FUNCIONES DE DISTRIBUCIÓN

Una función matemática es un tipo de relación establecido entre dos o más variables.
Cuando escribimos y=f(x) estamos estableciendo una relación entre la variable “x” y la
variable “y”.

Función de distribución

La función de distribución de una variable aleatoria   con valores en   

(o más precisamente de su ley) es la función Fx, de   
en (0,1), que a  asocia:

Las funciones de distribución, como su nombre indica, son representaciones de cómo,

potencialmente, puede distribuirse una variable. Y no lo olvidemos: son funciones
matemáticas. No son variables reales como la altura, el peso, el número de hermanos,
el ser hombre o mujer, etc. Lo que sucede es que se han construido de tal forma que
pueden actuar de maquetas de esas variables reales, porque modelizan bien su
variabilidad.

Es evidente que no se distribuye de la misma forma una variable como el número de

hermanos que tiene una persona, su altura, el sexo o el grado de dolor que tiene una
persona tras una cirugía.

Ejercicios de distribuciones discretas

1.- ejercicio se supone que X está uniformemente distribuida en el intervalo unitario [0, 1].

En ese caso una fda está dada por:

F(x) = 0, si x < 0;
F(x) = x, si 0 ≤ x ≤ 1;
F(x) = 1, si x > 1.

2.- Ejercicio, suponiendo que X toma sólo los valores 0 y 1, con igual probabilidad (X sigue
una distribución de Bernoulli con p = 1/2). Entonces una fda está dada por

F(x) = 0, si x < 0;
F(x) = 1/2, si 0 ≤ x < 1;
F(x) = 1, si x ≥ 1.

3.- C alcular la  func ió n de distr ibuc ió n de pro ba bilida d  de las

puntuacio ne s o bte nidas al lanz ar un dado .

x p i
x <1 0
1≤ x < 2

2≤ x < 3

3≤ x < 4

4≤ x < 5

5≤ x < 6

6≤ x 1

L a re pr e se ntació n de una  func ió n de distr ibuc ió n de

pr o ba bilida d  es una gr áfica e scalo nada.

E j e r c ic io 4 Si una pers ona comp ra una pape le ta e n una rifa , e n

la qu e pue de g anar de 5 .0 00 € ó un s egun do pr emi o de 2 00 0 €
con pr obab ilida de s de : 0 .0 01 y 0 .0 03 . ¿Cuá l ser ía e l pre cio
jus to a p agar por la pa pel et a?

μ = 5 00 0 · 0 .0 01 + 20 00 · 0. 00 3 =   11 €
E j e r c ic io 5 Sea X una va riab le a le ator ia di scre ta cuya f unci ón
de pr obabi lida d es :

X p i
0 0,1
1 0,2
2 0,1
3 0,4
4 0,1
5 0,1

1 C al c ul ar , r e pr e se n ta r g r á fi c a m e nt e l a f un c i ó n d e di s tr i bu c i ó n
2 C al c ul ar l a s si g ui e nt e s p r o ba bi l i d ad e s :
p ( X < 4 .5 )
p (X ≥ 3)
p ( 3 ≤ X < 4 .5 )
1 C al c ul ar , r e pr e se n ta r g r á fi c a m e nt e l a f un c i ó n d e di s tr i bu c i ó n

2 Calc ular l as si guie nt es pr obab ilida de s:

p (X < 4 .5 )
p (X < 4. 5) = F (4 .5 ) =   0.9
p (X ≥ 3)
p (X ≥ 3) = 1 - p( X < 3) = 1 - 0 .4 =   0 .6
p (3 ≤ X < 4 .5 )
 p (3 ≤ X < 4. 5) = p ( X < 4 .5 ) - p(X < 3) = 0 .9 - 0 .4 =   0.5

E j e r c ic io 5. Supóngase que la producción de un día de 850 piezas manufacturadas

contiene 50 piezas que no cumplen con los requerimientos del cliente. Se seleccionan
del lote dos piezas al azar y sin reemplazo. Sea la variable aleatoria X igual al número
de piezas de la muestra que no cumplen. ¿Cuál es la f unción de distribución
acumulada de X?

SOLUCIÓN:

SOLUCIÓN:
La pregunta puede contestarse encontrando primero
la función de masa de probabilidad de X.

