LaplaceDistribution
LaplaceDistribution[μ,β]
表示均值为 μ、尺度参数为 β 的拉普拉斯双指数分布.
表示均值为0、尺度参数为1的拉普拉斯双指数分布.
更多信息
- 拉普拉斯分布给出了两个具有相同指数分布的独立随机变量之间差值的分布.
- LaplaceDistribution 允许 μ 为任意的实数,允许 β 为任意的正实数.
- LaplaceDistribution 允许 μ 和 β 为单位量纲相同的任意量. »
- LaplaceDistribution 可以与 Mean、CDF 和 RandomVariate 等函数一起使用. »
背景
- LaplaceDistribution[μ,β] 表示一个定义并支撑于实数集 ,且由实数 μ 参数化(被称作分布的“均值”)和正实数 β (被称作“尺度参数”)参数化. 总的来说,尽管其总体图形(高度和最大值的水平位置)是由 μ 和 β 的值决定的,拉普拉斯分布的概率密度函数(PDF)是单峰的既只有一个峰值(如一个全局的最大值). 另外,对于较大的 值 PDF 是呈指数而非代数降低的,就此意义而言 PDF 的尾部是“薄的” .(这种行为可以通过分析分布的 SurvivalFunction 获取数量上的精确.)拉普拉斯分布有时也被称作双指数分布(不要和 GumbelDistribution 混淆, GumbelDistribution 也被叫做双重指数)而 LaplaceDistribution[] 的零自变量形式(等价于 LaplaceDistribution[0,1] )有时也被称作标准拉普拉斯分布.
- 拉普拉斯分布可追溯至1774年法国数学家皮埃尔·拉普拉斯的著作,拉普拉斯分布的似然函数(Likelihood)通过设置均值 等于奇数个独立同分布(I.I.D.)随机变量的观测值的中位数,拉普拉斯分布的似然函数(Likelihood)可以获得最大值. 概率上,拉普拉斯分布可以对两个有相同指数分布的独立随机变量之间的区别进行建模,而且它在布朗运动理论根据随机时间呈指数分布的模型中扮演了重要角色. 近代,拉普拉斯分布可以对包括计算、回归分析、信号处理、金融和微生物学等广泛领域中的大量现象建模.
- RandomVariate 可用于从拉普拉斯分布中给出一个或多个机器精度或任意精度(后者通过 WorkingPrecision 选项)伪随机变量. Distributed[x,LaplaceDistribution[μ,β]],更简洁地写作 xLaplaceDistribution[μ,β],可用于声明一个随机变量 x 的分布取决于拉普拉斯分布. 这样的声明可用于如 Probability、 NProbability、 Expectation 和 NExpectation 等函数.
- 拉普拉斯分布的概率密度和累积分布函数可以通过 PDF[LaplaceDistribution[μ,β],x] 和 CDF[LaplaceDistribution[μ,β],x] 给出. 均值、中位数、方差、原始矩和中心矩分别可以通过 Mean、 Median、 Variance、 Moment 和 CentralMoment 计算.
- DistributionFitTest 可用于测试给定数据集是否与拉普拉斯分布相一致,EstimatedDistribution 可用于估计给定数据的拉普拉斯参数分布,而 FindDistributionParameters 可用于拟合数据至拉普拉斯分布. ProbabilityPlot可用于生成给定数据的 CDF 对富豪拉普拉斯分布的 CDF 的图像,而 QuantilePlot 可用于生成给定数据的分位数对符号拉普拉斯分布的分位数的图像.
- TransformedDistribution 可用于表示一个变形拉普拉斯分布, CensoredDistribution 可用于表示在上限和下限之间的删节值的分布,TruncatedDistribution 可用于表示在上限和下限之间的截尾值的分布. CopulaDistribution 可用于构建包含拉普拉斯分布的更高维度的分布,而 ProductDistribution 可用于计算设计拉普拉斯分布的有独立组分分布的联合分布.
- LaplaceDistribution 与很多其他分布紧密相关. 例如,LaplaceDistribution 可被看做两个在 处接合的 ExponentialDistribution 的实例的结合,因此 ExponentialDistribution 可以作为 LaplaceDistribution 的变形(TransformedDistribution)获取. ChiSquareDistribution 和 FRatioDistribution 也是 LaplaceDistribution 的变形,其中 LaplaceDistribution 可以作为 UniformDistribution 的变形、 HyperbolicDistribution 的极限情况(既 LaplaceDistribution[μ,β] 的 PDF 与 时 HyperbolicDistribution[1/β,0,δ,μ] 的 PDF 是完全相同的)、ExponentialPowerDistribution 和 VarianceGammaDistribution 的特殊情况获取. LaplaceDistribution 还与 NormalDistribution、 RayleighDistribution、 BernoulliDistribution、 StableDistribution、 CauchyDistribution、 ChiDistribution 和 GammaDistribution 相关.
范例
打开所有单元关闭所有单元范围 (7)
在参数中对 Quantity 使用的一致性产生了 QuantityDistribution:
应用 (2)
属性和关系 (14)
当平移并且使用一个正因子为比例进行缩放时,新生成的分布仍然是拉普拉斯分布:
半边的拉普拉斯分布和 ExponentialDistribution 密度成比例:
服从 ExponentialDistribution 分布的两个变量的差值服从拉普拉斯分布:
ExponentialDistribution 是拉普拉斯分布的一个变换:
拉普拉斯分布是 ExponentialPowerDistribution 的一个特例:
拉普拉斯分布是 ExponentialPowerDistribution 的一个特例:
如果 、、 和 是独立的、并且服从正态分布,那么 服从拉普拉斯分布:
如果 、、 和 是独立的,并且服从正态分布,那么 服从拉普拉斯分布:
ChiSquareDistribution 是拉普拉斯分布的一个变换:
FRatioDistribution 是拉普拉斯分布的一个变换:
拉普拉斯分布是 UniformDistribution 的一个变换:
当 并且 ,LaplaceDistribution 是 HyperbolicDistribution 当 时的极限情况:
拉普拉斯分布是 NormalDistribution 和 RayleighDistribution 的一个参数混合:
可能存在的问题 (2)
文本
Wolfram Research (2007),LaplaceDistribution,Wolfram 语言函数,https://reference.wolfram.com/language/ref/LaplaceDistribution.html (更新于 2016 年).
CMS
Wolfram 语言. 2007. "LaplaceDistribution." Wolfram 语言与系统参考资料中心. Wolfram Research. 最新版本 2016. https://reference.wolfram.com/language/ref/LaplaceDistribution.html.
APA
Wolfram 语言. (2007). LaplaceDistribution. Wolfram 语言与系统参考资料中心. 追溯自 https://reference.wolfram.com/language/ref/LaplaceDistribution.html 年