This work is licensed under a Creative Commons Attribution-NonCommercial-NoDerivs 2.5 License.

BY: Grupo CDPYE-UGR

Variable aleatoria mixta

 This work is licensed under a Creative Commons Attribution-NonCommercial-NoDerivs 2.5 License.
BY: Grupo CDPYE-UGR

Variable aleatoria mixta

Aunque la mayorı́a de las distribuciones que aparecen en problemas prácticos son de tipo discreto o continuo, existen
otros muchos tipos, que dan lugar a diferentes tipos de variables aleatorias. Por su interés práctico, destacamos las
denominadas variables mixtas que, hablando vulgarmente, pueden considerarse una mezcla de variables discretas y
continuas.
 This work is licensed under a Creative Commons Attribution-NonCommercial-NoDerivs 2.5 License.
BY: Grupo CDPYE-UGR

Variable aleatoria mixta

Aunque la mayorı́a de las distribuciones que aparecen en problemas prácticos son de tipo discreto o continuo, existen
otros muchos tipos, que dan lugar a diferentes tipos de variables aleatorias. Por su interés práctico, destacamos las
denominadas variables mixtas que, hablando vulgarmente, pueden considerarse una mezcla de variables discretas y
continuas.

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

Variable aleatoria mixta

Aunque la mayorı́a de las distribuciones que aparecen en problemas prácticos son de tipo discreto o continuo, existen
otros muchos tipos, que dan lugar a diferentes tipos de variables aleatorias. Por su interés práctico, destacamos las
denominadas variables mixtas que, hablando vulgarmente, pueden considerarse una mezcla de variables discretas y
continuas.

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.

Notemos en primer lugar que la variable Y puede expresarse en términos de X como


 1 X<1
Y = X X ∈ [1, 3]
3 X > 3.

 This work is licensed under a Creative Commons Attribution-NonCommercial-NoDerivs 2.5 License.
BY: Grupo CDPYE-UGR

Variable aleatoria mixta

Aunque la mayorı́a de las distribuciones que aparecen en problemas prácticos son de tipo discreto o continuo, existen
otros muchos tipos, que dan lugar a diferentes tipos de variables aleatorias. Por su interés práctico, destacamos las
denominadas variables mixtas que, hablando vulgarmente, pueden considerarse una mezcla de variables discretas y
continuas.

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.

Notemos en primer lugar que la variable Y puede expresarse en términos de X como


 1 X<1
Y = X X ∈ [1, 3]
3 X > 3.


Por lo tanto, Y toma valores en el intervalo [1, 3] y es evidente que:

 This work is licensed under a Creative Commons Attribution-NonCommercial-NoDerivs 2.5 License.
BY: Grupo CDPYE-UGR

Variable aleatoria mixta

Aunque la mayorı́a de las distribuciones que aparecen en problemas prácticos son de tipo discreto o continuo, existen
otros muchos tipos, que dan lugar a diferentes tipos de variables aleatorias. Por su interés práctico, destacamos las
denominadas variables mixtas que, hablando vulgarmente, pueden considerarse una mezcla de variables discretas y
continuas.

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.

Notemos en primer lugar que la variable Y puede expresarse en términos de X como


 1 X<1
Y = X X ∈ [1, 3]
3 X > 3.


Por lo tanto, Y toma valores en el intervalo [1, 3] y es evidente que:

Si y < 1 ⇒ FY (y) = 0.
 This work is licensed under a Creative Commons Attribution-NonCommercial-NoDerivs 2.5 License.
BY: Grupo CDPYE-UGR

Variable aleatoria mixta

Aunque la mayorı́a de las distribuciones que aparecen en problemas prácticos son de tipo discreto o continuo, existen
otros muchos tipos, que dan lugar a diferentes tipos de variables aleatorias. Por su interés práctico, destacamos las
denominadas variables mixtas que, hablando vulgarmente, pueden considerarse una mezcla de variables discretas y
continuas.

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.

Notemos en primer lugar que la variable Y puede expresarse en términos de X como


 1 X<1
Y = X X ∈ [1, 3]
3 X > 3.


Por lo tanto, Y toma valores en el intervalo [1, 3] y es evidente que:

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

Variable aleatoria mixta

Aunque la mayorı́a de las distribuciones que aparecen en problemas prácticos son de tipo discreto o continuo, existen
otros muchos tipos, que dan lugar a diferentes tipos de variables aleatorias. Por su interés práctico, destacamos las
denominadas variables mixtas que, hablando vulgarmente, pueden considerarse una mezcla de variables discretas y
continuas.

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.

Notemos en primer lugar que la variable Y puede expresarse en términos de X como


 1 X<1
Y = X X ∈ [1, 3]
3 X > 3.


Por lo tanto, Y toma valores en el intervalo [1, 3] y es evidente que:

Si y < 1 ⇒ FY (y) = 0.

Si y ≥ 3 ⇒ FY (y) = 1.

Veamos seguidamente el valor de FY (y) para 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
 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
 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, +∞)·
 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:

Una variable aleatoria X : (Ω, A, P) −→ (R, B, PX ) es mixta si existe un conjunto numerable,

DX ⊂ R, y una función no negativa e integrable, hX : R −→ R tal que

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:

Una variable aleatoria X : (Ω, A, P) −→ (R, B, PX ) es mixta si existe un conjunto numerable,

DX ⊂ R, y una función no negativa e integrable, hX : R −→ R tal que

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:

Una variable aleatoria X : (Ω, A, P) −→ (R, B, PX ) es mixta si existe un conjunto numerable,

DX ⊂ R, y una función no negativa e integrable, hX : R −→ R tal que

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:

Una variable aleatoria X : (Ω, A, P) −→ (R, B, PX ) es mixta si existe un conjunto numerable,

DX ⊂ R, y una función no negativa e integrable, hX : R −→ R tal que

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:

Una variable aleatoria X : (Ω, A, P) −→ (R, B, PX ) es mixta si existe un conjunto numerable,

DX ⊂ R, y una función no negativa e integrable, hX : R −→ R tal que

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:

• FX1 (+∞) = P (X = x0 ) < 1,

P
x0 ∈DX
 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:

• FX1 (+∞) = P (X = x0 ) < 1,

P
x0 ∈DX
Z
• FX2 (+∞) = hX (t)dt < 1,
R
 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:

• FX1 (+∞) = P (X = x0 ) < 1,

P
x0 ∈DX
Z
• FX2 (+∞) = hX (t)dt < 1,
R

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:

• FX1 (+∞) = P (X = x0 ) < 1,

P
x0 ∈DX
Z
• FX2 (+∞) = hX (t)dt < 1,
R

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:

• FX1 (+∞) = P (X = x0 ) < 1,

P
x0 ∈DX
Z
• FX2 (+∞) = hX (t)dt < 1,
R

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.