在概率论中，“距”通常是指 随机变量的矩 ，用于描述随机变量取值的特征数。矩的概念在概率论中非常重要，因为它允许我们使用有限的数值来概括随机变量的行为。矩分为 原点矩 和 中心矩 ：

原点矩 ：表示随机变量取值的特征数，不考虑其均值位置。例如，一阶原点矩就是随机变量的期望值。

中心矩 ：考虑了随机变量取值的均值位置。例如，二阶中心矩是方差，表示随机变量取值与其均值偏离程度的度量。

此外，还有以下几种矩的定义：

X的k阶原点矩 ：表示随机变量X的第k次方与期望值的比值。

X的k阶中心矩 ：表示随机变量X的第k次方与方差的比值。

X和Y的k+l阶混合距 ：表示随机变量X和Y的联合第k+l次方与期望值的比值。

X和Y的k+l阶混合中心距 ：表示随机变量X和Y的联合第k+l次方与方差的比值。

这些矩在统计学和数据分析中有着广泛的应用，用于描述和总结数据的分布特征。