¿Qué es la calculadora binomial de "al menos k éxitos"?

Esta herramienta calcula la probabilidad de obtener al menos k éxitos en n ensayos independientes, donde cada ensayo tiene éxito con la misma probabilidad p. Se trata de la probabilidad acumulada de la cola superior de la distribución binomial, que se expresa como $P(X \geq k)$. Es muy habitual en control de calidad, pruebas de fiabilidad, tests A/B, encuestas y cualquier situación construida a partir de ensayos repetidos de tipo sí/no (ensayos de Bernoulli).

Cómo usarla

Introduce tres valores: el número de ensayos n (un número entero), el número mínimo de éxitos k que te interesa y la probabilidad de éxito por ensayo p como decimal entre 0 y 1 (por ejemplo, 0,25 para un 25 %). Pulsa calcular para ver $P(X \geq k)$, ese mismo valor en porcentaje, además de la probabilidad exacta $P(X = k)$ y la cola inferior $P(X \leq k)$.

La fórmula explicada

La probabilidad de obtener exactamente i éxitos viene dada por la función de masa binomial $\binom{n}{i}\, p^{\,i}\,(1-p)^{n-i}$, donde $\binom{n}{i}$ es el número de formas de elegir qué ensayos resultan exitosos. Para calcular "al menos k", sumamos todos los términos desde $i = k$ hasta $i = n$:

$$P(X \geq k) = \sum_{i=k}^{n} \binom{n}{i}\, p^{\,i}\,\left(1-p\right)^{n-i}$$

La calculadora construye cada término de forma iterativa para mantener la estabilidad numérica, en lugar de calcular factoriales enormes de manera directa, de modo que sigue siendo precisa incluso con valores grandes de n.

Gráfico de barras de una distribución binomial con las barras de k a n sombreadas para mostrar la probabilidad de la cola de al menos k — $P(X \geq k)$ es la suma de las barras sombreadas de la cola superior de la distribución binomial.

Ejemplo resuelto

Imagina que lanzas una moneda equilibrada ($p = 0{,}5$) 10 veces y quieres saber la probabilidad de sacar al menos 6 caras. Con $n = 10$, $k = 6$, $p = 0{,}5$, la suma de los términos para $i = 6, 7, 8, 9$ y $10$ da $$\frac{386}{1024} \approx 0{,}376953,$$ es decir, alrededor del 37,7 %.

Diagrama que muestra dos monedas por ensayo con rutas de éxito y fracaso y la selección combinatoria de los éxitos — Cada ensayo exitoso aporta un factor de $p$ y cada fracaso un factor de $(1-p)$, sumados sobre todas las formas de elegir $i$ éxitos.

Interpretación de su resultado

$P(X \geq k)$ es una probabilidad unilateral (cola superior): responde la pregunta "si la tasa de éxito verdadera realmente es $p$, ¿con qué frecuencia vería $k$ o más éxitos en $n$ ensayos, solo por azar?" Reúne cada resultado desde exactamente $k$ éxitos hasta todos los $n$.

Un resultado pequeño — por ejemplo, por debajo de 0,05 — significa que la cantidad observada de éxitos sería sorprendente bajo la $p$ asumida. Esa es exactamente la lógica detrás de un valor p unilateral: si asume una tasa de referencia y sus datos caen lejos en la cola, la suposición se ve cuestionable. Un resultado grande significa que la cantidad es ordinaria y totalmente compatible con la $p$ asumida.

Pruebas A/B. Si la tasa de conversión de control es $p$ y la variante produjo $k$ de $n$ conversiones, $P(X \geq k)$ evalúa si el aumento podría ser solo ruido. Una probabilidad de cola muy pequeña es evidencia de que la variante es genuinamente diferente.
Control de calidad / muestreo de aceptación. Con una tasa de defectos asumida $p$, $P(X \geq k)$ es la probabilidad de que un lote muestre $k$ o más defectivos en una muestra de $n$ — la base de las reglas de aceptación/rechazo.
Confiabilidad "al menos uno". Estableciendo $k=1$ se obtiene la probabilidad de que ocurra al menos un evento en $n$ intentos independientes.

Para $n$ grande, la cola binomial a menudo se aproxima mediante una distribución normal, por lo que una herramienta de cola superior normal puede servir como verificación de coherencia una vez que $np$ y $n(1-p)$ están ambos cómodamente por encima de aproximadamente 10. Trate el número como una descripción de qué tan compatible son sus datos con la $p$ asumida; elegir un umbral para actuar es una decisión de diseño de estudio, no algo que la probabilidad dicte por sí sola.

Definiciones y glosario

$n$ — número de ensayos: El conteo total fijo de repeticiones independientes del experimento (p. ej., 20 lanzamientos de moneda, 100 piezas muestreadas).
$k$ — número mínimo de éxitos: El umbral que se está probando. $P(X \geq k)$ suma las probabilidades de obtener exactamente $k, k+1, \dots, n$ éxitos.
$p$ — probabilidad de éxito por ensayo: La probabilidad de que cualquier ensayo individual sea un "éxito", asumida idéntica para cada ensayo. Se encuentra entre 0 y 1.
Ensayo de Bernoulli: Un único experimento con exactamente dos resultados — éxito (probabilidad $p$) o fracaso (probabilidad $1-p$). Una configuración binomial es $n$ ensayos de Bernoulli idénticos e independientes.
Coeficiente binomial $\binom{n}{i}$: "$n$ sobre $i$", el número de formas distintas de organizar $i$ éxitos entre $n$ ensayos: $\binom{n}{i} = \dfrac{n!}{i!\,(n-i)!}$.
Probabilidad acumulada / cola superior: Una probabilidad que agrega un rango de resultados. $P(X \geq k)$ es la cola superior — suma las probabilidades de todos los conteos desde $k$ hasta $n$. Su complemento es $P(X \leq k-1)$.
Independencia: La suposición de que el resultado de un ensayo no influye en ningún otro. Sin independencia (y una $p$ constante), la fórmula binomial no se aplica.

Preguntas frecuentes

¿Se asume que los ensayos son independientes? Sí. Cada ensayo debe ser independiente y tener la misma probabilidad de éxito $p$.

¿Y si quiero exactamente k o como máximo k? La tabla de resultados también muestra $P(X = k)$ y $P(X \leq k)$ para mayor comodidad.

¿Puedo poner p como porcentaje? Introduce $p$ como decimal (por ejemplo, 0,05 para el 5 %), no como 5.

P(X = k) exactamente k éxitos	0,117188
P(X ≤ k) at most k successes	0,171875

Probabilidad de al Menos k Éxitos (Binomial)

Ingresar cálculo

Fórmula

Resultados