拉普拉斯分布
遵循拉普拉斯分布的随机变量的概率密度函数公式如下:
p
(
x
)
=
1
2
λ
e
−
∣
x
−
μ
∣
λ
p(x)=\frac {1}{2\lambda}e^\frac{-|x-\mu|}{\lambda}
p(x)=2λ1eλ−∣x−μ∣
形如正态分布,但顶端是一个尖,出现极端值的概率也显著大于正态分布:
性质
拉普拉斯分布的均值为 μ \mu μ,方差为 2 λ 2 2\lambda^2 2λ2,标准差为 2 λ \sqrt 2\lambda 2λ
图像如下:
代码
import numpy as np
import matplotlib.pyplot as plt
def laplace_distribution(x: np.ndarray, mu=0, lamb=2):
p = 1 / (2 * lamb) * np.exp(-np.abs(x - mu) / lamb)
return p
if __name__ == '__main__':
x_ = np.linspace(-5, 5, 1000)
p_1 = laplace_distribution(x_, 0, 1)
p_2 = laplace_distribution(x_, 0, 3)
p_3 = laplace_distribution(x_, 1, 2)
plt.figure()
plt.plot(x_, p_1)
plt.plot(x_, p_2)
plt.plot(x_, p_3)
plt.show()