Funcin de distribucin

(abierto en a y cerrado en b) es F(b) F(a) si a b.

1.0

2 = 0.2,
2 = 1.0,
2 = 5.0,
2 = 0.5,

P(a < X b) = FX (b) FX (a).

0.6

La fda de una probabilidad P denida sobre el espacio

boreliano B(R) es la funcin F que a todo real x le asocia

, (x)

0.8

= 0,
= 0,
= 0,
= 2,

0.4

0.2

F (x) = P(] , x]).

0.0
5

0.0.1 Acumulada y Distribuida

Es convencin usar una F mayscula para una fda, en
contraste con la f minscula usada para una Funcin de
Densidad de Probabilidad y/o para una Funcin de Probabilidad.

Funcin de Distribucin Acumulativa para la distribucin normal en la siguiente imagen.

1.0

= 0,
= 0,
= 0,
= 2,

La funcin distribucin puede obtenerse a partir de la

funcin de probabilidad respectiva. La fda en el caso de
una variable aleatoria X discreta, puede establecerse como:

F (x) = xi x f (xi )

0.6

, (x)

0.8

2 = 0.2,
2 = 1.0,
2 = 5.0,
2 = 0.5,

0.4

Para una variable aleatoria X contnua, fda surge como:

x
F (x) = f (t) dt

0.2

0.0
5

Debe observarse que una denicin del tipo menor o

igual, '' podra sustituirse por estrictamente "menor"
'<'. Esto producira una funcin diferente, pero cualquiera de las funciones F puede deducirse a partir de la otra
f.
Tambin se podra cambiar por una determinada por mayor (>) en lugar de "menor" '<' y deducir las propiedades
de esta nueva funcin.
Slo es preciso ajustar las formulaciones y deniciones a
lo pretendido en cada caso.
En pases de lengua inglesa, una convencin es usar una
desigualdad de este tipo en lugar de una desigualdad
estricta (<), por ejemplo.

Funcin de Densidad de Probabilidad para varias distribuciones

normales. El trazo rojo distingue la distribucin normal estndar.

En la teora de la probabilidad y en estadstica, una

funcin de distribucin acumulada (fda) describe la
probabilidad de que una variable aleatoria real X sujeta
a cierta ley de distribucin de probabilidad se site en la
zona de valores menores o iguales a x.
Intuitivamente, asumiendo la funcin f como la ley de
distribucin de probabilidad, la fda sera la funcin con
la recta real como dominio, con imagen del rea hasta
aqu de la funcin f, siendo aqu el valor x para la variable
aleatoria real X.
La fda asocia a cada valor x, la probabilidad del evento: 1 Ejemplos
la variable X toma valores menores o iguales a x.
Las Funciones de Distribucin Acumulativa se emplean Como ejemplo, se supone que X est uniformemente distambin para especicar la distribucin de variables alea- tribuida en el intervalo unitario [0, 1]. En ese caso una
torias multivariantes.
fda est dada por:
Para cada nmero real x, una fda est dada por la
siguiente denicin:[1]

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

La probabilidad de que X se site en un intervalo ]a, b]

1

Para otro ejemplo, suponiendo que X toma slo los valores 0 y 1, con igual probabilidad (X sigue una distribucin
de Bernoulli con p = 1/2). Entonces una fda est dada por
F(x) = 0, si x < 0;
F(x) = 1/2, si 0 x < 1;
F(x) = 1, si x 1.

Notacin

Cuando hay ms de una variable aleatoria y se vuelve necesario explicitar una diferencia entre las funciones, se
representa una fda de la variable aleatoria X por FX (x) .

Funcin de Distribucin Acumulada Inversa (Funcin Cuantil)

La funcin cuantil de una variable aleatoria (o de una ley

de probabilidad) es la inversa de su acumulada.
Si la FDA F es estrictamente creciente y continua, su inversa est denida F 1 (y), y [0, 1] es el nico nmero
real x tal que F (x) = y .
Slo en tales casos queda as denida la funcin de distribucin inversa o funcin cuantil. Pero una funcin de
distribucin se mantiene constante en todo intervalo en el
cual la variable aleatoria no puede tomar valores. Es por
esto que se introduce la siguiente denicin. Lamentablemente, la distribucin carece, en general, de inversa. Se
puede denir, para y [0, 1] , la inversa generalizada
de la funcin distribucin:

5. Si Y tiene una distribucin U [0, 1] entonces,

F 1 (Y ) est distribuida como F . Esto se emplea
en para la generacin aleatoria de nmeros con el
mtodo de muestreo de transformada inversa.
6. Si {X } es una coleccin de variables independentes aleatoriamente distribuidas F -denida en el
mismo espacio muestral, entonces existen variables
aleatorias Y tales que Y est distribuida como
U [0, 1] y F 1 (Y ) = X como probabilidad 1
para todo .
Ejemplo 1: La mediana es F 1 (0.5) .
Ejemplo 2: Sea = F 1 (0.95) . Se denominar al 95avo percentil.
Por convencin, podemos decidir que QX (0) es el menor
de los valores posibles de X y QX (1) es el mayor; pueden
ser eventualmente innitos.

