Laplace-eloszlás

Laplace-eloszlás
Valószínűségi sűrűség
elosztási függvény
Lehetőségek	$\textstyle\alpha>0$ - léptéktényező - eltolási tényező $\beta\in\mathbb{R}$
Hordozó	$x\in (-\infty ;\infty )$
Valószínűségi sűrűség	$\frac{\alpha}{2}\,e^{-\alpha\|x-\beta\|}$
elosztási függvény	${\begin{cases}{\frac {1}{2}}e^{\alpha (x-\beta )},&x\leqslant \beta \\1-{\frac {1}{2} }e^{-\alpha (x-\beta )},&x>\beta \end{cases}}$
Várható érték	$\beta$
Középső	$\beta$
Divat	$\beta$
Diszperzió	${\displaystyle {\frac {2}{\alpha ^{2))))$
Aszimmetria együttható	$0$
Kurtosis együttható	$3$
Differenciál entrópia	$\ln {\frac {2e}{\alpha ))$
Pillanatok generáló függvénye	?
jellemző funkció	$\frac{\alpha^{2}e^{it\beta}}{\alpha^{2}+t^{2}}$

Laplace-eloszlás ( kettős exponenciális ) - a valószínűségelméletben ez egy valószínűségi változó folytonos eloszlása , amelyben a valószínűségi sűrűség

f(x)={\frac {\alpha }{2))\,e^{-\alpha |x-\beta |},\quad -\infty <x<+\infty ,

ahol a skála paraméter, az eltolási paraméter. $\alpha >0$ $-\infty<\beta<+\infty$

Elosztási függvény

Definíció szerint az eloszlásfüggvény az eloszlássűrűség integrálja :

F(x)=\int \limits _{-\infty }^{x}f(t)\,dt={\frac {\alpha }{2))\int \limits _{-\infty }^{x}e^{-\alpha |t-\beta |}\,dt.

Az integrációhoz két esetet kell figyelembe venni:

F(x)={\begin{cases}{\frac {1}{2}}e^{\alpha (x-\beta )},&x\leqslant \beta ,\\1-{\frac {1}{2}}e^{-\alpha (x-\beta )},&x>\beta .\end{cases}}

Az eredményül kapott függvény tulajdonságainak ellenőrzése:

$F(x)$ nem csökken, mert pozitív. $f(x)$
$F(\beta -0)=F(\beta +0)={\frac {1}{2))$ , ezért folytonos a pontban $F(x)$ $\beta$
$F(x)$ korlátozott.
Határok a végtelenben:

\lim _{x\to -\infty }F(x)={\frac {1}{2))\lim _{x\to -\infty }e^{\alpha (x-\beta )}=0,

\lim _{x\to +\infty }F(x)=1-{\frac {1}{2}}\lim _{x\to +\infty }e^{-\alpha (x -\beta )}=1.

Matematikai elvárás és variancia

A sűrűségfüggvény kitevője tartalmazza a különbség modulusát , így a számításokban az intervallumot és -re kell osztani . Az integrálokat részekre vesszük , a végtelen ( ) helyettesítésekor az alak határait veszik figyelembe . Ennek eredményeként $(-\infty,+\infty)$ $(-\infty ,\beta )$ $[\béta,+\infty)$ $\pm\infty$ $\lim_{x\to\pm\infty}r(x)$

