Laplace-fordelingskalkulator - Gratis PDF & Visualiseringsverktøy

Hva er Laplace-fordelingen?

Laplace-fordelingen, også kalt dobbelt eksponentialfordeling, er en kontinuerlig sannsynlighetsfordeling formet som to eksponentialkurver som er limt sammen rygg mot rygg ved toppunktet. Den er symmetrisk rundt en sentral verdi og har tyngre haler enn normalfordelingen, slik at den tilordner ekstreme verdier større sannsynlighet. Kalkulatoren for Laplace-fordelingen på denne siden finner fordelingens høyeste sannsynlighetstetthet ut fra en beliggenhetsparameter og en skaleringsparameter, og tegner hele tetthetskurven.

Fordelingen er oppkalt etter den franske matematikeren Pierre-Simon Laplace, som beskrev den først i 1774.

Formel for Laplace-fordelingen

Sannsynlighetstetthetsfunksjonen (PDF-en) til Laplace-fordelingen er:

$f(x \mid \mu, b) = \frac{1}{2b} \exp\left(-\frac{|x-\mu|}{b}\right)$

• x er et vilkårlig punkt på tallinjen.
• μ (mu), beliggenhetsparameteren, er sentrum for fordelingen. Den er også forventningsverdien og medianen.
• b, skaleringsparameteren, bestemmer hvor spredt fordelingen er. Den må være større enn 0.
• |x − μ| er avstanden mellom x og sentrum, uten hensyn til retningen.

Kurven når sitt høyeste punkt nøyaktig ved x = μ. På dette punktet forenkles formelen, fordi |μ − μ| = 0 og exp(0) = 1, slik at man får:

$f(\mu \mid \mu, b) = \frac{1}{2b}$

Denne toppverdien, 1/(2b), er tallet kalkulatoren rapporterer.

Slik bruker du kalkulatoren for Laplace-fordelingen

1. Angi beliggenhetsparameteren (μ). Dette bestemmer hvor fordelingen er sentrert.
2. Angi skaleringsparameteren (b). Dette må være et positivt tall; jo større verdien er, desto flatere og mer spredt blir kurven.
3. Kalkulatoren viser toppettheten, 1/(2b), og tegner tetthetskurven f(x) fra μ − 4b til μ + 4b. Grafens vertikale akse viser sannsynlighetstettheten, og kurven kan lastes ned som en tabell med x- og f(x)-verdier.

Kalkulatoren tar ikke inn en separat x-verdi. Den rapporterer alltid tettheten ved fordelingens eget toppunkt, x = μ, fordi dette er det mest nyttige enkeltmålet for å sammenligne fordelinger med ulik skala. Hvis du vil finne tettheten ved et annet punkt, bruker du formelen ovenfor med den aktuelle x-verdien eller leser av høyden på grafen.

Regneeksempel

Anta en beliggenhet på μ = 4 og en skala på b = 2.

1. Kontroller at b er positiv: 2 > 0, så inndataene er gyldige.
2. Toppunktet er ved x = μ = 4, der |x − μ| = 0.
3. Beregn toppettheten: 1 / (2 × 2) = 1 / 4 = 0,25.

Kalkulatoren viser 0,250000. Den tegnede kurven har toppunkt ved (4, 0,25) og avtar symmetrisk på begge sider, fra μ − 4b til μ + 4b, altså fra −4 til 12 i dette tilfellet.

Siden formelen for toppettheten, 1/(2b), ikke inneholder μ, vil en endring av beliggenheten bare forskyve kurven mot venstre eller høyre. Den endrer ikke høyden. Det er bare skaleringsparameteren som endrer høyden.

Flere eksempler

Forventningsverdi, varians og standardavvik

For en Laplace-fordeling med beliggenhet μ og skala b gjelder:

• Forventningsverdi = μ
• Median = μ
• Varians = 2b²
• Standardavvik = b√2

Laplace-fordelingen sammenlignet med normalfordelingen

Begge fordelingene er symmetriske og klokkeformede, og begge beskrives fullstendig av et sentrum og en spredningsparameter. Forskjellen ligger i halene. I normalfordelingen avtar tettheten med kvadratet av avstanden fra forventningsverdien, slik at ekstreme verdier raskt blir svært sjeldne. I Laplace-fordelingen avtar den med selve avstanden, slik at ekstreme verdier forblir relativt mer sannsynlige. Dette gjør Laplace-fordelingen nyttig når reelle data har flere avvikere enn det en normalfordeling ville forutsagt.

Vanlige bruksområder

• Signal- og bildebehandling: modellering av støy og komprimering av bilder, siden forskjeller mellom piksler eller signaler ofte samler seg nær null, med enkelte store sprang.
• Differensialpersonvern: Laplace-mekanismen tilfører Laplace-fordelt støy til spørringsresultater for å beskytte individuelle data samtidig som den samlede nøyaktigheten bevares.
• Statistikk og regresjon med motstandsdyktighet: Lasso-regresjon bruker en Laplace-formet a priori-fordeling, som favoriserer løsninger der mange koeffisienter er nøyaktig null.
• Finans: modellering av avkastning på aktiva, som ofte har tyngre haler enn en normalfordeling tilsier.
• Seismologi: inngår i modeller for mønstre i jordskjelvstyrke knyttet til Gutenberg-Richter-loven.

Ofte stilte spørsmål

Hva betyr resultatet fra kalkulatoren?

Det er sannsynlighetstetthetsfunksjonens toppverdi, eller maksimumsverdi, lik 1/(2b). Dette er høyden på kurven i sentrum, x = μ.

Hvorfor ber ikke kalkulatoren om en x-verdi?

Toppettheten, 1/(2b), er den samme for enhver x-verdi lik μ, så det trengs ingen separat x-inndata for å finne den. Det er standardmålet med ett tall som brukes til å sammenligne hvor høye og smale eller lave og brede to Laplace-fordelinger er. Hele kurven, som viser tettheten ved alle x-verdier, er tilgjengelig i grafen.

Hvordan finner jeg tettheten ved et annet punkt enn toppunktet?

Bruk formelen $f(x) = \frac{1}{2b} \exp\left(-\frac{|x-\mu|}{b}\right)$ med den aktuelle x-verdien, eller les høyden direkte av den tegnede kurven.

Hvordan skiller Laplace-fordelingen seg fra eksponentialfordelingen?

Laplace-fordelingen kan bygges opp fra to eksponentialfordelinger. Hvis X og Y er uavhengige eksponentialfordelte stokastiske variabler med samme rate, følger X − Y en Laplace-fordeling sentrert ved 0.

Hva er typiske bruksområder for Laplace-fordelingen?

Den brukes i signalbehandling, bildekomprimering, differensialpersonvern, motstandsdyktig statistikk, Lasso-regresjon og modellering av finansiell avkastning og jordskjelvstyrker, når reelle data viser flere ekstreme verdier enn en normalfordeling forutsier.

Kan Laplace-fordelingen være negativ, eller gjelder den bare positive verdier?

Den er definert for alle reelle tall, både positive og negative, i motsetning til eksponentialfordelingen, som bare har ikke-negative verdier.

Referanser

1. Kotz, S., Kozubowski, T., & Podgórski, K. (2001). The Laplace Distribution and Generalizations. Birkhäuser, Boston, MA.
2. "Laplace distribution." Wikipedia, Wikimedia Foundation. https://en.wikipedia.org/wiki/Laplace_distribution