Loi de Laplace
dans Statistiques
Bonjour,
On considère une loi de Laplace centrée, quel paramètre de forme faut-il utiliser pour la méthode du rejet (aura-t-on une loi standard ?) et quelle constante choisir ?
Pourriez-vous le justifier ?
Merci.
[Pierre-Simon Laplace (1749-1827) prend toujours une majuscule. AD]
On considère une loi de Laplace centrée, quel paramètre de forme faut-il utiliser pour la méthode du rejet (aura-t-on une loi standard ?) et quelle constante choisir ?
Pourriez-vous le justifier ?
Merci.
[Pierre-Simon Laplace (1749-1827) prend toujours une majuscule. AD]
Réponses
-
Loi de Laplace? est ce de densite $e^{-a|x|}a/2?$ ou de densite $e^{-ax^2/2}\sqrt{a}/\sqrt{2\pi}?$
Qu'appelle t on parametre de forme? En quoi consiste la 'methode du rejet'? A quoi doit elle servir? On a besoin de quelques explications supplementaires pour pouvoir repondre. -
Oui c'est bien la densité: $e^{-a|x|}a/2$, ce que j'appelle paramètre de "forme" n'est autre que $a$. La méthode du rejet est une méthode standard pour simuler une loi (cf. https://fr.wikipedia.org/wiki/Méthode_de_rejet) mais j'imagine que vous connaissez...
Merci. -
Pas encore bien compris. S'il s'agit de simuler une loi de Laplace $L_a$, alors le parametre de forme $a$ est connu. Au reste, je l'appelerais plutot un parametre d'echelle, car $X\sim L_1$ si et seulement si $aX\sim L_a.$
Finalement ce que je me souviens de la methode de rejet de von Neumann concernait plutot les lois concentrees sur $[0,1].$ Mais, il me semble qu'il y a bien plus simple pour simuler $L_1,$ qui est la loi de $\log U-\log V$ avec $U$ et $V$ independantes et uniformes sur $[0,1]$ -
Voici l'énoncé:
-
Pour le 2, la réponse est $\lambda\log U/V$ avec $U$ et $V$ uniformes sur $[0,1]$. Pour le 1) tu suis la procédure Wikipedia avec $f$ densité de la loi normale et $g_{\lambda}$ densité de $L{\lambda}$ et $c=c_{\lambda}=\max f(x)/g_{\lambda}(x).$ Trop occupe aujourd'hui pour calculer la probabilité de rejet en fonction de $\lambda$, c'est bien explique dans Wikipedia, reviens si tu n'y arrives pas.
-
$\frac{f(Y)}{c_{\lambda}g_{\lambda}(Y)}=e^{-(|Y|)-\lambda)^2/2}$ et donc la probabilite d'acceptation est
$$\Pr(U<\frac{f(Y)}{c_{\lambda}g_{\lambda}(Y)})=\mathbb{E}(\Pr(U<\frac{f(Y)}{c_{\lambda}g_{\lambda}(Y)}|Y)=\mathbb{E}(\frac{f(Y)}{c_{\lambda}g_{\lambda}(Y)})=\mathbb{E}(e^{-(|Y|)-\lambda)^2/2})$$
$$=\frac{\lambda}{2}\int_{-\infty}^{\infty }
e^{-\frac{1}{2}(|y|-\lambda)^2-\lambda |y|}dy
=\lambda\int_{0}^{\infty }
e^{-\frac{1}{2}(y-\lambda)^2-\lambda y}dy=\lambda e^{-\lambda^2/2}\sqrt{\frac{\pi}{2}}$$ Cette expression est maximum pour $\lambda =1$ et vaut a peu pres alors 0,76. La probabilite de rejet est donc 0,24. -
Ah.... ok!!
Merci
Connectez-vous ou Inscrivez-vous pour répondre.
Bonjour!
Catégories
- 163.2K Toutes les catégories
- 9 Collège/Lycée
- 21.9K Algèbre
- 37.1K Analyse
- 6.2K Arithmétique
- 53 Catégories et structures
- 1K Combinatoire et Graphes
- 11 Sciences des données
- 5K Concours et Examens
- 11 CultureMath
- 47 Enseignement à distance
- 2.9K Fondements et Logique
- 10.3K Géométrie
- 63 Géométrie différentielle
- 1.1K Histoire des Mathématiques
- 68 Informatique théorique
- 3.8K LaTeX
- 39K Les-mathématiques
- 3.5K Livres, articles, revues, (...)
- 2.7K Logiciels pour les mathématiques
- 24 Mathématiques et finance
- 313 Mathématiques et Physique
- 4.9K Mathématiques et Société
- 3.3K Pédagogie, enseignement, orientation
- 10K Probabilités, théorie de la mesure
- 773 Shtam
- 4.2K Statistiques
- 3.7K Topologie
- 1.4K Vie du Forum et de ses membres