Loi de Laplace (probabilité)

Ne pas confondre avec la loi de Laplace-Gauss.

Laplace
Densité de probabilité / Fonction de masse
Fonction de répartition

Paramètres	$\mu\,$ Paramètre de location (réel) $b > 0\,$ Paramètre d'échelle (reél)
Support	$x \in (-\infty; +\infty)\,$
Densité de probabilité (fonction de masse)	$\frac{1}{2\,b} \exp \left(-\frac{\|x-\mu\|}b \right) \,$
Fonction de répartition	voir plus bas
Espérance	$\mu\,$
Médiane (centre)	$\mu\,$
Mode	$\mu\,$
Variance	$2\,b^2$
Asymétrie	$0\,$
Kurtosis normalisé	$6\,$
Entropie	$\log_2(2\,e\,b)$
Fonction génératrice des moments	$\frac{\exp(\mu\,t)}{1-b^2\,t^2}\,\!$ for $\|t\|<1/b\,$
Fonction caractéristique	$\frac{\exp(\mu\,i\,t)}{1+b^2\,t^2}\,\!$
modifier

Dans la théorie des probabilités et en statistiques, la loi (distribution) de Laplace est une densité de probabilité continue, nommée d'après Pierre-Simon de Laplace. On la connaît aussi sous le nom de loi double exponentielle, car sa densité peut être vue comme l'association des densités de deux lois exponentielles, accolées dos à dos. La loi de Laplace s'obtient aussi comme le résultat de la différence de deux variables exponentielles indépendantes.

Sommaire

1 Caractérisation
- 1.1 Densité de probabilité
- 1.2 Fonction de répartition
2 Tirer une variable selon la loi de Laplace
3 Estimation des paramètres
4 Moments
5 Lois associées
6 Références

Caractérisation

Densité de probabilité

Une variable aléatoire possède une distribution Laplace(μ, b) si sa densité de probabilité est

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

$= \frac{1}{2b} \begin{cases} \exp \left( -\frac{\mu-x}{b} \right) & \mbox{si }x < \mu \\[8pt] \exp \left( -\frac{x-\mu}{b} \right) & \mbox{si }x \geq \mu \end{cases}$

Le réel μ est un paramètre de location et b > 0 un paramètre d'échelle. Si μ = 0 et b = 1, la loi de Laplace est dite standard et sa restriction à la demie-droite réelle positive est la loi exponentielle de paramètre 1/2.

La densité rappelle aussi celle de la loi normale ; toutefois, tandis que la loi normale est exprimée en termes de la différence au carré $(x - μ) 2$ , la loi de Laplace fait intervenir la différence absolue $| x - μ |$ . La loi de Laplace présente alors des queues plus épaisses que la loi normale.

Fonction de répartition

La densité de la loi de Laplace s'intègre aisément grâce à la présence de la valeur absolue. Sa fonction de répartition est:

$F(x)\,$	$= \int_{-\infty}^x \!\!f(u)\,\mathrm{d}u$
	$= \begin{cases} \frac12 \exp \left( -\frac{\mu-x}{b} \right) & \mbox{si }x < \mu \\[8pt] 1-\frac12 \exp \left( -\frac{x-\mu}{b} \right) & \mbox{si }x \geq \mu \end{cases}$
	$=0,5\,[1 + \sgn(x-\mu)\,(1-\exp(-\|x-\mu\|/b))].$

La réciproque de la fonction de répartition est

$F^{-1}(p) = \mu - b\,\sgn(p-0,5)\,\ln(1 - 2|p-0,5|).$

Tirer une variable selon la loi de Laplace

Étant donné une variable U, tirée selon une loi uniforme dans l'intervalle [-1/2, 1/2], la variable suivante

$X=\mu - b\,\sgn(U)\,\ln(1 - 2|U|)$

est distribuée selon la loi de Laplace de paramètres μ et b. Ce résultat provient de l'expression de l'inverse de la fonction de répartition et de la méthode de la transformée inverse.

Une variable Laplace(0, b) peut aussi se générer comme la différence de deux variables exponentielles, de paramètre 1/b, indépendantes. De même, une loi Laplace(0, 1) peut s'obtenir en considérant le logarithme du ratio de deux variables uniformes indépendantes.

