拉普拉斯方法:一种用于近似计算含有大参数的积分(常见形式为 \(\int e^{\lambda f(x)}g(x)\,dx\),\(\lambda\) 很大)的渐近分析技巧。核心思想是:积分的主要贡献通常来自使 \(f(x)\) 取得最大值(或“驻点”)的附近。此术语在应用数学、物理与统计(如大偏差、贝叶斯近似)中很常见。(在不同语境下也可能与“鞍点法”等相关方法并列讨论。)
/ləˈplɑːs ˈmɛθəd/
The Laplace method gives a quick approximation for this integral when the parameter is large.
当参数很大时,拉普拉斯方法能快速近似这个积分。
Using the Laplace method, we can estimate the leading-term behavior of the probability as the sample size grows.
使用拉普拉斯方法,我们可以在样本量增大时估计该概率的主导项渐进行为。
“Laplace”来自法国数学家与天文学家皮埃尔-西蒙·拉普拉斯(Pierre-Simon Laplace, 1749–1827)的姓氏。该方法之所以以他命名,是因为它与他在概率论、分析与渐近近似思想的发展有关;后人在整理相关近似技巧时,将这一类“由指数函数主导贡献”的积分近似方法称为“拉普拉斯方法”。