Considere a distribuição de Cauchy, cuja f.d.p. é f(x)=\frac{1}{\pi\left(1+x^{2}\right)}, para x \in \mathbb{R}. É possível estimar o parâmetro de localização desta distribuição utilizando o Método dos Momentos tradicional? Justifique sua resposta baseando-se na definição de esperança matemática.
Passo 1
O enunciado dá a densidade da distribuição de Cauchy padrão
e pergunta se é possível estimar o parâmetro de localização usando o Método dos Momentos tradicional, justificando a resposta com base na definição de esperança matemática.
Informações relevantes fornecidas:
A densidade é a da Cauchy centrada em 0. (Em geral, a Cauchy com parâmetro de localização \mu tem densidade f(x;\mu)=\dfrac{1}{\pi\bigl(1+(x-\mu)^2\bigr)}.)
O Método dos Momentos tradicional exige que o momento teórico que se iguala ao momento amostral exista (seja finito).
O que se pede: decidir se o Método dos Momentos tradicional pode ser aplicado aqui e justificar usando a definição de esperança \mathbb{E}[X].
Passo 2
O que é o Método dos Momentos (resumido e concreto):
Para estimar um parâmetro \theta usando o primeiro momento, a ideia é usar a igualdade teórica \mathbb{E}[X]=m_1(\theta) e igualá-la ao momento amostral \overline{X} (a média amostral).
Ou seja, precisa existir e ser finito o momento teórico \mathbb{E}[X] (ou, no caso de estimar \mu por deslocamento, \mathbb{E}[X]=\mu se a esperança existir).
Portanto: antes de aplicar o método, devemos verificar se \mathbb{E}[X] existe (é finita) para a distribuição Cauchy.
Passo 3
Definição rigorosa de esperança que vamos usar (linguagem simples):
Para uma variável aleatória contínua com pdf f, a esperança \mathbb{E}[X] é definida se e somente se \int_{-\infty}^{\infty}|x|f(x)\,dx<\infty. Quando essa integral é finita, \mathbb{E}[X]=\int_{-\infty}^{\infty} x f(x)\,dx.
Se \int_{-\infty}^{\infty}|x|f(x)\,dx=\infty, dizemos que a esperança não existe (não é finita), mesmo que a integral simétrica \lim_{R\to\infty}\int_{-R}^{R} x f(x)\,dx possa convergir em valor principal.
Passo 4
Cálculo da integral de |x| para a Cauchy (passo a passo, sem pular contas):
Começamos por escrever
Agora calculamos a integral impropria \int_{0}^{\infty}\dfrac{x}{1+x^{2}}\,dx. Use a substituição técnica u=1+x^{2}, então du=2x\,dx, logo x\,dx=\dfrac{1}{2}\,du. Assim
Concluímos que \int_{-\infty}^{\infty}|x|f(x)\,dx=\infty, ou seja, a esperança \mathbb{E}[X] não existe (não é finita).
Passo 5
Comentário sobre a integral simétrica (principal value) e por que isso não salva o Método dos Momentos:
Se calcularmos a integral simétrica obtemos, para todo R>0,
\int_{-R}^{R} x f(x)\,dx=0
porque o integrando x f(x) é função ímpar. Assim o valor principal (Cauchy principal value) é \lim_{R\to\infty}\int_{-R}^{R} x f(x)\,dx=0.
Porém a existência do valor principal igual a 0 não equivale à existência da esperança no sentido usual: para a esperança é exigida a integrabilidade absoluta \int |x|f(x)\,dx<\infty. Como essa integral diverge, a esperança não existe.
O Método dos Momentos tradicional usa a esperança (momento teórico) bem definido e finito; não se pode substituir formalmente por valor principal para justificar a igualdade com a média amostral — a teoria do método pede momentos finitos.
Passo 6
Conclusão clara e direta (com empatia rápida):
Como a esperança \mathbb{E}[X] da Cauchy não existe (a integral de |x| diverge), o Primeiro Momento Teórico não está definido e, portanto, o Método dos Momentos tradicional (baseado na igualdade entre \mathbb{E}[X] e a média amostral) não pode ser usado para estimar o parâmetro de localização da Cauchy.
Dica amiga: para Cauchy costuma-se usar estimadores baseados na mediana amostral ou outros métodos robustos (a mediana é uma escolha natural porque a Cauchy é simétrica e a mediana existe), já que a média amostral não se comporta bem.
Resposta
Não. A esperança \mathbb{E}[X] para a Cauchy não existe, pois