Documenti di Didattica
Documenti di Professioni
Documenti di Cultura
Ejemplo: Supongamos que el voltaje de un sistema eléctrico, X, es una variable aleatoria continua con función de
densidad
1
fX (x) = , x ≥ 0.
(1 + x)2
Se dispone de un voltı́metro que registra el voltaje real del sistema si éste está comprendido entre 1 y 3 voltios; si el
voltaje real es inferior a un voltio, el voltı́metro siempre registra el valor 1, y si es superior a 3 voltios, el voltı́metro
siempre registra el valor 3. Calcular la función de distribución de la variable Y que describe el valor registrado por
el voltı́metro.
This work is licensed under a Creative Commons Attribution-NonCommercial-NoDerivs 2.5 License.
BY: Grupo CDPYE-UGR
Ejemplo: Supongamos que el voltaje de un sistema eléctrico, X, es una variable aleatoria continua con función de
densidad
1
fX (x) = , x ≥ 0.
(1 + x)2
Se dispone de un voltı́metro que registra el voltaje real del sistema si éste está comprendido entre 1 y 3 voltios; si el
voltaje real es inferior a un voltio, el voltı́metro siempre registra el valor 1, y si es superior a 3 voltios, el voltı́metro
siempre registra el valor 3. Calcular la función de distribución de la variable Y que describe el valor registrado por
el voltı́metro.
Ejemplo: Supongamos que el voltaje de un sistema eléctrico, X, es una variable aleatoria continua con función de
densidad
1
fX (x) = , x ≥ 0.
(1 + x)2
Se dispone de un voltı́metro que registra el voltaje real del sistema si éste está comprendido entre 1 y 3 voltios; si el
voltaje real es inferior a un voltio, el voltı́metro siempre registra el valor 1, y si es superior a 3 voltios, el voltı́metro
siempre registra el valor 3. Calcular la función de distribución de la variable Y que describe el valor registrado por
el voltı́metro.
Ejemplo: Supongamos que el voltaje de un sistema eléctrico, X, es una variable aleatoria continua con función de
densidad
1
fX (x) = , x ≥ 0.
(1 + x)2
Se dispone de un voltı́metro que registra el voltaje real del sistema si éste está comprendido entre 1 y 3 voltios; si el
voltaje real es inferior a un voltio, el voltı́metro siempre registra el valor 1, y si es superior a 3 voltios, el voltı́metro
siempre registra el valor 3. Calcular la función de distribución de la variable Y que describe el valor registrado por
el voltı́metro.
Si y < 1 ⇒ FY (y) = 0.
This work is licensed under a Creative Commons Attribution-NonCommercial-NoDerivs 2.5 License.
BY: Grupo CDPYE-UGR
Ejemplo: Supongamos que el voltaje de un sistema eléctrico, X, es una variable aleatoria continua con función de
densidad
1
fX (x) = , x ≥ 0.
(1 + x)2
Se dispone de un voltı́metro que registra el voltaje real del sistema si éste está comprendido entre 1 y 3 voltios; si el
voltaje real es inferior a un voltio, el voltı́metro siempre registra el valor 1, y si es superior a 3 voltios, el voltı́metro
siempre registra el valor 3. Calcular la función de distribución de la variable Y que describe el valor registrado por
el voltı́metro.
Si y < 1 ⇒ FY (y) = 0.
Si y ≥ 3 ⇒ FY (y) = 1.
This work is licensed under a Creative Commons Attribution-NonCommercial-NoDerivs 2.5 License.
BY: Grupo CDPYE-UGR
Ejemplo: Supongamos que el voltaje de un sistema eléctrico, X, es una variable aleatoria continua con función de
densidad
1
fX (x) = , x ≥ 0.
(1 + x)2
Se dispone de un voltı́metro que registra el voltaje real del sistema si éste está comprendido entre 1 y 3 voltios; si el
voltaje real es inferior a un voltio, el voltı́metro siempre registra el valor 1, y si es superior a 3 voltios, el voltı́metro
siempre registra el valor 3. Calcular la función de distribución de la variable Y que describe el valor registrado por
el voltı́metro.
Si y < 1 ⇒ FY (y) = 0.
Si y ≥ 3 ⇒ FY (y) = 1.
Por lo tanto,
0 y ∈ (−∞, 1)
1
y=1
2
FY (y) =
y
y ∈ (1, 3)
1+y
1 y ∈ [3, +∞)·
This work is licensed under a Creative Commons Attribution-NonCommercial-NoDerivs 2.5 License.
