Wiele dystrybucji ma „mity o pochodzeniu” lub przykłady procesów fizycznych, które dobrze opisują:
- Dane normalnie rozproszone można uzyskać z sumy nieskorelowanych błędów za pomocą centralnego twierdzenia o granicy
- Możesz uzyskać dane dystrybuowane dwumianowo z niezależnych rzutów monet lub zmiennych dystrybuowanych przez Poissona z limitu tego procesu
- Możesz uzyskać wykładniczo rozproszone dane z czasów oczekiwania przy stałej szybkości rozpadu.
I tak dalej.
Ale co z rozkładem Laplace'a ? Jest to przydatne do regularyzacji L1 i regresji LAD , ale ciężko mi wymyślić sytuację, w której można się spodziewać, że zobaczy ją w naturze. Dyfuzja byłaby gaussowska, a wszystkie przykłady, o których mogę myśleć z rozkładami wykładniczymi (np. Czasy oczekiwania), obejmują wartości nieujemne.