\operatorname {E} \xi =\int \limits _{-\infty }^{+\infty }xf(x)dx=\beta

számítási részletek

$\operatorname{E}\xi=\int\limits_{-\infty}^{+\infty} xf(x) dx=\frac{\alpha}{2}\int\limits_{-\infty}^{\ beta}xe^{\alpha(x-\beta)}dx+\frac{\alpha}{2}\int\limits_{\beta}^{+\infty}xe^{-\alpha(x-\beta) }dx=$ $=\frac{\alpha}{2}\frac{1}{\alpha} xe^{\alpha(x-\beta)}\bigg|_{-\infty}^{\beta}-\frac{\ alfa}{2}\frac{1}{\alpha}\int\limits_{-\infty}^{\beta}e^{\alpha(x-\beta)}dx-\frac{\alpha}{2 }\frac{1}{\alpha} xe^{-\alpha(x-\beta)}\bigg|_{\beta}^{+\infty}+\frac{\alpha}{2}\frac{ 1}{\alpha}\int\limits_{\beta}^{+\infty}e^{-\alpha(x-\beta)}dx=$ $=\frac{\beta}{2}-\frac{1}{2\alpha}e^{\alpha(x-\beta)}\bigg|_{-\infty}^{\beta}+\frac {\beta}{2}-\frac{1}{2\alpha}e^{-\alpha(x-\beta)}\bigg|_{\beta}^{+\infty}=\beta-\ frac{1}{2\alpha}+\frac{1}{2\alpha}=\béta$

{\displaystyle \operatorname {E} \xi ^{2}=\int \limits _{-\infty }^{+\infty }x^{2}f(x)dx=\beta ^{2}+{ \frac {2}{\alpha ^{2))))

számítási részletek

$\operátornév{E}\xi^{2}=\int\limits_{-\infty}^{+\infty}x^{2}f(x) dx=\frac{\alpha}{2}\int\ limits_{-\infty}^{\beta}x^{2}e^{\alpha(x-\beta)}dx+\frac{\alpha}{2}\int\limits_{\beta}^{+\ infty}x^{2}e^{-\alpha(x-\beta)}dx=$ $=\frac{\alpha}{2}\frac{x^{2}e^{\alpha(x-\beta))){\alpha}\bigg|_{-\infty}^{\beta}- \frac{\alpha}{2}\frac{2}{\alpha}\int\limits_{-\infty}^{\beta}xe^{\alpha(x-\beta)}dx+\frac{\alpha }{2}\frac{x^{2}e^{-\alpha(x-\beta)}}{-\alpha}\bigg|_{\beta}^{+\infty}+\frac{\ alfa}{2}\frac{2}{\alpha}\int\limits_{\beta}^{+\infty}xe^{-\alpha(x-\beta)}dx=$ $=\frac{\beta^{2}}{2}-\frac{\beta}{\alpha}+\frac{1}{\alpha^{2}}+\frac{\beta^{2}} {2}+\frac{\beta}{\alpha}+\frac{1}{\alpha^{2}}=\beta^{2}+\frac{2}{\alpha^{2}}$

\operátornév{D}\xi=\operátornév{E}\xi^{2}-(\operátornév{E}\xi)^{2}=\beta^{2}+\frac{2}{\alpha^ {2}}-\beta^{2}=\frac{2}{\alpha^{2}}

Pillanatok

\operatorname {E} \xi ^{k}=\int \limits _{-\infty }^{+\infty }x^{k}f(x)dx=\sum _{i=0} ^{\left\lfloor k/2\right\rfloor }{\frac {\beta ^{k-2i}}{\alpha ^{2i}}}{\frac {k!}{(k-2i)! }}

hol van az s egész része. $\left\lfloor s\right\rfloor$

számítási részletek

$\operátornév{E}\xi^{k}=\int\limits_{-\infty}^{+\infty}x^{k}f(x)dx=\frac{\alpha}{2}\int\ limits_{-\infty}^{\beta}x^{k}e^{\alpha(x-\beta)}dx+\frac{\alpha}{2}\int\limits_{\beta}^{+\ infty}x^{k}e^{-\alpha(x-\beta)}dx$

A részenkénti integráció képlet többszöri alkalmazásával a következőket kapjuk:

$\int x^{k}e^{\alpha(x-\beta)}dx=\frac{1}{\alpha}x^{k}e^{\alpha(x-\beta)}-\frac {k}{\alpha^{2}}x^{k-1}e^{\alpha(x-\beta)}+\frac{k(k-1)}{\alpha^{3}}x ^{k-2}e^{\alpha(x-\beta)}-$ $\ldots+(-1)^{k-1}\frac{k(k-1)\cdots 3\cdot 2}{\alpha^{k}}xe^{\alpha(x-\beta)}+( -1)^{k}\frac{k(k-1)\cdots 2\cdot 1}{\alpha^{k+1}}e^{\alpha(x-\beta)}$

$\int x^{k}e^{-\alpha(x-\beta)}dx=-\frac{1}{\alpha}x^{k}e^{-\alpha(x-\beta)} -\frac{k}{\alpha^{2}}x^{k-1}e^{-\alpha(x-\beta)}-\frac{k(k-1)}{\alpha^{ 3}}x^{k-2}e^{-\alpha(x-\beta)}-$ $\ldots-\frac{k(k-1)\cdots 3\cdot 2}{\alpha^{k}}xe^{-\alpha(x-\beta)}-\frac{k(k-1) \cdots 2\cdot 1}{\alpha^{k+1}}e^{-\alpha(x-\beta)}$

Az integrációs korlátok helyettesítése után:

$\int\limits_{-\infty}^{\beta}x^{k}e^{\alpha(x-\beta)}dx=\frac{1}{\alpha}\beta^{k}-\ frac{k}{\alpha^{2}}\beta^{k-1}+\frac{k(k-1)}{\alpha^{3}}\beta^{k-2}-$ $\ldots+(-1)^{k-1}\frac{k(k-1)\cdots 3\cdot 2}{\alpha^{k))\beta+(-1)^{k}\frac{k (k-1)\cdots 2\cdot 1}{\alpha^{k+1}}$

$\int\limits_{\beta}^{+\infty}x^{k}e^{-\alpha(x-\beta)}dx=\frac{1}{\alpha}\beta^{k}+ \frac{k}{\alpha^{2}}\beta^{k-1}+\frac{k(k-1)}{\alpha^{3}}\beta^{k-2}+\ ldots+\frac{k(k-1)\cdots 3\cdot 2}{\alpha^{k))\beta+\frac{k(k-1)\cdots 2\cdot 1}{\alpha^{k+ one }}$

Mivel az első integrál k paritásától függ, két esetet veszünk figyelembe: k páros és k páratlan:

$\operatorname{E}\xi^{k}= \begin{cases} \beta^{k}+\frac{k(k-1)}{\alpha^{2}}\beta^{k-2} +\lpontok+\frac{k(k-1)\cdots 2\cdot 1}{\alpha^{k)), & k=2n \\ \beta^{k}+\frac{k(k-1) }{\alpha^{2}}\beta^{k-2}+\ldots+\frac{k(k-1)\cdots 3\cdot 2}{\alpha^{k-1}}\beta, & k=2n+1 \end{esetek}$

Vagy általánosságban:

$\operatorname{E}\xi^{k}=\sum_{i=0}^{\left \lfloor k/2\right\rfloor}\frac{\beta^{k-2i}}{\alpha^{ 2i}}\frac{k!}{(k-2i)!}$ , ahol az s egész része. $\left\lfloor s\right\rfloor$

Karakterisztikus függvény

\phi (t)=\int \limits _{-\infty }^{+\infty }e^{itx}f(x)dx={\frac {\alpha ^{2}e^{it \beta }}{\alpha ^{2}+t^{2}}}

számítási részletek

$\phi(t)=\int\limits_{-\infty}^{+\infty}e^{itx}f(x)dx=\frac{\alpha}{2}\int\limits_{-\infty} ^{\beta}e^{itx}e^{\alpha(x-\beta)}dx+\frac{\alpha}{2}\int\limits_{\beta}^{+\infty}e^{itx }e^{-\alpha(x-\beta)}dx$