P(x=0)= (800/850) (799/849)=0,886

P(x=1)=2(800/850) (50/849)=0,111
P(x=2)= (50/850) (49/849)=0,003
Por lo tanto,
F (0)=P (x0≤)=0.886
F (1)=P (x1≤)=0.886+0,111=0,997
F (2)=P (x≤2)=1

FUNCION DE DISTRIBUCION CONTINUA

1.- Sea X una variable aleatoria con función de distribución dada por

F(x) = 0, si x < 0

1 − k(1 − x), si 0 ≤ x < k

1, si x ≥ k

a) Si k = 3/4, ¿cual es la probabilidad del suceso {1/2 < X ≤ k}?

b) Si k = 1, ¿cual es la probabilidad del suceso {1/2 < X ≤ k}?

a) Si k = 3/4, resulta que:

Pr({1/2 < X ≤ k}) = F(3/4) − F(1/2) = 1 – (1 − 3 /4 × 1 /2 ) = 3/ 8 .

b) Si k = 1, resulta que:

Pr({1/2 < X ≤ k}) = F(1) − F(1/2) = 1 – ( 1 − 1 /2 ) = 1 /2 .

En este caso X es una v.a. continua. Si hubiésemos utilizado su función de densidad,

tendríamos que:
1
Pr({1/2 < X ≤ k}) =∫ 1 dx=1/2
1 /2

2.- ¿Cuál es F(–2) = P(Y ≤ –2)? Como los únicos valores de Y a los que se asignan
probabilidades positivas son 0, 1 y 2 y ninguno de estos valores son menores o iguales
a –2, F(–2) = 0. Si usamos una lógica similar, F(y) = 0 para toda y < 0. ¿Cuál es F(1.5)?
Los únicos valores de Y que son menores o iguales a 1.5 y tienen probabilidades
diferentes de cero son los valores 0 y 1. Por lo que

F(1.5) = P(Y ≤ 1.5) = P(Y = 0) + P(Y = 1) = (1/4)+(1/2) = 3/4.

En general,

F(y) = P(Y ≤ y) = 0, para y < 0,

1/4, para 0 ≤ y < 1,

3/4, para 1 ≤ y < 2,

1, para y ≥ 2.

3.- Sea X una v.a. con la siguiente función de distribución

ex
F(x) = , si x ≤ 0
2

e− x
1− si x > 0.
2

Utilizando la función de distribución:

 e−1 e−2 1 1 1
Pr ({−2 ≤ X ≤ 1}) = F(1) − F(−2) = 1 - - = 1 - ( + 2 ) = 0,7484
2 2 2 e e

4-. Supongamos que la probabilidad de tener una unidad defectuosa en una línea de ensamblaje
es de 0.05. Si el conjunto de unidades terminadas constituye un conjunto de ensayos
independientes:

1. ¿cuál es la probabilidad de que entre diez unidades dos se encuentren defectuosas?

2. ¿y de que a lo sumo dos se encuentren defectuosas?

3. ¿cuál es la probabilidad de que por lo menos una se encuentre defectuosa?

Sea δ i una variable aleatoria que representa el estado de una unidad terminada en la
línea de ensamblaje en el momento i, siendo δ i= 1 si la unidad es defectuosa y δ =0 en
caso contrario. La variable δ sigue una distribución Bernoulli con parámetro p=0’05, de
acuerdo con el dato inicial del problema. Además, nótese que un conjunto de unidades
terminadas constituye un conjunto de ensayos independientes, por lo que el número de
unidades defectuosas de un total de n unidades terminadas (δ 1……….δ n), esto es, i n i n
p ∑= = 1 η , δ , sigue una distribución binomial de parámetros n y p=0,05. Hechas estas
consideraciones iniciales, procedemos a resolver el problema: 1. Procedamos a calcular:

1. procedemos a calcular

P(n10,025 =2) (102 )* 0,05 *(1-0,05) =0,0476

2 8

2. se tiene

P(n10,025 ≤2) (10i )* 0,05 *(1-0,05)

i 10-i
=0,9984

3. por ultimo

P(n10;0,005 ≥1)= 1 –P(n10;0,05=0)= 1- (100 )* 0,05 *(1-0,05)

0 10-0
=1-0,5987=0,4013

5.- El gerente de un restaurante que sólo da servicio mediante reservas sabe, por experiencia, que
el 20% de las personas que reservan una mesa no asistirán. Si el restaurante acepta 25 reservas
pero sólo dispone de 20 mesas, ¿cuál es la probabilidad de que a todas las personas que asistan al
restaurante se les asigne una mesa?

