最后更新: 2025-02-28 08:11 查看: 9 次高考专区考研专区公式专区刷题专区词条搜索

课外阅读：柯西分布

## 柯西分布
柯西分布也叫作柯西-洛伦兹分布，它是以奥古斯丁·路易·柯西与亨德里克·洛伦兹名字命名的连续概率分布，其概率密度函数为
$$
\begin{aligned}
& f\left(x ; x_0, \gamma\right)=\frac{1}{\pi \gamma\left[1+\left(\frac{x-x_0}{\gamma}\right)^2\right]} \\
& =\frac{1}{\pi}\left[\frac{\gamma}{\left(x-x_0\right)^2+\gamma^2}\right]
\end{aligned}
$$

其中 $x_0$ 是定义分布峰值位置的位置参数，$y$ 是尺度参数，是半峰全宽／四分位距的一半。

![图片](/uploads/2025-02/86b100.jpg){width=400px}

作为概率分布，通常叫作柯西分布，物理学家也将之称为洛伦兹分布或者Breit－Wigner分布。在物理学中的重要性很大—部分归因于它是描述受迫共振的微分方程的解。在光谱学中，它描述了被共振或者其它机制加宽的谱线形状。在下面的部分将使用柯西分布这个统计学术语。

## 标准柯西分布

$x_0=0$ 且 $y=1$ 的特例称为标准柯西分布，其概率密度函数为
 
$$
\boxed{
f(x ; 0,1)=\dfrac{1}{\pi\left(1+x^2\right)}
}
$$

对 $1 /\left(1+x^2\right)$ 的原函数是 $\arctan (x)$ ，于是

$$
\int_{-\infty}^{\infty} \frac{d x}{1+x^2}=2 \int_0^{\infty} \frac{d x}{1+x^2}=2[\arctan (\infty)-\arctan (0)]=2\left[\frac{\pi}{2}-0\right]= \pi
$$

因此，为了使积分值为 1 ，上式必须要乘以 $1 / \pi$ 。

### 柯西分布没有数学期望值
柯西分布没有数学期望值， 柯西分布为什么没有数学期望值？我们不是应该考察

$$
\int_{-\infty}^{\infty} x \frac{d x}{\pi\left(1+x^2\right)}
$$

吗？奇函数在对称区间上的积分不应该等于 0 吗？与往常一样，出问题的地方与无穷大有关——当涉及无穷大时，你一定要非常小心．正确说法是这样的：这种反常积分存在，当且仅当

$$
\lim _{A, B \rightarrow \infty} \int_{-A}^B x \frac{d x}{\pi\left(1+x^2\right)}
$$

存在，而且无论 $A, B$ 以何种方式趋近于无穷大，上述积分值保持不变。不幸的是，在我们的例子中，积分值与 $A, B$ 趋近于无穷大的方式有关．例如，如果 $B=A$ ，那么积分值是 0 ，但当 $B=2 A$ 时，从 $-A$ 到 $A$ 的积分值为 0 ，这样就得到了
$$
\lim _{A \rightarrow \infty} \int_{-A}^{2 A} x \frac{d x}{\pi\left(1+x^2\right)}=\lim _{A \rightarrow \infty} \int_A^{2 A} \frac{x d x}{\pi\left(1+x^2\right)}
$$

当 $A$ 较大时，$x /\left(1+x^2\right)$ 近似于 $1 / x$（更精确的说法是，$x /\left(1+x^2\right)$ 大于等于 $1 / 2 x$ ，且小于等于 $1 / x)$ ，那么积分值就近似于

$$
\lim _{A \rightarrow \infty} \int_A^{2 A} \frac{d x}{\pi x}=\frac{1}{\pi}[\log (2 A)-\log (A)]=\frac{\log (2)}{\pi} \neq 0
$$

因此，均值的积分与趋近于无穷大的路径有关，所以均值不存在（请参阅习题 15．10．23）。
方差的情况更糟，它显然是无穷大．注意，当 $x \geqslant 2016$ 时，我们有 $x^2 /\left(1+x^2\right) \geqslant$ $1 / 2$ ，从而有

$$
\int_{-\infty}^{\infty} x^2 \frac{d x}{\pi\left(1+x^2\right)} \geqslant \int_{2016}^{\infty} \frac{d x}{2 \pi}=\infty
$$

柯西分布是最重要的分布之一，你必须掌握并记住它。因为服从柯西分布的随机变量没有均值且方差为无穷大，所以其性质与我们研究过的其他随机变量有很大
不同．因此，如果想知道一个结果是否适用于所有的概率密度函数，那么用柯西分布或者＂更好＂的分布（比如均匀分布，指数分布，高斯分布……）来验证你的猜想是个不错的选择。

**柯西分布在一些经济学理论中起着重要的作用**。随机游走假设的一个简单变体断言，股价运动可以通过抛掷相互独立的硬币来很好地模拟，这样就导致了中心极限定理和高斯特性的出现．然而，数据表明，存在比该理论所预测的更大的波动天数，并且需要使用比高斯分布方差更大的分布。事实证明，柯西分布和高斯分布可以放在同一个具有不同参数的族中。有趣的是，两者都是稳定分布

上一篇：连续型随机变量函数的分布

下一篇：课外阅读：狄利克雷分布

在线学习仅为您提供最基础的数学知识，开通会员可以挑战海量超难试题，分享本文到朋友圈，邀请更多朋友一起学习。

本文对您是否有用？有用 (0) 无用 (0)