柯西分布

维基百科,自由的百科全书
跳转至: 导航搜索
柯西-洛伦兹分布
機率密度函數
Probability density function for the Cauchy distribtion
绿线是标准柯西分布
累積分布函數
Cumulative distribution function for the Normal distribution
与上图中的颜色对应
參數 x_0\! 位置参数实数
\gamma > 0\! 尺度参数(实数)
值域 x \in (-\infty; +\infty)\!
概率密度函数 \frac{1}{\pi\gamma\,\left[1 + \left(\frac{x-x_0}{\gamma}\right)^2\right]} \!
累積分布函數 \frac{1}{\pi} \arctan\left(\frac{x-x_0}{\gamma}\right)+\frac{1}{2}
标记 {{{notation}}}
期望值 (没有定义)
中位數 x_0
眾數 x_0
方差 (没有定义)
偏態 (没有定义)
峰態 (没有定义)
熵值 \ln(4\,\pi\,\gamma)\!
動差生成函數 (没有定义)
特徵函數 \exp(x_0\,i\,t-\gamma\,|t|)\!

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

 f(x; x_0,\gamma) = \frac{1}{\pi\gamma \left[1 + \left(\frac{x-x_0}{\gamma}\right)^2\right]} \!
= { 1 \over \pi } \left[ { \gamma \over (x - x_0)^2 + \gamma^2  } \right] \!

其中x0是定义分布峰值位置的位置参数γ是最大值一半处的一半宽度的尺度参数

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一部分归因于它是描述受迫共振微分方程的解。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。

x0 = 0且γ = 1的特例称为标准柯西分布,其概率密度函数为

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

特性[编辑]

其累积分布函数为:

F(x; x_0,\gamma)=\frac{1}{\pi} \arctan\left(\frac{x-x_0}{\gamma}\right)+\frac{1}{2}

柯西分布的逆累积分布函数为

F^{-1}(p; x_0,\gamma) = x_0 + \gamma\,\tan(\pi\,(p-1/2)). \!

柯西分布的平均值方差或者都没有定义,它的众数中值有定义都等于 x0

X 表示柯西分布随机变量,柯西分布的特性函数表示为:

\phi_x(t; x_0,\gamma) = \mathrm{E}(e^{i\,X\,t}) = \exp(i\,x_0\,t-\gamma\,|t|). \!

如果 UV期望值为 0、方差为 1 的两个独立正态分布随机变量的话,那么比值 U/V 为柯西分布。

標準柯西分佈是學生t-分佈自由度為1的特殊情況。

柯西分佈是穩定分佈:如果X\sim\textrm{Stable}(1,0,\gamma,\mu),則X\sim\textrm{Cauchy}(\mu,\gamma)

如果 X1, …, Xn 是分别符合柯西分布的相互独立同分布随机变量,那么算术平均数X1 + … + Xn)/n 有同样的柯西分布。为了证明这一点,我们来计算采样平均的特性函数

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

其中,\overline{X} 是采样平均值。这个例子表明不能舍弃中心极限定理中的有限变量假设。

洛仑兹线性分布更适合于那种比较扁、宽的曲线 高斯线性分布则适合较高、较窄的曲线 当然,如果是比较居中的情况,两者都可以。 很多情况下,采用的是两者各占一定比例的做法。如洛伦茨占60%,高斯占40%.

外部链接[编辑]