拉普拉斯分布计算器 - 免费PDF和可视化工具

拉普拉斯分布是什么？

拉普拉斯分布也称为双指数分布，是一种连续概率分布，其形状类似于两条在峰值处背靠背连接的指数曲线。它围绕中心值对称，并且比正态分布具有更厚的尾部，因此为极端值分配了更高的概率。本页面上的拉普拉斯分布计算器根据位置参数和尺度参数求出该分布的峰值概率密度，并绘制完整的密度曲线。

该分布以法国数学家皮埃尔-西蒙·拉普拉斯（Pierre-Simon Laplace）命名，他于 1774 年首次将其描述为一种误差定律。

拉普拉斯分布公式

拉普拉斯分布的概率密度函数（PDF）为：

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

• x 是数轴上的任意一点。
• **μ（mu）**是位置参数，表示分布的中心。它同时也是均值和中位数。
• b 是尺度参数，控制分布的分散程度。它必须大于 0。计算器接受大于 0.0001 的 b 值。
• |x − μ| 是 x 与中心之间的距离，不考虑方向。

曲线恰好在 x = μ 处达到最高点。在该点，公式可以简化，因为 |μ − μ| = 0 且 exp(0) = 1，因此得到：

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

这一峰值为1/(2b)，也是计算器报告的数值。

如何使用拉普拉斯分布计算器

1. 输入位置参数（μ）。这会设定分布的中心位置。
2. 输入尺度参数（b）。它必须大于 0.0001；该值越大，曲线越平缓、越分散。
3. 计算器会显示峰值密度 1/(2b)，并绘制 μ 附近一定范围内的密度曲线 f(x)。

计算器不接受单独的 x 值。它始终报告分布自身峰值处的密度，即 x = μ，因为对于比较尺度不同的分布而言，这是最有用的单一概括数值。若要查找其他点的密度，请将所关注的 x 值代入上面的公式，或从图中读取曲线高度。

算例

取位置参数 μ = 4，尺度参数 b = 2。

1. 检查 b 是否高于计算器的最小值：2 > 0.0001，因此输入有效。
2. 峰值出现在 x = μ = 4 处，此时 |x − μ| = 0。
3. 计算峰值密度：1 / (2 × 2) = 1 / 4 = 0.25。

计算器显示0.250000。绘制的曲线在 (4, 0.25) 处达到峰值，并向两侧对称下降，范围从 μ − 4b 到 μ + 4b，也就是本例中的 −4 到 12。

由于峰值密度公式1/(2b) 不包含 μ，改变位置只会使曲线向左或向右移动，不会改变其高度。只有尺度参数会改变高度。

更多示例

均值、方差和标准差

对于位置参数为 μ、尺度参数为 b 的拉普拉斯分布，NIST 手册列出其均值、中位数和众数均为 μ，标准差为尺度参数的 √2 倍；方差是标准差的平方：

• 均值 = μ
• 中位数 = μ
• 方差 = 2b²
• 标准差 = b√2

拉普拉斯分布与正态分布的比较

两种分布都是对称的钟形分布，且都可以由一个中心参数和一个离散程度参数完整描述。区别在于尾部。正态分布的密度与到均值距离的平方成比例地下降，因此极端值很快就变得极其罕见。拉普拉斯分布的密度与到均值的距离本身成比例地下降，因此极端值出现的可能性相对较大。这使得拉普拉斯分布在实际数据比正态分布预测的有更多离群值时很有用。

常见用途

• 信号与图像处理：用于噪声建模和图像压缩，因为像素差异或信号差异通常聚集在零附近，但偶尔会出现较大的跳变。
• 差分隐私：拉普拉斯机制会向查询结果中加入服从拉普拉斯分布的噪声，以保护个人数据，同时保持整体的准确性。
• 稳健统计与回归：套索回归使用呈拉普拉斯形状的先验分布，倾向于得到许多系数恰好为零的解。
• 金融：用于资产收益率建模，因为资产收益率的尾部通常比正态分布所表示的更厚。

常见问题

计算器的结果表示什么？

它是概率密度函数的峰值或最大值，等于1/(2b)。这就是曲线在其中心 x = μ 处的高度。

为什么计算器不要求输入 x 值？

当 x = μ 时，峰值密度1/(2b) 对所有这样的 x 值都相同，因此无需单独输入 x 即可求出该值。它是比较两个拉普拉斯分布的曲线是高而窄还是矮而宽时所使用的标准单一数值。图中提供了完整曲线，显示每个 x 处的密度。

如何查找峰值以外某一点的密度？

将所关注的 x 值代入公式 f(x) = (1/2b) × exp(−|x − μ|/b)，或直接从绘制的曲线上读取高度。

拉普拉斯分布与指数分布在定义、性质以及应用场景上有何不同？

拉普拉斯分布可以由两个指数分布构造得到。如果 X 和 Y 是具有相同速率且相互独立的指数随机变量，那么 X − Y 服从以0为中心的拉普拉斯分布。

拉普拉斯分布有哪些典型用途？

它用于信号处理、图像压缩、差分隐私、稳健统计、Lasso 回归以及金融收益率建模，凡是实际数据出现的极端值多于正态分布预测的地方都会用到。

拉普拉斯分布可以为负吗，还是只适用于正值？

它定义在所有实数上，包括正数和负数；而指数分布只能取非负值。

参考文献

1. 美国国家标准与技术研究院。NIST/SEMATECH e-Handbook of Statistical Methods: Double Exponential Distribution。NIST 电子手册：双指数分布 — 位置参数为 μ、尺度参数为 β 的概率密度函数；均值、中位数和众数为 μ；标准差为 √2β；取值范围为 −∞ 到 ∞；也称为拉普拉斯分布。
2. Kotz, S., Kozubowski, T. J. 和 Podgórski, K.，The Laplace Distribution and Generalizations，第 1 章，"Historical Background"（Springer，2001）。RePEc 上的章节摘要 — 拉普拉斯于 1774 年提出了这一"first law of error"。
3. 美国国家标准与技术研究院。Glossary: Laplace mechanism（出自 NIST SP 800-226）。NIST CSRC 术语表：拉普拉斯机制 — 拉普拉斯机制向查询输出中加入来自拉普拉斯分布的噪声。