柯西分佈

柯西分佈也叫作柯西-勞侖茲分佈，它是以奧古斯丁·路易·柯西與亨德里克·勞侖茲名字命名的連續機率分佈，其機率密度函數為

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是定義分佈峰值位置的位置參數，γ是尺度參數，是半峰全寬/四分位距的一半。

作為機率分佈，通常叫作柯西分佈，物理學家也將之稱為勞侖茲分佈或者Breit-Wigner分佈。在物理學中的重要性很大一部分歸因於它是描述受迫共振的微分方程式的解。在光譜學中，它描述了被共振或者其它機制加寬的譜線形狀。在下面的部分將使用柯西分佈這個統計學術語。

x₀ = 0且γ = 1的特例稱為標準柯西分佈，其機率密度函數為

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

特性

Lorentzian function Imaginary part Maple complex 3D plot

Imaginary plot of Lorentzian function (Maple animation)

其累積分佈函數為：

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

柯西分佈的逆累積分佈函數為

F^{-1}(p;x_{0},\gamma )=x_{0}+\gamma \,\tan(\pi \,(p-1/2)).\!

柯西分佈的平均值、方差或者矩都沒有定義，它的眾數與中值有定義都等於 x₀。

取 X 表示柯西分佈隨機變量，柯西分佈的特性函數表示為：

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

如果 U 與 V 是期望值為 0、方差為 1 的兩個獨立正態分佈隨機變量的話，那麼比值 U/V 為標準柯西分佈。

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, …, X_n 是分別符合柯西分佈的相互獨立同分佈隨機變量，那麼算術平均數（X₁ + … + X_n）/n 有同樣的柯西分佈。為了證明這一點，我們來計算採樣平均的特性函數：

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

其中， ${\overline {X}}$ 是採樣平均值。這個例子表明不能捨棄中心極限定理中的有限變量假設。

洛侖茲線性分佈更適合於那種比較扁、寬的曲線高斯線性分佈則適合較高、較窄的曲線當然，如果是比較居中的情況，兩者都可以。很多情況下，採用的是兩者各佔一定比例的做法。如勞侖次佔60%，高斯佔40%.

函數表達式為 ${\frac {{\frac {1}{2}}\Gamma }{x^{2}+({\frac {1}{2}}\Gamma )^{2}}}$ ，其中 $\Gamma$ 為一個分佈算符，詳見伽瑪分佈。

機率密度函數綠線是標準柯西分佈
累積分佈函數與上圖中的顏色對應
參數	$x_{0}\!$ 位置參數（實數） $\gamma >0\!$ 尺度參數（實數）
值域	$x\in (-\infty ;+\infty )\!$
機率密度函數	${\frac {1}{\pi \gamma \,\left[1+\left({\frac {x-x_{0}}{\gamma }}\right)^{2}\right]}}\!$
累積分佈函數	${\frac {1}{\pi }}\arctan \left({\frac {x-x_{0}}{\gamma }}\right)+{\frac {1}{2}}$
期望值	（沒有定義）
中位數	$x_{0}$
眾數	$x_{0}$
變異數	（沒有定義）
偏度	（沒有定義）
峰度	（沒有定義）
熵	$\ln(4\,\pi \,\gamma )\!$
動差母函數	（沒有定義）
特徵函數	$\exp(x_{0}\,i\,t-\gamma \,\|t\|)\!$