관성모멘트의 식을 보면 질량×거리의 제곱 성분들의 합임을 볼 수 있다.
이는 아주 익숙한 형태인데, 확률밀도함수에서 보는 분산에 관한 식에 E(X^2) 항을 찾아볼 수 있기 때문이다.
그럼 mr^2의 형태에 맞춰주기 위해 E(X^2)에 대해 식을 정리해보자.
간단히 분산과 평균의 제곱의 합으로 나타남을 알 수 있는데, 그 의미를 생각해보자.
여기서 평균이란 mr의 적분값으로, 질량이 클수록, 그리고 축에서 멀수록 커짐을 파악할 수 있다.
분산은 평균이 있는 점에서 얼마나 양옆으로 퍼져있는가에 대한 척도이다.
이 둘의 합이 관성모멘트(회전관성)으로 나타난다는 점은 이렇게 해석할 수 있다.
질량이 무거울수록, 축에서 멀수록, 그리고 같은 질량이라면 도형이 양옆으로 퍼졌을수록, 즉, 도형의 면적이 커질수록 관성모멘트가 커짐을 알 수 있다.
물갤 씹망이네 이런 좆도 아닌 글이 추천수 4개나 먹고
갮새끼들 글 작성자로서 쪽팔리다 시팔
ㅋㄱㄱㅂㅂㅂㄱ