กระบวนการใดที่สามารถสร้างข้อมูลหรือพารามิเตอร์แบบกระจาย Laplace (double exponential)


16

การแจกแจงจำนวนมากมี "ตำนานต้นกำเนิด" หรือตัวอย่างของกระบวนการทางกายภาพที่อธิบายได้ดี:

  • คุณสามารถรับข้อมูลที่กระจายตามปกติจากผลรวมของข้อผิดพลาดที่ไม่เกี่ยวข้องโดยใช้ทฤษฎีการ จำกัด ส่วนกลาง
  • คุณสามารถรับข้อมูลแบบกระจายสองทางได้จากการโยนเหรียญอิสระหรือตัวแปรกระจายแบบปัวซองจากกระบวนการที่ จำกัด
  • คุณสามารถรับข้อมูลแบบกระจายชี้แจงจากเวลาที่รอภายใต้อัตราการสลายตัวคงที่

และอื่น ๆ

แต่แล้วการกระจายแบบ Laplaceล่ะ? มันมีประโยชน์สำหรับการทำให้เป็นมาตรฐาน L1 และการถดถอยแบบ LADแต่มันยากสำหรับฉันที่จะนึกถึงสถานการณ์ที่ใคร ๆ ควรคาดหวังที่จะเห็นมันในธรรมชาติ การกระจัดกระจายคือเกาส์เซียนและตัวอย่างทั้งหมดที่ฉันสามารถนึกได้ด้วยการแจกแจงแบบเอ็กซ์โพเนนเชียล (เช่นเวลาที่รอ) เกี่ยวข้องกับค่าที่ไม่เป็นลบ


2
ที่เกี่ยวข้อง: stats.stackexchange.com/questions/71126/… .
StubbornAtom

คำตอบ:


14

ที่ด้านล่างของหน้า Wikipedia ที่คุณเชื่อมโยงเป็นตัวอย่าง:

  • ถ้าและX 2เป็นการแจกแจงแบบ IID, X 1 - X 2X1X2X1X2มีการแจกแจงแบบ Laplace

  • ถ้าเป็น IID การแจกแจงแบบปกติมาตรฐานX 1 X 4 - X 2 X 3มีการกระจายแบบ Laplace มาตรฐาน ดังนั้นดีเทอร์มิแนนต์ของเมทริกซ์แบบสุ่ม2 × 2 ที่มีรายการปกติมาตรฐาน IID ( X 1 X 2 X 3 X 4 )มีการแจกแจงแบบลาปลาซX1,X2,X3,X4X1X4X2X32×2(X1X2 X3X4)

  • หากเป็นชุด IID ที่[ 0 , 1 ]ให้ล็อกX 1X1,X2[0,1]logX1X2 has a standard Laplace distribution.


16
+1 It may be worth noticing that all three examples are really the same: #2 can be rewritten as ((X1+X4)2+(X2+X3)2[(X1X4)2+(X2X3)2])/4, a scaled difference of two scaled χ2(2) (Exponential) distributions, and #3 is the difference of two Exponential distributions because the log(Xi) are Exponential.
whuber

2
@whuber: Thanks for that explanation for why the determinant was the same as the others! I was surprised to see it, since I would have guessed that the density of the determinant would vary smoothly, as it does everywhere except 0.
Douglas Zare

2
So I'm trying to think of a "story" that would fit any of the examples on wikipedia. Say I'm playing pinball with my equally lousy brother. Each game we play one ball each. Roughly any given moment there is an equal chance that I (or he) will lose a ball and the score is basically a linear function of for how long I play. Then my score (and his) could be modelled by an exponential distribution and the difference between me and my brother's score each round will be Laplace distributed. Sort of works?
Rasmus Bååth

2

Define a compound geometric distribution as the sum of Np iid random variables XN=iNpXi, where Np is distributed like a geometric distribution with parameter p. Assume that the iid random variables Xi have finite mean μ and variance v.

It was shown by Gnedenko that in the limit p0, the compound geometric distribution approaches a Laplace distribution.

Y:=limp0p(XNNpμ)=Laplace(0,v2)

The density of the Laplace(a,b) is ϕ(x)=12bexp(|xa|2b)

B.V Gnedenko, Limit theorems for Sums of random number of positive independent random variables, Proc. 6th Berkeley Syposium Math. Stat. Probabil. 2, 537-549, 1970.

โดยการใช้ไซต์ของเรา หมายความว่าคุณได้อ่านและทำความเข้าใจนโยบายคุกกี้และนโยบายความเป็นส่วนตัวของเราแล้ว
Licensed under cc by-sa 3.0 with attribution required.