UNIVERSIDAD NACIONAL DE INGENIERIA

ESCUELA DE INGENIERIA ESTADISTICA

 1

RESUMEN
El propsito de este trabajo es dar a conocer la Distribucin de Cauchy, su historia,
en que situaciones la aplicamos, su distribucin de densidad, su funcin de
distribucin acumulativa, esperanza, varianza, desviacin estndar y como se
distribuye la media muestral. Tambin mostrar como varia las grficas de la
distribucin conforme varan sus dos nicos parmetros (" " y " ").

ABSTRACT
The purpose of this paper is to present the distribution of Cauchy, its history, in
which application situations, its density distribution, its cumulative distribution
function, hope, variance, standard deviation and how the sample mean is
distributed. How the graphs of the distribution vary as its two unique parameters
(" " y " ") vary.

SE CUMPLE EL TEOREMA DE LMITE CENTRAL PARA UNA

UNIVERSIDAD NACIONAL DE INGENIERIA
DISTRIBUCIN CAUCHY?
 2

INTRODUCCION
Una Distribucin de Cauchy se puede observar en situaciones en el estudio de
la relacin x e y de las partculas despus de ciertas colisiones que ocurren el
movimiento browniano, tambin se aplica en el anlisis de riesgo de mercado
utilizando modelos de valor de riesgo.
El investigador puede utilizar la distribucin de Cauchy para obtener la
informacin sobre el nivel de desempeo de pruebas de hiptesis que parten
de supuestos de normalidad, cuando los datos provienen de una distribucin
diferente.
Tambin se utiliza para el anlisis cuando se presentan valores atpicos en los
datos. La distribucin de Cauchy recibi aplicaciones en muchas reas
incluyendo fsica, matemticas, econometra, ingeniera, espectroscopia,
anlisis biolgico, ensayos clnicos, modelizacin estocstica a partir de la
disminucin de los componentes de vida de la tasa de fallos, la teora de colas
y la fiabilidad.
Referencia: A Cauchy-Gaussian mixture model for basel-compliant value-at-risk
estimation in financial risk management. Tambin Wikipedia.

SE CUMPLE EL TEOREMA DE LMITE CENTRAL PARA UNA

UNIVERSIDAD NACIONAL DE INGENIERIA
DISTRIBUCIN CAUCHY?
 3

DISTRIBUCION DE CAUCHY

HISTORIA

La distribucin Cauchy-Lorentz,
llamada en honor a Augustin Cauchy
y Hendrik Lorentz, es una distribucin
de probabilidad continua.
Es conocida como la distribucin de
Cauchy y en el mbito de la fsica se
conoce como la distribucin de Lorentz,
la funcin Lorentziana la distribucin
de Breit-Wigner.
Su importancia en la fsica es dada por ser
la solucin de la ecuacin diferencial que describe la resonancia forzada.
En espectroscopia describe la forma de las lneas espectrales que son
ampliadas por diversos mecanismos, en particular, el mecanismo de
ensanchamiento por colisin.
Referencia: Wikipedia

SE CUMPLE EL TEOREMA DE LMITE CENTRAL PARA UNA

UNIVERSIDAD NACIONAL DE INGENIERIA
DISTRIBUCIN CAUCHY?
 4

La Distribucin de Cauchy es un caso especial, donde no tiene ningn momento terico,

como son la Media, la Desviacin Estndar, la asimetra y la curtosis; ya que son todos
estos valores indefinidos
La locacin de la moda y escala son los dos nicos parmetros en esta distribucin.
El parmetro de localizacin especifica la cima o la moda de la distribucin, mientras que
el parmetro de escala, especifica la media de la amplitud hasta el mximo medio de la
distribucin.

FUNCION DE DENSIDAD

Se dice que una variable aleatoria X sigue una distribucin de Cauchy con parmetros y , y se
denota por X C (, ).
La funcin general de densidad de Cauchy se define como:

() =

+( )

< < , < < , < < ,

(" "): La mitad de la anchura a

la media altura, parmetro de
escala.
(" "): La mediana y la moda de
la distribucin, parmetro de
posicionamiento

SE CUMPLE EL TEOREMA DE LMITE CENTRAL PARA UNA

UNIVERSIDAD NACIONAL DE INGENIERIA
DISTRIBUCIN CAUCHY?
 5

Demostracin si es una funcin de densidad tomando como valores a = 1 y = 0:

() =



() =
+ (

)


/
=
+ ( )


= [()]
= [( ) ( )] =

CARACTERISTICAS DE LA DISTRIBUCION CAUCHY

Se caracteriza por tener colas (es simtrica) mucho ms largas que otras
distribuciones simtricas (la Normal e incluso la Logstica) esto hace que tenga
aplicacin durante la fase de validacin de un modelo cuando se quiere someter a
ste a un gran nmero de valores extremos.