4 Propiedades
Si X es una variable aleatoria discreta, entonces se la obtiene de los valores x1 , x2 , ... con probabilidad p1 , p2 etc.,
y una fda de X ser discontinua en los puntos xi y constante entre ellos.
Si una fda F de X es contnua, entonces X es una variable
aleatoria continua; si se dice de F que es absolutamente
continua, entonces existe una funcin Integral de Lebesgue f(x) tal que

F (b) F (a) = P(a X b) =

F

PROPIEDADES

f (x) dx
a

(y) = inf {F (x) y}.

para todos los nmeros reales a y b. (La primera de las dos

igualdades no sera correcta en general si no se hubiera
Sea X una variable aleatoria con valores en R y FX su
dicho que una distribucin es continua.
funcin de distribucin. Se llama funcin cuantil de X a
La continuidad de la distribucin implica que P(X = a) =
la funcin de ]0, 1[ en R , denotada por QX , que a u
P(X = b) = 0, de modo que una diferencia entre "<" y ""
]0, 1[ hace corresponder: QX (u) = inf{x : FX (x)
deja de ser importante en este contexto.) Una funcin f es
u} .
igual a la derivada de F (casi en toda parte), y es llamada
La inversa de la pda se denomina funcin cuantil.
Funcin de densidad de probabilidad de la distribucin de
La inversa de la pda puede emplearse para trasladar re- X.
sultados obtenidos para la distribucin uniforme a otras
Para cualquier funcin de distribucin F , debe ser:
distribuciones.
xR

0 F (x) 1

3.1

Propiedades tiles de la inversa de pda

1. F 1 es no-decreciente
2. F 1 (F (x)) x
3. F (F 1 (y)) y
4. F

(y) x si y slo si y F (x)

F es no decreciente (creciente o constante): x1 <

x2 F (x1 ) F (x2 )
F () = limx F (x) = 0
F (+) = limx+ F (x) = 1
F es contnua a la derecha: F (a+ )
limxa+ F (x) = F (a)

3
P(x = a) = F (a) F (a )
P(a < x b) = F (b) F (a) , con a, b R , y
a<b

6 Bibliografa
Conceito de varivel aleatria e de funo de distribuo

Portal Action
Se cumplen las siguientes propiedades, que permiten tratar con los diferentes tipos de desigualdades, y que se
aplican a funciones de distribucin de variables aleatorias
6.0.1 Estadstica
discretas:
P(X < b) = F (b )
P(X > a) = 1 F (a)
P(X a) = 1 F (a )
P(a < X < b) = F (b ) F (a)
P(a X < b) = F (b ) F (a )
P(a X b) = F (b) F (a )
En caso de las variables aleatorias contnuas, valen las siguientes propiedades:
F es contnua en todos los puntos (en caso de las
variables aleatorias discretas era slo continua a la
derecha)
a
P(x = a) = a f (x) dx = 0
P(a X b) = P(a X < b) = P(a < X
b
b) = P(a < X < b) = a f (x) dx = F (b)F (a)
La Prueba de Kolmogrov-Smirnov est basada en funciones de distribucin acumulada y puede ser usada para ver si dos distribuciones empricas son diferentes o si
una distribucin emprica es diferente de una distribucin
ideal.
Muy relacionada con la prueba de Kuiper, la cual es til si
el domnio de la distribucin es cclico como por ejemplo
en das de la semana. Por ejemplo podemos usar el test de
Kuiper para ver si el nmero de tornados vara durante el
ao o si las ventas de un producto oscilan da a da o por
da del mes.

Vase tambin
Estadstica descriptiva
Distribucin de probabilidad

5.1

Referencias

[1] Monti, K.L. (1995). Folded Empirical Distribution Function Curves (Mountain Plots). The American Statistician
49: 342345. JSTOR 2684570.

Puede considerarse el artculo sobre Estadstica matemtica para completar algunos tpicos.

7 TEXTO E IMGENES DE ORIGEN, COLABORADORES Y LICENCIAS

Texto e imgenes de origen, colaboradores y licencias

7.1

Texto

Funcin de distribucin Fuente: https://es.wikipedia.org/wiki/Funci%C3%B3n_de_distribuci%C3%B3n?oldid=83801248 Colaboradores: CEM-bot, Davius, Juan Mayordomo, Raulshc, CayoMarcio, Jkbw, Marsal20, Enrique Cordero, CentroBabbage, ZroBot, Elas,
KLBot2, MetroBot, Invadibot, Acratta, Aldein, Jarould, Nico gtrd, Pablo Roca Bernardini y Annimos: 8

7.2

Imgenes

Archivo:Normal_Distribution_CDF.svg Fuente: https://upload.wikimedia.org/wikipedia/commons/c/ca/Normal_Distribution_CDF.

svg Licencia: Public domain Colaboradores: self-made, Mathematica, Inkscape Artista original: Inductiveload
Archivo:Normal_Distribution_PDF.svg Fuente: https://upload.wikimedia.org/wikipedia/commons/7/74/Normal_Distribution_PDF.
svg Licencia: Public domain Colaboradores: self-made, Mathematica, Inkscape Artista original: Inductiveload

7.3

Licencia de contenido

Creative Commons Attribution-Share Alike 3.0