Loi de Laplace (probabilités)

En théorie des probabilités et en statistiques, la loi (distribution) de Laplace est une densité de probabilité continue, portant le nom de 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 résultat de la différence de deux variables exponentielles indépendantes.

Laplace
Image illustrative de l’article Loi de Laplace (probabilités)
Densité de probabilité

Image illustrative de l’article Loi de Laplace (probabilités)
Fonction de répartition

Paramètres Paramètre de position (réel)
Paramètre d'échelle (réel)
Support
Densité de probabilité
Fonction de répartition voir plus bas
Espérance
Médiane
Mode
Variance
Asymétrie
Kurtosis normalisé
Entropie
Fonction génératrice des moments pour
Fonction caractéristique

Caractérisation

modifier

Densité de probabilité

modifier

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

 
 

Le réel μ est un paramètre de position 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 demi-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  , la loi de Laplace fait intervenir la différence absolue  . La loi de Laplace présente alors des queues plus épaisses que la loi normale.

Fonction de répartition

modifier

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

   
 
 

La réciproque de la fonction de répartition est

 

Tirer une variable selon la loi de Laplace

modifier

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

 

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

modifier

Étant donné un échantillon de N variables iid x1, x2..., xN, un estimateur   de   est la médiane empirique[1], et un estimateur par maximum de vraisemblance de b est

 

Moments

modifier

Les moments centrés d'ordre r peuvent s'exprimer à partir des moments ordinaires :

 

Lois associées

modifier
  • Si   alors   est une loi exponentielle;
  • Si   et Y indépendante de   suit une loi de Rademacher, alors  ;
  • Si   et   indépendantes de  , alors  .

Notes et références

modifier
  1. Robert M. Norton, « The Double Exponential Distribution: Using Calculus to Find a Maximum Likelihood Estimator », The American Statistician, vol. 38, no 2,‎ , p. 135–136 (DOI 10.2307/2683252, lire en ligne)