BY: Grupo CDPYE-UGR
Z 1
1 1
Si y = 1 ⇒ FY (1) = P (Y ≤ 1) = P (X ≤ 1) = 2
dx = ·
0 (1 + x) 2
Z y
1 y
Si y ∈ (1, 3) ⇒ FY (y) = P (Y ≤ y) = P (X ≤ 1) + P (1 < X ≤ y) = dx = ·
0 (1 + x)2 1+y
Por lo tanto,
0 y ∈ (−∞, 1)
1
y=1
2
FY (y) =
y
y ∈ (1, 3)
1+y
1 y ∈ [3, +∞)·
Observamos que esta función de distribución tiene dos saltos, en los puntos 1 y 3, mientras que en los intervalos
(−∞, 1), (1, 3) y (3, +∞) es continua, derivable y con derivada
1
y ∈ (1, 3)
dFY (y)
(1 + y)2
=
dy
0 y ∈ (−∞, 1) ∪ (3, +∞).
This work is licensed under a Creative Commons Attribution-NonCommercial-NoDerivs 2.5 License.
BY: Grupo CDPYE-UGR
Z 1
1 1
Si y = 1 ⇒ FY (1) = P (Y ≤ 1) = P (X ≤ 1) = 2
dx = ·
0 (1 + x) 2
Z y
1 y
Si y ∈ (1, 3) ⇒ FY (y) = P (Y ≤ y) = P (X ≤ 1) + P (1 < X ≤ y) = dx = ·
0 (1 + x)2 1+y
Por lo tanto,
0 y ∈ (−∞, 1)
1
y=1
2
FY (y) =
y
y ∈ (1, 3)
1+y
1 y ∈ [3, +∞)·
Observamos que esta función de distribución tiene dos saltos, en los puntos 1 y 3, mientras que en los intervalos
(−∞, 1), (1, 3) y (3, +∞) es continua, derivable y con derivada
1
y ∈ (1, 3)
dFY (y)
(1 + y)2
=
dy
0 y ∈ (−∞, 1) ∪ (3, +∞).
Por lo tanto, FY se comporta como la función de distribución de una variable discreta en los puntos 1, 3, y como la
de una variable continua en el resto.
This work is licensed under a Creative Commons Attribution-NonCommercial-NoDerivs 2.5 License.
BY: Grupo CDPYE-UGR
Z 1
1 1
Si y = 1 ⇒ FY (1) = P (Y ≤ 1) = P (X ≤ 1) = 2
dx = ·
0 (1 + x) 2
Z y
1 y
Si y ∈ (1, 3) ⇒ FY (y) = P (Y ≤ y) = P (X ≤ 1) + P (1 < X ≤ y) = dx = ·
0 (1 + x)2 1+y
Por lo tanto,
0 y ∈ (−∞, 1)
1
y=1
2
FY (y) =
y
y ∈ (1, 3)
1+y
1 y ∈ [3, +∞)·
Observamos que esta función de distribución tiene dos saltos, en los puntos 1 y 3, mientras que en los intervalos
(−∞, 1), (1, 3) y (3, +∞) es continua, derivable y con derivada
1
y ∈ (1, 3)
dFY (y)
(1 + y)2
=
dy
0 y ∈ (−∞, 1) ∪ (3, +∞).
Por lo tanto, FY se comporta como la función de distribución de una variable discreta en los puntos 1, 3, y como la
de una variable continua en el resto.
De hecho, definiendo
This work is licensed under a Creative Commons Attribution-NonCommercial-NoDerivs 2.5 License.
BY: Grupo CDPYE-UGR
dFY (y)
y ∈ R − DY
DY = {1, 3} y hY (y) = dy
0 y ∈ DY
This work is licensed under a Creative Commons Attribution-NonCommercial-NoDerivs 2.5 License.
BY: Grupo CDPYE-UGR
dFY (y)
y ∈ R − DY
DY = {1, 3} y hY (y) = dy
0 y ∈ DY
1 1
y notando que P (Y = 1) = y P (Y = 3) = , se tiene
2 4
X Z y
0
FY (y) = P (Y = y ) + hY (t)dt, ∀y ∈ R.
y 0 ∈DY −∞
y 0 ≤y
This work is licensed under a Creative Commons Attribution-NonCommercial-NoDerivs 2.5 License.
BY: Grupo CDPYE-UGR
dFY (y)
y ∈ R − DY
DY = {1, 3} y hY (y) = dy
0 y ∈ DY
1 1
y notando que P (Y = 1) = y P (Y = 3) = , se tiene
2 4
X Z y
0
FY (y) = P (Y = y ) + hY (t)dt, ∀y ∈ R.
y 0 ∈DY −∞
y 0 ≤y
Una variable de este tipo recibe el nombre de variable mixta, cuya definición formal establecemos a continuación:
This work is licensed under a Creative Commons Attribution-NonCommercial-NoDerivs 2.5 License.