El cociente de dos cantidades normales estndar independientes sigue una

distribucin de Cauchy, ese hecho es suficientemente para que esta distribucin
debe ser tenida en cuenta a la hora de realizar simulaciones.

La distribucin de Cauchy tiene forma de campana.

Referencia: Fue extrado de UOC, Variables aleatorias continuas, autor Rafael

Martin y Francisco Jaulin Fajardo.

SE CUMPLE EL TEOREMA DE LMITE CENTRAL PARA UNA

UNIVERSIDAD NACIONAL DE INGENIERIA
DISTRIBUCIN CAUCHY?
 6

PROPIEDADES DE LA DISTRIBUCION CAUCHY

La distribucin es simtrica respecto de .

El primer y el tercer cuartil estn respectivamente en y + .

La distribucin X~C (0,1) es mucho ms aplastada que la normal estndar y por tanto
las olas son mucho ms largas.

Sea X C (, ), se tiene que [] o existe para k 1 y que existe para k < 1.

Sea (, ) (, ) independientes,

Entonces:
+ (, +, + ).
Referencia: Fue extrado de UOC, Variables aleatorias continuas, autor Rafael. Tambin de
UCA, Estadstica Descriptiva y Probabilidad tercera edicin (cap.6).

ESPERANZA Y VARIANZA
La esperanza de la distribucin es:

+ +

() =
=
+ +

= [( + )]+
=


= ( ( + ) ( + )) =
+

= ( )

Que es una expresin indeterminada. Por lo tanto, () no esta definida y en consecuencia

tampoco ().

SE CUMPLE EL TEOREMA DE LMITE CENTRAL PARA UNA

UNIVERSIDAD NACIONAL DE INGENIERIA
DISTRIBUCIN CAUCHY?
 7

DISTRIBUCION DE CAUCHY ESTANDAR

Se deriva de una distribucin t-Student con un grado de libertad (r= 1), X ~ t(1)

[( + )/] (+)/
() = ( + )
(/)

Reemplazando r=1

[( + )/]
() = ( + )(+)/
. (/)

Simplificando:

[/] /
() = ( + )
(/)

[]
() = ( + )
(/)

() = ( + )

() = ( + )

() =
+

SE CUMPLE EL TEOREMA DE LMITE CENTRAL PARA UNA

UNIVERSIDAD NACIONAL DE INGENIERIA
DISTRIBUCIN CAUCHY?
 8

Ejemplo:
Se tiene una distribucin de X ~C ( = 0, = 1) .

Distribucin de Cauchy Grafico 1

10 datos 100 datos 1000 datos

FUNCION DE DISTRIBUCION ACUMULATIVA

La funcin de distribucin acumulativa () de una variable aleatoria cauchy esta definida
por:

()
() = + , <>

Demostracin de la distribucin acumulativa

SE CUMPLE EL TEOREMA DE LMITE CENTRAL PARA UNA

UNIVERSIDAD NACIONAL DE INGENIERIA
DISTRIBUCIN CAUCHY?
 9

() = , < >

+( )


() = ()



= = .
+ ( )

+( )

= [ ( )] = [(( ) ( )]


( )
= +

Por lo tanto, la funcin acumulada es:

()
() = + , <>

Se tiene una distribucin de X ~C ( = 8, = 3)

Grafico 2

SE CUMPLE EL TEOREMA DE LMITE CENTRAL PARA UNA

UNIVERSIDAD NACIONAL DE INGENIERIA
DISTRIBUCIN CAUCHY?
 1
0

DISTRIBUCION MUESTRAL DE LA MEDIA

A menudo necesitamos estudiar las propiedades de una

determinada poblacin, pero nos
encontramos con el inconveniente de que sta es
demasiado numerosa como para analizar a
todos los individuos que la componen. Por tal motivo,
recurrimos a extraer una muestra de la
misma y a utilizar la informacin obtenida para hacer
inferencias sobre toda la poblacin.