Estimation des paramètres

Étant donné un échantillon de N variables iid x₁, x₂, ..., x_N, un estimateur $\hat{\mu}$ de $μ$ est la médiane empirique, ^[1] et un estimateur par maximum de vraisemblance de b est

$\hat{b} = \frac{1}{N} \sum_{i = 1}^{N} |x_i - \hat{\mu}|.$

Moments

$\mu_r' = \bigg({\frac{1}{2}}\bigg) \sum_{k=0}^r \bigg[{\frac{r!}{k! (r-k)!}} b^k \mu^{(r-k)} k! \{1 + (-1)^k\}\bigg]$

Lois associées

Si $X \sim \mathrm{Laplace}(0,b)\,$ alors $|X| \sim \mathrm{Exponentielle}(b^{-1})\,$ est une loi exponentielle;
Si $X \sim \mathrm{Exponentielle}(\lambda)\,$ et $Y \sim \mathrm{Bernoulli}(0.5)\,$ indépendante de $X\,$ , alors $X(2Y-1) \sim \mathrm{Laplace} (0,\lambda^{-1}) \,$ ;
Si $X_1 \sim \mathrm{Exponentielle}(\lambda_1)\,$ et $X_2 \sim \mathrm{Exponentielle}(\lambda_2)\,$ indépendantes de $X_1\,$ , alors $\lambda_1 X_1-\lambda_2 X_2 \sim \mathrm{Laplace}\left(0,1\right)\,$ .

Références

↑ Robert M. Norton, « The Double Exponential Distribution: Using Calculus to Find a Maximum Likelihood Estimator », dans The American Statistician, vol. 38, n^o 2, mai 1984, p. 135–136 [texte intégral, lien DOI]

v · Lois de probabilités

Lois discrètes

à support fini	Loi de Bernoulli • Loi uniforme discrète • Loi binomiale • Loi hypergéométrique • Loi de Benford
à support dénombrable	Loi géométrique • Loi de Poisson • Loi binomiale négative • Loi logarithmique

Lois continues

à support compact	Loi uniforme continue • Loi triangulaire • Loi bêta
à support semi-infini	Loi exponentielle • Loi Gamma • Loi du χ² • Loi de Fisher • Loi de Weibull • Loi de Rayleigh • Loi de Rice • Loi d'Erlang • Loi de Lévy • Loi inverse-gamma • Loi log-normale
à support infini	Loi normale • Loi normale asymétrique • Loi de Cauchy • Loi de Laplace • Loi logistique • Loi de Student • Loi stable • Loi de Gumbel

Portail des probabilités et des statistiques

Catégorie :

Loi de probabilité

Wikimedia Foundation. 2010.

Contenu soumis à la licence CC-BY-SA. Source : Article Loi de Laplace (probabilité) de Wikipédia en français (auteurs)

Игры ⚽ Поможем написать курсовую

Regardez d'autres dictionnaires:

Loi de Laplace-Gauss — Loi normale Distribution gaussienne Densité de probabilité / Fonction de masse La courbe rouge représente la fonction φ (voir texte), densité de probabilité d une variable suivant une loi normale centrée réduite Fonction de répartition … Wikipédia en Français
Loi de Laplace — Pour les articles homonymes, voir Laplace. En mécanique des fluides, la loi de Laplace relie la courbure locale d un interface à la différence de pression entre les deux milieux en présence. En thermodynamique, la loi de Laplace relie la pression … Wikipédia en Français
Loi Normale — Distribution gaussienne Densité de probabilité / Fonction de masse La courbe rouge représente la fonction φ (voir texte), densité de probabilité d une variable suivant une loi normale centrée réduite Fonction de répartition … Wikipédia en Français
Loi Normale Reduite — Loi normale Distribution gaussienne Densité de probabilité / Fonction de masse La courbe rouge représente la fonction φ (voir texte), densité de probabilité d une variable suivant une loi normale centrée réduite Fonction de répartition … Wikipédia en Français
Loi de Gauss — Loi normale Distribution gaussienne Densité de probabilité / Fonction de masse La courbe rouge représente la fonction φ (voir texte), densité de probabilité d une variable suivant une loi normale centrée réduite Fonction de répartition … Wikipédia en Français
Loi gaussienne — Loi normale Distribution gaussienne Densité de probabilité / Fonction de masse La courbe rouge représente la fonction φ (voir texte), densité de probabilité d une variable suivant une loi normale centrée réduite Fonction de répartition … Wikipédia en Français
Loi normale gaussienne — Loi normale Distribution gaussienne Densité de probabilité / Fonction de masse La courbe rouge représente la fonction φ (voir texte), densité de probabilité d une variable suivant une loi normale centrée réduite Fonction de répartition … Wikipédia en Français
Loi uniforme discrète — Densité de probabilité / Fonction de masse n=5 où n = b − a + 1 Fonction de répartition … Wikipédia en Français
Loi logistique — Densité de probabilité / Fonction de masse Fonction de répartition … Wikipédia en Français
Loi log-normale — Densité de probabilité / Fonction de masse μ=0 Fonction de répartition μ=0 … Wikipédia en Français

Dictionnaires et Encyclopédies sur 'Academic'

Loi de Laplace (probabilité)

Sommaire