BY: Grupo CDPYE-UGR
dFY (y)
y ∈ R − DY
DY = {1, 3} y hY (y) = dy
0 y ∈ DY
1 1
y notando que P (Y = 1) = y P (Y = 3) = , se tiene
2 4
X Z y
0
FY (y) = P (Y = y ) + hY (t)dt, ∀y ∈ R.
y 0 ∈DY −∞
y 0 ≤y
Una variable de este tipo recibe el nombre de variable mixta, cuya definición formal establecemos a continuación:
X Z x
0
FX (x) = P(X = x ) + hX (t)dt, ∀x ∈ R.
x0 ∈DX −∞
x0 ≤x
This work is licensed under a Creative Commons Attribution-NonCommercial-NoDerivs 2.5 License.
BY: Grupo CDPYE-UGR
dFY (y)
y ∈ R − DY
DY = {1, 3} y hY (y) = dy
0 y ∈ DY
1 1
y notando que P (Y = 1) = y P (Y = 3) = , se tiene
2 4
X Z y
0
FY (y) = P (Y = y ) + hY (t)dt, ∀y ∈ R.
y 0 ∈DY −∞
y 0 ≤y
Una variable de este tipo recibe el nombre de variable mixta, cuya definición formal establecemos a continuación:
X Z x
0
FX (x) = P(X = x ) + hX (t)dt, ∀x ∈ R.
x0 ∈DX −∞
x0 ≤x
Notemos que la función de distribución de una variable mixta se expresa como suma de dos funciones:
This work is licensed under a Creative Commons Attribution-NonCommercial-NoDerivs 2.5 License.
BY: Grupo CDPYE-UGR
dFY (y)
y ∈ R − DY
DY = {1, 3} y hY (y) = dy
0 y ∈ DY
1 1
y notando que P (Y = 1) = y P (Y = 3) = , se tiene
2 4
X Z y
0
FY (y) = P (Y = y ) + hY (t)dt, ∀y ∈ R.
y 0 ∈DY −∞
y 0 ≤y
Una variable de este tipo recibe el nombre de variable mixta, cuya definición formal establecemos a continuación:
X Z x
0
FX (x) = P(X = x ) + hX (t)dt, ∀x ∈ R.
x0 ∈DX −∞
x0 ≤x
Notemos que la función de distribución de una variable mixta se expresa como suma de dos funciones:
X
• FX1 (x) = P (X = x0 )
x0 ∈DX
x0 ≤x
This work is licensed under a Creative Commons Attribution-NonCommercial-NoDerivs 2.5 License.
BY: Grupo CDPYE-UGR
dFY (y)
y ∈ R − DY
DY = {1, 3} y hY (y) = dy
0 y ∈ DY
1 1
y notando que P (Y = 1) = y P (Y = 3) = , se tiene
2 4
X Z y
0
FY (y) = P (Y = y ) + hY (t)dt, ∀y ∈ R.
y 0 ∈DY −∞
y 0 ≤y
Una variable de este tipo recibe el nombre de variable mixta, cuya definición formal establecemos a continuación:
X Z x
0
FX (x) = P(X = x ) + hX (t)dt, ∀x ∈ R.
x0 ∈DX −∞
x0 ≤x
Notemos que la función de distribución de una variable mixta se expresa como suma de dos funciones:
X
• FX1 (x) = P (X = x0 )
x0 ∈DX
x0 ≤x
Z x
• FX2 (x) = hX (t)dt
−∞
This work is licensed under a Creative Commons Attribution-NonCommercial-NoDerivs 2.5 License.
BY: Grupo CDPYE-UGR
dFY (y)
y ∈ R − DY
DY = {1, 3} y hY (y) = dy
0 y ∈ DY
1 1
y notando que P (Y = 1) = y P (Y = 3) = , se tiene
2 4
X Z y
0
FY (y) = P (Y = y ) + hY (t)dt, ∀y ∈ R.
y 0 ∈DY −∞
y 0 ≤y
Una variable de este tipo recibe el nombre de variable mixta, cuya definición formal establecemos a continuación:
X Z x
0
FX (x) = P(X = x ) + hX (t)dt, ∀x ∈ R.
x0 ∈DX −∞
x0 ≤x
Notemos que la función de distribución de una variable mixta se expresa como suma de dos funciones:
X
• FX1 (x) = P (X = x0 )
x0 ∈DX
0
x ≤x
⇒ FX (x) = FX1 (x) + FX2 (x), ∀x ∈ R
Z x
• FX2 (x) = hX (t)dt
−∞
This work is licensed under a Creative Commons Attribution-NonCommercial-NoDerivs 2.5 License.
