Distribución de Cauchy

La distribución Cauchy-Lorentz, llamada en honor a Augustin Cauchy y Hendrik Lorentz, es una

distribución de probabilidad continua. Es conocida como la distribución de Cauchy y en el
ámbito de la física se conoce como la distribución de Lorentz, la función Lorentziana ó la
distribución de Breit-Wigner. Su importancia en la física es dada por ser la solución de la
ecuación diferencial que describe la resonancia forzada

Caracterización

Función de densidad (PDF)

En estadística la distribución de Cauchy (a veces también distribución de Lorentz) es

una distribución de probabilidad continua cuya función de densidad es

1
f ( x , x 0 , γ )= 2
x−x 0
[ ( )]
πγ 1+
γ

1 γ
¿
(
π ( x−x 0 )2 +γ 2 )
donde x0 es el parámetro de corrimiento que especifica la ubicación del pico de la
distribución, y γ es el parámetro de escala que especifica el ancho medio al máximo
medio (half-width at half-maximum, HWHM).

En el caso especial donde x0 = 0 y γ = 1 es denominado la distribución estándar Cauchy

con la función de densidad de probabilidad

1
f ( x ; 0,1 )=
π ( 1+ X 2 )

En general la distribución de Cauchy no tiene valor esperado ni varianza.

Sean U y V dos variables aleatorias uniformes dentro -1 y 1 y U2 + V2 < 1, entonces el

número U / V tiene la distribución Cauchy.

Función de distribución

La función de distribución acumulativa (CDF) es:

1 x−x 0 1
F ( x ; x 0 , γ )= arc tan
π γ (
+
2 )
y la función inversa de distribución acumulativa para la distribución Cauchy es

1
F−1 ( p ; x 0 , γ ) =x 0+ γ tan[ ¿ π ( p− )]¿
2

Propiedades

La distribución de Cauchy es un ejemplo de una distribución que no tiene valor

esperado, varianza o momentos definidos. Su moda y su mediana están bien definidas y
son ambas iguales a x0.

Cuando U y V son dos variables aleatorias independendientes y normalmente

distribuidas con un valor esperado = 0 y una variancia = 1, luego la tasa U/V tiene la
distribución estándar de Cauchy.

Sí X 1 , … , X n son variables aleatorias, independientes e idénticamente distribuidas, cada

una con una distribución Cauchy, luego la media de la muestra ( X 1 , … , X n ) /n tiene la
misma distribución Cauchy estándar (la media de la muestra, la cual no es afectada por
los valores extremos, puede ser usada como medida de la tendencia central). Para
comprobar que esto es cierto se calcula la función característica de la media de la
muestra:

ϕ X́ ( t ) =E(e i X́ t )

donde X́ es la media de la muestra. Este ejemplo sirve para demostrar que la hipótesis de
variancia finita en el teorema del límite central no puede ser depuesta. Es también un
ejemplo de una versión más generalizada del teorema de límite central que es
característica de todas las distribuciones asimétricas alpha-estables de Lévy, de las
cuales es la distribución de Cauchy un caso especial.

La distribución de Cauchy es una función de distribución infinitamente divisible. Es

también una distribución estrictamente estable.

La distribución de Cauchy coíncide con la distribución t de Student con un grado de

libertad.

Función Característica

Sea X una variable aleatoria con una distribución Cauchy. Luego la función
característica de la distribución Cauchy está bien definida:
i x 0 t−γ|t|
ϕ x ( t ; x 0 , γ )= E ( eiXt ) =e

Ejercicio

Suponga que X tiene una distribución de Cauchy de acuerdo con la expresión densidad
a
de probabilidad dada, f ( x ; 0 , a )= con a=2. Hallar (a) P ( X <2 ) (b) P( X ≥ 12)
π ( a + X2)
2
a)
2
a dx
P(X<2)= ∫ 2 2
−∞ π ( a + X )
2
a dx
P(X<2)= ∫ 2 2
π −∞ ( a + X )
21 x 2
P(X<2)=
π2
arc tan |2 −∞
P ( X <2 )=0.25+0.5=0.75

b)
∞
a dx
P(X≥12)=∫ 2 2
12 π ( a + X )
∞
a dx
P(X≥2)= ∫ 2 2
π 12 ( a + X )
21 x
arc tan ∞
P(X≥2)=
π2 |2 12
P ( X ≥12 ) =0.5−0.44741543=0.052568