可以用伽马函数进行计算得到结果。
K阶原点矩：E ( x k ) E(x^k)E(xk)，1阶原点矩是数学期望。
K阶中心矩：E ( x E ( x ) ) k E(x-E(x))^kE(xE(x))k，2阶中心矩是方差。
中心矩：对于正整数k，如果E(X)存在，且E[|X-E(X)]k<∞，则称E{[X-E(X)]k}为随机变量X的k阶中心矩。如X的方差是X的二阶中心矩，即D(X)=E{[X-E(X)]2}。
相关计算：
中心矩则类似于方差，先要得出样本的期望即均值，然后计算出随机变量到样本均值的一种距离，与方差不同的是，这里所说的距离不再是平方就能构建出来的，而是k次方。
这也就不难理解为什么原点矩和中心矩不是距离的“距”，而是矩阵的“矩”了。我们都知道方差源于勾股定理，这就不难理解原点矩和中心矩了。还能联想到力学中的力矩也是“矩”，而不是“距”。
