Distribución de Cauchy

Ir a la navegaciónIr a la búsqueda

Cauchy-Lorentz

Función de densidad de probabilidad para la distribución de Cauchy

La línea verde es la distribución estándar de Cauchy

Función de densidad de probabilidad

Función de distribución acumulativa para la distribución normalizada

Leyenda de colores para la PDF de la imagen superior

Función de distribución de probabilidad

Parámetros {\displaystyle x_{0}\!}{\displaystyle x_{0}\!} (real)

{\displaystyle \gamma >0\!}{\displaystyle \gamma >0\!} escala (real)

Función de densidad (pdf) {\displaystyle {\frac {1}{\pi \gamma \,\left[1+\left({\frac {x-x_{0}}

{\gamma }}\right)^{2}\right]}}\!}{\displaystyle {\frac {1}{\pi \gamma \,\left[1+\left({\frac {x-x_{0}}
{\gamma }}\right)^{2}\right]}}\!}

Función de distribución (cdf) {\displaystyle {\frac {1}{\pi }}\arctan \left({\frac {x-x_{0}}

{\gamma }}\right)+{\frac {1}{2}}}{\displaystyle {\frac {1}{\pi }}\arctan \left({\frac {x-x_{0}}
{\gamma }}\right)+{\frac {1}{2}}}

Media no definida

Mediana {\displaystyle x_{0}}x_{0}

Moda {\displaystyle x_{0}}x_{0}

Varianza no definida

Curtosis no definida

Entropía {\displaystyle \ln(4\,\pi \,\gamma )\!}{\displaystyle \ln(4\,\pi \,\gamma )\!}

Función generadora de momentos (mgf) no definida

Función característica {\displaystyle \exp(x_{0}\,i\,t-\gamma \,|t|)\!}{\displaystyle

\exp(x_{0}\,i\,t-\gamma \,|t|)\!}

[editar datos en Wikidata]

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 o 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. En espectroscopia describe la forma de las líneas espectrales que son
ampliadas por diversos mecanismos, en particular, el mecanismo de ensanchamiento por colisión.
Índice

1 Caracterización

1.1 Función de densidad (PDF)

1.2 Función de distribución

2 Propiedades

2.1 Función Característica

3 Aplicación

4 Véase también

5 Referencias

6 Enlaces externos

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

{\displaystyle {\begin{aligned}f(x;x_{0},\gamma )&={\frac {1}{\pi \gamma \left[1+\left({\frac {x-x_{0}}

{\gamma }}\right)^{2}\right]}}\\[0.5em]&={1 \over \pi }\left[{\gamma \over (x-x_{0})^{2}+\gamma
^{2}}\right]\end{aligned}}}{\displaystyle {\begin{aligned}f(x;x_{0},\gamma )&={\frac {1}{\pi
\gamma \left[1+\left({\frac {x-x_{0}}{\gamma }}\right)^{2}\right]}}\\[0.5em]&={1 \over
\pi }\left[{\gamma \over (x-x_{0})^{2}+\gamma ^{2}}\right]\end{aligned}}}

donde x0 es el parámetro de corrimiento que específica la ubicación del pico de la distribución, y γ

es el parámetro de escala que específica 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

{\displaystyle f(x;0,1)={\frac {1}{\pi (1+x^{2})}}.\!}{\displaystyle f(x;0,1)={\frac {1}{\pi (1+x^{2})}}.\!}

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

Sean {\displaystyle U}U y {\displaystyle V}V dos variables aleatorias uniformes dentro -1 y 1 y
{\displaystyle U^{2}+V^{2}<1}{\displaystyle U^{2}+V^{2}<1}, entonces el número {\displaystyle U/V}
{\displaystyle U/V} tiene la distribución Cauchy.
Función de distribución

La función de distribución acumulativa (CDF) es:

{\displaystyle F(x;x_{0},\gamma )={\frac {1}{\pi }}\arctan \left({\frac {x-x_{0}}{\gamma }}\right)+{\frac

{1}{2}}}{\displaystyle F(x;x_{0},\gamma )={\frac {1}{\pi }}\arctan \left({\frac {x-x_{0}}
{\gamma }}\right)+{\frac {1}{2}}}

y la función inversa de distribución acumulativa para la distribución Cauchy es

{\displaystyle F^{-1}(p;x_{0},\gamma )=x_{0}+\gamma \,\tan \left[\pi \,\left(p-{\tfrac {1}

{2}}\right)\right].}{\displaystyle F^{-1}(p;x_{0},\gamma )=x_{0}+\gamma \,\tan \left[\pi \,\left(p-
{\tfrac {1}{2}}\right)\right].}

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 independientes y normalmente distribuidas con un valor
esperado = 0 y una varianza = 1, luego la tasaU/V tiene la distribución estándar de Cauchy.

Sí X1, …, Xn son variables aleatorias, independientes e idénticamente distribuidas, cada una con una
distribución Cauchy, luego la media de la muestra (X1 + … + Xn)/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:

{\displaystyle \phi _{\overline {X}}(t)=\mathrm {E} \left(e^{i\,{\overline {X}}\,t}\right)\,\!}

{\displaystyle \phi _{\overline {X}}(t)=\mathrm {E} \left(e^{i\,{\overline {X}}\,t}\right)\,\!}

donde {\displaystyle {\overline {X}}}\overline{X} es la media de la muestra. Este ejemplo sirve para
demostrar que la hipótesis de varianza finita en el teorema del límite central no puede ser depuesta,
al igual que la hipótesis de esperanza finita en la ley de los grandes números. 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:

{\displaystyle \phi _{x}(t;x_{0},\gamma )=\mathrm {E} (e^{i\,X\,t})=\exp(i\,x_{0}\,t-\gamma \,|t|).\!}

{\displaystyle \phi _{x}(t;x_{0},\gamma )=\mathrm {E} (e^{i\,X\,t})=\exp(i\,x_{0}\,t-\gamma \,|t|).\!}

Aplicación de la distribución de probabilidad acumulada de Cauchy a lluvias diárias máximas.1

Aplicación