BY: Grupo CDPYE-UGR
donde FX1 crece únicamente a saltos, como la función de distribución de una variable discreta, y FX2 tiene una forma
similar a la de una variable de tipo continuo.
This work is licensed under a Creative Commons Attribution-NonCommercial-NoDerivs 2.5 License.
BY: Grupo CDPYE-UGR
donde FX1 crece únicamente a saltos, como la función de distribución de una variable discreta, y FX2 tiene una forma
similar a la de una variable de tipo continuo.
Sin embargo, aunque el tratamiento de las funciones FX1 y FX2 es totalmente análogo al de las funciones de distribución
de variables discretas y continuas, respectivamente, tales funciones no son funciones de distribución.
This work is licensed under a Creative Commons Attribution-NonCommercial-NoDerivs 2.5 License.
BY: Grupo CDPYE-UGR
donde FX1 crece únicamente a saltos, como la función de distribución de una variable discreta, y FX2 tiene una forma
similar a la de una variable de tipo continuo.
Sin embargo, aunque el tratamiento de las funciones FX1 y FX2 es totalmente análogo al de las funciones de distribución
de variables discretas y continuas, respectivamente, tales funciones no son funciones de distribución. De hecho:
This work is licensed under a Creative Commons Attribution-NonCommercial-NoDerivs 2.5 License.
BY: Grupo CDPYE-UGR
donde FX1 crece únicamente a saltos, como la función de distribución de una variable discreta, y FX2 tiene una forma
similar a la de una variable de tipo continuo.
Sin embargo, aunque el tratamiento de las funciones FX1 y FX2 es totalmente análogo al de las funciones de distribución
de variables discretas y continuas, respectivamente, tales funciones no son funciones de distribución. De hecho:
donde FX1 crece únicamente a saltos, como la función de distribución de una variable discreta, y FX2 tiene una forma
similar a la de una variable de tipo continuo.
Sin embargo, aunque el tratamiento de las funciones FX1 y FX2 es totalmente análogo al de las funciones de distribución
de variables discretas y continuas, respectivamente, tales funciones no son funciones de distribución. De hecho:
donde FX1 crece únicamente a saltos, como la función de distribución de una variable discreta, y FX2 tiene una forma
similar a la de una variable de tipo continuo.
Sin embargo, aunque el tratamiento de las funciones FX1 y FX2 es totalmente análogo al de las funciones de distribución
de variables discretas y continuas, respectivamente, tales funciones no son funciones de distribución. De hecho:
lo que resulta evidente ya que, en caso contrario, serı́a FX (+∞) = FX1 (+∞) + FX2 (+∞) > 1.
This work is licensed under a Creative Commons Attribution-NonCommercial-NoDerivs 2.5 License.
BY: Grupo CDPYE-UGR
donde FX1 crece únicamente a saltos, como la función de distribución de una variable discreta, y FX2 tiene una forma
similar a la de una variable de tipo continuo.
Sin embargo, aunque el tratamiento de las funciones FX1 y FX2 es totalmente análogo al de las funciones de distribución
de variables discretas y continuas, respectivamente, tales funciones no son funciones de distribución. De hecho:
lo que resulta evidente ya que, en caso contrario, serı́a FX (+∞) = FX1 (+∞) + FX2 (+∞) > 1.
Ası́, ni los valores {P (X = x0 ); x0 ∈ DX } son los de una función masa de probabilidad, ni la función hX es una
función de densidad.
This work is licensed under a Creative Commons Attribution-NonCommercial-NoDerivs 2.5 License.
BY: Grupo CDPYE-UGR
donde FX1 crece únicamente a saltos, como la función de distribución de una variable discreta, y FX2 tiene una forma
similar a la de una variable de tipo continuo.
Sin embargo, aunque el tratamiento de las funciones FX1 y FX2 es totalmente análogo al de las funciones de distribución
de variables discretas y continuas, respectivamente, tales funciones no son funciones de distribución. De hecho:
lo que resulta evidente ya que, en caso contrario, serı́a FX (+∞) = FX1 (+∞) + FX2 (+∞) > 1.
Ası́, ni los valores {P (X = x0 ); x0 ∈ DX } son los de una función masa de probabilidad, ni la función hX es una
función de densidad.
Nota: Las variables de tipo discreto y las de tipo continuo pueden considerarse casos particulares de las variables mixtas, si
se toma FX2 ≡ 0, o FX1 ≡ 0, respectivamente.