matlab中表示拉普拉斯分布_拉普拉斯分布

最新推荐文章于 2023-07-03 17:05:04 发布

weixin_39527078

最新推荐文章于 2023-07-03 17:05:04 发布

阅读量2.3k

点赞数

文章标签： matlab中表示拉普拉斯分布

本文链接：https://blog.csdn.net/weixin_39527078/article/details/112287184

版权

本文介绍了拉普拉斯分布，其密度函数与正态分布相似但更为分散。拉普拉斯分布的参数估计中，样本中位数即为参数。在回归分析中，使用拉普拉斯分布的偏差绝对值和具有稳健性。同时提供了MATLAB绘制拉普拉斯分布的代码。

摘要由CSDN通过智能技术生成

具有密度函数

的分布叫做拉普拉斯分布；

是位置参数，

是尺度参数。

拉普拉斯分布的期望为

，方差为

，偏度为0，峰度为3。

拉普拉斯分布的密度函数，可以看作是两个指数分布函数的概率密度“背靠背”拼接在一起。（事实上拉普拉斯分布与指数分布确实有很密切的关系）

拉普拉斯分布与正态分布

拉普拉斯分布的概率密度与正态分布看起来很像，画出标准拉普拉斯分布（

）和标准正态分布的概率密度图：

正态分布看起来更集中一些。

此外，标准拉普拉斯分布的0.99分位点是3.91，而标准正态分布是2.32，这说明，服从拉普拉斯分布的随机变量，出现极端大的值的概率，要远远大于正态分布。

The probability of a very large
is far larger with a Laplacian than a Gaussian density.

拉普拉斯分布的一些性质：

如果
，那么
如果
，那么
如果
，那么
如果
，那么

拉普拉斯分布的参数估计

拉普拉斯分布的样本中位数即为参数

的极大似然估计。

此外，

拉普拉斯分布与回归分析

在古典回归分析中，用偏差平方和的大小作标准，来选择回归系数使它达到极小，这种回归不具有稳健性，然而，如改为用偏差的绝对值和作为标准，却具有稳健性。

即假设误差项

不是服从正态分布，而是服从拉普拉斯分布的，这时候回归参数的求解不是通过最小二乘了，而是最小化一个 1-范数。

附：画图的程序：

from scipy.stats import laplace, norm
x = np.linspace(laplace.ppf(0.01),
                laplace.ppf(0.99), 100)
plt.plot(x, laplace.pdf(x),
       'r-', lw=2, alpha=0.6, label='laplace pdf')
plt.plot(x, norm.pdf(x), lw=2, label="norm pdf")
plt.legend()
plt.show()

分位点：