El muestreo puede hacerse con o sin reposicin, y la poblacin de partida

puede ser infinita o finita. Una poblacin finita en la que se efecta muestreo
con reposicin puede considerarse infinita tericamente. Tambin, a efectos
prcticos, una poblacin muy grande puede considerarse como infinita. En
todo nuestro estudio vamos a limitarnos a una poblacin de partida infinita o
a muestreo con reposicin.
Consideremos todas las posibles muestras de tamao n en una poblacin.
Para cada muestra podemos calcular un estadstico (media, desviacin tpica,
proporcin) que variar de una a otra. As obtenemos una distribucin del
estadstico que se llama Distribucin Muestral.
Las dos medidas fundamentales de esta distribucin son la media y la
desviacin tpica, tambin denominada error tpico.
Hay que hacer notar que si el tamao de la muestra es lo suficientemente
grande las distribuciones mustrales son normales y en esto se basarn
todos los resultados que alcancemos.

SE CUMPLE EL TEOREMA DE LMITE CENTRAL PARA UNA

UNIVERSIDAD NACIONAL DE INGENIERIA
DISTRIBUCIN CAUCHY?
 1
1

Cada muestra de tamao n que podemos extraer de una poblacin proporciona

una media. Si consideramos cada una de estas medias como valores de una
variable aleatoria podemos estudiar su distribucin que
llamaremos distribucin muestral de medias.
Si tenemos una poblacin normal N(m,s) y extraemos de ella muestras
de tamao n, la distribucin muestral de medias sigue tambin una
distribucin normal

Si la poblacin no sigue una distribucin normal pero n>30, aplicando el

llamado Teorema central del lmite la distribucin muestral de medias
se aproxima tambin a la normal anterior.

Teorema del Limite Central:

SE CUMPLE EL TEOREMA DE LMITE CENTRAL PARA UNA

UNIVERSIDAD NACIONAL DE INGENIERIA
DISTRIBUCIN CAUCHY?
 1
2

Distribucin de la Media Muestral de Cauchy:

tomando como N el nmero de muestras y n como nmero de elementos de

la muestra:
Grfico de una variable ( = , = , = )

Distribucin Muestral de Cauchy

Grafico 3

N=10 N=100 N=1000

Cuando el N tiende al infinito la distribucin de las medias tiende a una

Cauchy debido a que no tiene E(X) definida.

SE CUMPLE EL TEOREMA DE LMITE CENTRAL PARA UNA

UNIVERSIDAD NACIONAL DE INGENIERIA
DISTRIBUCIN CAUCHY?
 1
3

Grafico 4

SE CUMPLE EL TEOREMA DE LMITE CENTRAL PARA UNA

UNIVERSIDAD NACIONAL DE INGENIERIA
DISTRIBUCIN CAUCHY?
 1
4

ANEXOS

-GRAFICO 1:

datos_cauchy <- rcauchy(n = 10, location = 0,scale = 0.9)

plot(density(dcauchy(datos_cauchy)),type = "l", xlab = "x", ylab = "f(x)"

)

datos_cauchy <- rcauchy(n = 100, location = 0,scale = 0.9)

plot(density(dcauchy(datos_cauchy)),type = "l", xlab = "x", ylab = "f(x)"

)

datos_cauchy <- rcauchy(n = 1000, location = 0,scale = 0.9)

plot(density(dcauchy(datos_cauchy)),type = "l", xlab = "x", ylab = "f(x)"

-GRAFICO 2:

Extraido de la pagina : https://es.wikipedia.org/wiki/Distribuci%C3%B3n_d

e_Cauchy

-GRAFICO 3:

vic <- 10

medias_cauchy <- rep(NA, vic)

for(i in 1:vic){

medias_cauchy[i] <- mean(rcauchy(n = 100, location = 0,scale = 4))

plot(density(medias_cauchy))

SE CUMPLE EL TEOREMA DE LMITE CENTRAL PARA UNA

UNIVERSIDAD NACIONAL DE INGENIERIA
DISTRIBUCIN CAUCHY?
 1
5

vic <- 100

medias_cauchy <- rep(NA, vic)

for(i in 1:vic){

medias_cauchy[i] <- mean(rcauchy(n = 100, location = 0,scale = 4))

plot(density(medias_cauchy))

vic <- 1000

medias_cauchy <- rep(NA, vic)

for(i in 1:vic){

medias_cauchy[i] <- mean(rcauchy(n = 100, location = 0,scale = 4))

plot(density(medias_cauchy)

-GRAFICO 4:

Tomados de la simulacin realizada en esta pagina http://personal.us.es/j

lperezd/modelos/cauchy.htm#

SE CUMPLE EL TEOREMA DE LMITE CENTRAL PARA UNA

UNIVERSIDAD NACIONAL DE INGENIERIA
DISTRIBUCIN CAUCHY?