Mindkét integrál megtalálható az Euler-képlet és a forma és a forma integráljainak megtalálásának klasszikus példájával (lásd Integrálás részenként: Példák ): $\textstyle e^{ix}=\cos x+i\sin x$ $\int e^{\alpha x}\sin \beta x\,dx$ $\int e^{\alpha x}\cos \beta x\,dx$

$\int\limits_{-\infty}^{\beta}e^{itx}e^{\alpha(x-\beta)}dx=\int\limits_{-\infty}^{\beta}(\cos tx + i\sin tx)e^{\alpha(x-\beta)}dx=\int\limits_{-\infty}^{\beta}\cos tx\,e^{\alpha(x-\beta )}dx + i\int\limits_{-\infty}^{\beta}\sin tx\,e^{\alpha(x-\beta)}dx=$ $=\frac{e^{\alpha(x-\beta)}}{\alpha^{2}+t^{2}}\Big(\alpha\cos tx+t\sin tx\Big)\bigg| _{-\infty}^{\beta}+i\frac{e^{\alpha(x-\beta)}}{\alpha^{2}+t^{2}}\Big(a\sin tx -t\cos tx\Big)\bigg|_{-\infty}^{\beta}=$ $=\frac{1}{\alpha^{2}+t^{2}}\Big(\alpha e^{it\beta}+t(i\cos t \beta-\sin t \beta)\Big )$

$\int \limits _{\beta }^{+\infty }e^{itx}e^{-\alpha (x-\beta )}dx=\int \limits _{\beta }^{+ \infty }(\cos tx+i\sin tx)e^{-\alpha (x-\beta )}dx=\int \limits _{\beta }^{+\infty }\cos tx\,e^ {-\alpha (x-\beta )}dx+i\int \limits _{\beta }^{+\infty }\sin tx\,e^{-\alpha (x-\beta )}dx=$ $=\frac{e^{-\alpha(x-\beta)}}{\alpha^{2}+t^{2}}\Big(-\alpha\cos tx+t\sin tx\Big)\ bigg|_{\beta}^{+\infty}+i\frac{e^{-\alpha(x-\beta))){\alpha^{2}+t^{2}}\Big(- a\sin tx-t\cos tx\Big)\bigg|_{\beta}^{+\infty}=$ $\frac{1}{\alpha^{2}+t^{2}}\Big(\alpha e^{it\beta}-t(i\cos t\beta-\sin t\beta)\Big)$

A végső jellemző funkció a következő:

$\phi(t)=\frac{\alpha}{2}\frac{1}{\alpha^{2}+t^{2}}\Big(ae^{it\beta}+t(i\cos t\beta-\sin t\beta)\Big)+\frac{\alpha}{2}\frac{1}{\alpha^{2}+t^{2))\Big(\alpha e^{ it\beta}-t(i\cos t\beta-\sin t\beta)\Big)=\frac{\alpha^{2}e^{it\beta}}{\alpha^{2}+t ^{2}}$

Alkalmazás

A disztribúciót a jelfeldolgozás modellezésében, a biológiai folyamatmodellezésben, a közgazdaságtanban és a pénzügyekben alkalmazzák. Az elosztás alkalmazható:

hitelkockázatokra;
biztosítási eseményekre;
amikor a Kalman szűrővel dolgozik .

Valószínűségi eloszlások
Diszkrét	Bernoulli Binomiális Geometriai hipergeometrikus Logaritmikus Negatív binomiális Poisson Diszkrét egyenruha Multinomiális
Abszolút folyamatos	Beta Weibulla Gamma- hiperexponenciális Gompertz Kolmogorov Cauchy Laplace lognormális Normál (Gauss) Logisztikai Nakagami Pareto Pearson félkör alakú folyamatos egyenruha Rizs Rayleigh Diák Tracey – Vidoma Halász Khi-négyzet Exponenciális Variancia-gamma Többváltozós normál kapcsolószó