SOLUCIÓN: Representemos por la variable aleatoria δ la decisión de asistir (δ = 0) o no (δ = 1)

finalmente al restaurante por parte de una persona que ha hecho una reserva. Esta variable sigue
una distribución de Bernoulli de parámetro p = 0,2, de acuerdo con el enunciado del ejercicio.
Suponiendo que las distintas reservas son independientes entre sí, se tiene que, de un total de n
reservas (δ 1….δ n), el número de ellas que acuden finalmente al restaurante es una variable
aleatoria Yn =∑= n i 1 δ1, con distribución binomial de parámetros n y p=0,2. En el caso particular
del problema, n=25. Entonces, para aquellas personas que asistan al restaurante de las 25 que
han hecho la reserva puedan disponer de una mesa, debe ocurrir que acudan 20 o menos. Así se
tiene que:

Esperanza matemática
La esperanza matemática o valor esperado de una variable aleatoria discreta es la
suma del producto de la probabilidad de cada suceso por el valor de dicho suceso.

En estadística la esperanza matemática (también llamada esperanza, valor esperado,

media poblacional o media) de una variable aleatoria , es el número que
formaliza la idea de valor medio de un fenómeno aleatorio.

Cuando la variable aleatoria es discreta, la esperanza es igual a la suma de la

probabilidad de cada posible suceso aleatorio multiplicado por el valor de dicho suceso.
Por lo tanto, representa la cantidad media que se "espera" como resultado de un
experimento aleatorio cuando la probabilidad de cada suceso se mantiene constante y el
experimento se repite un elevado número de veces. Cabe decir que el valor que toma la
esperanza matemática en algunos casos puede no ser "esperado" en el sentido más
general de la palabra - el valor de la esperanza puede ser improbable o incluso
imposible.

La esperanza también se suele simbolizar con

Los nombre de esperanza matemática y valor esperado tienen su origen en los juegos
de azar y hacen referencia a la ganancia promedio esperada por un jugador cuando hace
un gran número de apuestas.
Si la esperanza matemática es cero, E(x) = 0, el juego es equitativo, es decir, no
existe ventaja ni para el jugador ni para la banca.

EJERCICIOS

1.- Cuatro personas apuestan 1$ a que saldrá un número en un dado, cada uno a un
número diferente. Entonces por cada euro apostado si se gana recibes 3 dólares más.
¿Saldrá a cuenta apostar en este juego?

La probabilidad de perder 1$ es 56, ya que perderemos si no sale el número elegido.

En cambio la probabilidad de ganar 3 $ es de 16.

Así la esperanza es:

E(X)= (−1⋅56)+(3⋅16)=−56+36=−26=−13=−0.33

Por tanto por cada dólar apostado podemos perder 0.33 céntimos. Se dice que este es un
juego de esperanza negativa.

Decimos que un juego es equitativo cuando la esperanza de beneficio es 0.

Si tenemos un juego con esperanza de beneficio positiva se dice que es un juego de

esperanza positiva.

2.- Por ejemplo, el valor esperado cuando tiramos un dado equilibrado de 6 caras es 3,5.
Podemos hacer el cálculo

3.- Un jugador lanza dos monedas. Gana 1 ó 2 $ si aparecen una o dos caras. Por otra
parte pierde 5 $ si no aparece cara. Determinar la esperanza matemática del juego y si
éste es favorable.

E = {(c,c);(c,x);(x,c);(x,x)}

p(+1) = 2/4

p(+2) = 1/4

p(−5) = 1/4
μ = 1 · 2/4 + 2 · 1/4 - 5 · 1/4 = −1/4. Es desfavorable

4.- Si una persona compra una papeleta en una rifa, en la que puede ganar de 5.000 $ ó
un segundo premio de 2000 $ con probabilidades de: 0.001 y 0.003. ¿Cuál sería el
precio justo a pagar por la papeleta?

μ = 5000 · 0.001 + 2000 · 0.003 = 11 $

5.- Dada la experiencia aleatoria de anotar las puntuaciones obtenidas al lanzar un dado,
calcular: la esperanza matemática

.- La esperanza matemática,

 x p i x· p
i
1

6 1