根据Box-Muller变换原理利用均匀分布的随机变量生成二维柯西分布

二维柯西分布（Bivariate Cauchy Distribution）:

Box-Muller算法的主要原理就是利用需生成分布的cdf中形如$x^2+y^2$的部分进行三角换元，然后将换元后的联合分布函数积分成$R$和$\theta$各自的边缘分布函数，再求反函数，找到两个随机变量的函数，则可以通过这两个函数把均匀分布的随机变量映射到所求分布上。
$$f(x,y;x_0,y_0,\gamma )=\frac{1}{2\pi }[\frac{\gamma }{((x-x_0{)}^2+(y-y_0{)}^2+{\gamma }^2{)}^{\frac{3}{2}}}]$$
设 $X=x-x_0,Y=y-y_0:$
则:
$$f(X,Y,\gamma )=\frac{1}{2\pi }[\frac{\gamma }{(X^2+Y^2+{\gamma }^2{)}^{\frac{3}{2}}}]$$
令$X=R\cos (\theta ),Y=R\sin (\theta )$，则有：
$${\int }_{-\infty }^{+\infty }{\int }_{-\infty }^{+\infty }\frac{1}{2\pi }[\frac{\gamma }{(X^2+Y^2+{\gamma }^2{)}^{\frac{3}{2}}}]dXdY={\int }_{-\infty }^{+\infty }{\int }_{-\infty }^{+\infty }\frac{1}{2\pi }[\frac{\gamma }{(R^2+{\gamma }^2{)}^{\frac{3}{2}}}]Rd\theta dR=1$$
由此可得 $R$ 与 $\theta$ 的分布函数 $P_R$ 与 $P_{\theta }$ :
$$\begin{array}{rl}{P}_R(R\le r)& ={\int }_0^{2\pi }{\int }_0^r\frac{1}{2\pi }[\frac{\gamma }{(R^2+{\gamma }^2{)}^{\frac{3}{2}}}]Rd\theta dR\\ & ={\int }_0^r[\frac{\gamma }{(R^2+{\gamma }^2{)}^{\frac{3}{2}}}]RdR\\ & =1-\frac{\gamma }{\sqrt{r^2+{\gamma }^2}}(r>0)\\ P_{\theta }(\theta \le \varphi )& ={\int }_0^{\varphi }{\int }_0^{+\infty }\frac{1}{2\pi }[\frac{\gamma }{(R^2+{\gamma }^2{)}^{\frac{3}{2}}}]Rd\theta dR\\ & =\frac{\varphi }{2\pi }\end{array}$$
对$P_R$求反函数得：
$$R=\frac{\gamma (2x-x^2{)}^{\frac{1}{2}}}{1-x}$$
设$U_1,U_2$为服从均匀分布的随机变量，则：
$$\begin{array}{rl}R& =\frac{\gamma (2U_1-U_1^2{)}^{\frac{1}{2}}}{1-U_1}\\ \theta & =2\pi U_2\end{array}$$
则:
$$\begin{gathered} X=\frac{\gamma (2U_1-U_1^2{)}^{\frac{1}{2}}}{1-U_1}\cos (2\pi U_2) \\ Y=\frac{\gamma (2U_1-U_1^2{)}^{\frac{1}{2}}}{1-U_1}\sin (2\pi U_2) \end{gathered}$$