У многих дистрибутивов есть «мифы происхождения» или примеры физических процессов, которые они хорошо описывают:
- Вы можете получить нормально распределенные данные из сумм некоррелированных ошибок через центральную предельную теорему
- Вы можете получить биномиально распределенные данные из независимых подбрасываний монет или распределений Пуассона из предела этого процесса
- Вы можете получить экспоненциально распределенные данные из времени ожидания при постоянной скорости затухания.
И так далее.
Но как насчет распределения Лапласа ? Это полезно для регуляризации L1 и регрессии LAD , но мне трудно думать о ситуации, когда на самом деле следует ожидать увидеть это в природе. Диффузия будет гауссовой, и все примеры, которые я могу придумать с экспоненциальным распределением (например, время ожидания), включают неотрицательные значения.