क्षण समीकरण में एक विषम शक्ति होती है और इसलिए हम मानकीकृत केंद्रीय क्षण को रूप में लिख सकते हैं। इस रूप से हम देखते हैं कि मानकीकृत केंद्रीय क्षण हमें मानकीकृत यादृच्छिक चर के वें निरपेक्ष शक्ति के बीच का अंतर देता है, इस पर सशर्त क्रमशः इसके मतलब से ऊपर या नीचे होता है।n ⩾ 3φn= ϕ+n- ϕ-nn
इस प्रकार, किसी भी विषम शक्ति हमें एक माप मिलेगा जो सकारात्मक मान देता है यदि मानकीकृत यादृच्छिक चर की अपेक्षित निरपेक्ष शक्ति औसत से नीचे के मान से ऊपर के मानों के लिए अधिक है, और यदि अपेक्षित हो तो नकारात्मक मान देता है निरपेक्ष शक्ति, माध्य से नीचे के मानों की तुलना में माध्य से ऊपर के मानों के लिए कम है। इनमें से किसी भी मात्रा को यथोचित रूप से "तिरछापन" के एक उपाय के रूप में माना जा सकता है, उच्च शक्तियों के साथ मूल्यों से अधिक सापेक्ष वजन होता है जो कि औसत से दूर हैं।n ⩾ 3
चूँकि यह घटना प्रत्येक विषम शक्ति , "तिरछापन" के एक माप के लिए प्राकृतिक विकल्प तिरछा के रूप में को परिभाषित करना है । यह उच्च विषम शक्तियों की तुलना में कम मानकीकृत केंद्रीय क्षण है, और उच्च-क्रम वाले क्षणों पर विचार करने से पहले निचले क्रम के क्षणों का पता लगाना स्वाभाविक है। आंकड़ों में हमने इस मानकीकृत केंद्रीय क्षण को तिरछापन के रूप में संदर्भित करने की परंपरा को अपनाया है , क्योंकि यह सबसे कम मानकीकृत केंद्रीय क्षण है जो वितरण के इस पहलू को मापता है। (उच्च विषम शक्तियां भी तिरछापन के प्रकार को मापती हैं, लेकिन माध्य से दूर मूल्यों पर अधिक और अधिक जोर देने के साथ।)n ⩾ 3φ3
यहां तक कि पूंछ के माप केn मूल्य के मान भी : के किसी भी मूल्य के लिए भी हमारे पास क्षण समीकरण में एक समान शक्ति है और इसलिए हम मानकीकृत केंद्रीय क्षण को रूप में लिख सकते हैं । इस रूप से हम देखते हैं कि मानकीकृत केंद्रीय क्षण हमें क्रमशः मानकीकृत यादृच्छिक चर के वें निरपेक्ष शक्ति का योग देता है, इस पर सशर्त इसके औसत से ऊपर या नीचे होता है।n ⩾ 3φn= ϕ+n+ ϕ-nn
इस प्रकार, किसी भी शक्ति हमें एक उपाय मिलेगा जो गैर-नकारात्मक मान देता है, अगर उच्चतर मान के साथ यदि मानकीकृत यादृच्छिक चर के वितरण की पूंछ मोटी हैं। ध्यान दें कि यह मानकीकृत यादृच्छिक चर के संबंध में एक परिणाम है , और इसलिए पैमाने में परिवर्तन (परिवर्तन को बदलते हुए) का इस उपाय पर कोई प्रभाव नहीं पड़ता है। बल्कि, यह प्रभावी रूप से वितरण के विचरण के लिए मानकीकरण करने के बाद, पूंछ के मोटापे की माप है। इनमें से किसी भी मात्रा को यथोचित रूप से "कुर्तोसिस" के एक उपाय के रूप में माना जा सकता है, उच्च शक्तियों के साथ मूल्यों से अधिक सापेक्ष वजन होता है जो कि औसत से दूर हैं।n ⩾ 3
के बाद से इस घटना हर भी सत्ता के लिए होता है , के आदिस्वरूप उपाय के लिए स्वाभाविक पसंद कुकुदता परिभाषित करने के लिए है कुकुदता के रूप में। यह उच्चतर समान शक्तियों की तुलना में कम मानकीकृत केंद्रीय क्षण है, और उच्च-क्रम वाले क्षणों पर विचार करने से पहले निचले क्रम के क्षणों का पता लगाना स्वाभाविक है। आँकड़ों में हमने इस मानकीकृत केंद्रीय क्षण को "कुर्तोसिस" के रूप में संदर्भित करने के सम्मेलन को अपनाया है, क्योंकि यह सबसे कम मानकीकृत केंद्रीय क्षण है जो वितरण के इस पहलू को मापता है। (उच्चतर शक्तियाँ भी कर्टोसिस के प्रकारों को मापती हैं, लेकिन माध्य से दूर मूल्यों पर अधिक और अधिक जोर देने के साथ।)n ⩾ 3φ 4φ4
† इस समीकरण को किसी भी वितरण के लिए अच्छी तरह से परिभाषित किया गया है जिसके पहले दो क्षण मौजूद हैं, और जिसमें गैर-शून्य संस्करण है। हम मानेंगे कि ब्याज का वितरण बाकी विश्लेषण के लिए इस वर्ग में आता है।