Calculadora de Distribución Binomial

Calculadora de Distribución Binomial

Popular AI Skill PRO

Ingresar cálculo

Fórmula

P(X=x)=(nx)px(1−p)n−xP(X = x) = \binom{n}{x}\, p^{\,x}\,(1-p)^{\,n-x}
Estadísticas de uso

Publicidad

Resultados

Valor máximo de Probability mass f(x)
0,202331
en x = 5
Media (n·p)5
Varianza3,75
Desviación típica1,9365
0
1
2
3
4
5
6
7
8
9
10
11
12
x f(x)
0 0,003171212
1 0,021141413
2 0,066947808
3 0,133895615
4 0,189685455
5 0,202331152
6 0,168609293
7 0,112406195
8 0,060886689
9 0,027060751
10 0,009922275
11 0,00300675
12 0,000751688

Informar de un error en esta página

¿Qué es la distribución binomial?

La distribución binomial modela el número de éxitos x en un número fijo de ensayos independientes n, donde cada ensayo tiene la misma probabilidad de éxito p (un ensayo de Bernoulli). Responde preguntas como «¿qué probabilidad hay de obtener exactamente 5 caras en 20 lanzamientos de una moneda?». Es matemática pura y se aplica de forma idéntica en cualquier lugar, sin unidades ni jurisdicción que cambien el resultado.

Cómo usar esta calculadora

Elige qué función quieres calcular: la probabilidad puntual \(f(x)\) (la probabilidad de obtener exactamente x éxitos), la acumulada inferior \(P(X \le x)\) o la acumulada superior \(Q(X \ge x)\). Introduce el número de ensayos n, la probabilidad de éxito por ensayo p (entre 0 y 1) y, a continuación, selecciona el primer número de éxitos (valor inicial de x), el incremento entre filas y cuántas filas deseas generar. La herramienta tabula y representa la función seleccionada en un histograma discreto con las barras pegadas entre sí.

Gráfico de barras de una función de masa de probabilidad binomial
La función de masa de probabilidad (PMF) binomial da la probabilidad de obtener x éxitos en n ensayos independientes.

La fórmula explicada

La función de probabilidad puntual es

$$f(x,n,p) = \binom{n}{x}\, p^{\,x}\,(1-p)^{\,n-x}$$

donde \(\binom{n}{x} = \dfrac{n!}{x!\,(n-x)!}\) es el coeficiente binomial. La acumulada inferior \(P(x)\) suma \(f\) para \(t = 0..x\), y la acumulada superior \(Q(x)\) suma \(f\) para \(t = x..n\). Para evitar el desbordamiento de los factoriales con valores grandes de n, esta calculadora obtiene el coeficiente mediante la función logaritmo gamma:

$$\ln f = \ln\Gamma(n+1) - \ln\Gamma(x+1) - \ln\Gamma(n-x+1) + x\cdot\ln p + (n-x)\cdot\ln(1-p)$$

La media de la distribución es \(np\) y la varianza es \(np(1-p)\).

Publicidad

Ejemplo resuelto

Para \(n = 20\) y \(p = 0{,}25\), al evaluar la PMF en \(x = 0..12\) obtenemos: \(f(0) \approx 0{,}003171\), \(f(1) \approx 0{,}021142\), \(f(2) \approx 0{,}066948\), \(f(3) \approx 0{,}133897\), \(f(4) \approx 0{,}189691\) y \(f(5) \approx 0{,}202337\). El máximo se alcanza en \(x = 5\), que coincide con la media

$$np = 20 \times 0{,}25 = 5$$

justo como cabía esperar.

Tres gráficos de barras que comparan la PMF, la probabilidad acumulada inferior y la acumulada superior
Comparación de la PMF f(x), la probabilidad acumulada inferior P(X≤x) y la acumulada superior Q(X≥x).

Definiciones y Glosario

  • Ensayo: Una sola repetición de un experimento aleatorio con un conjunto fijo y definido de resultados.
  • Ensayo de Bernoulli: Un ensayo con exactamente dos resultados mutuamente excluyentes, convencionalmente etiquetados como "éxito" y "fracaso".
  • Probabilidad de éxito \(p\): La probabilidad de que un solo ensayo resulte en un éxito, con \(0 \le p \le 1\). Se asume constante en todos los ensayos.
  • Número de ensayos \(n\): El conteo fijo de ensayos de Bernoulli independientes en el experimento, un entero no negativo.
  • Éxitos \(x\): El número observado de éxitos entre los \(n\) ensayos; \(x\) es un entero con \(0 \le x \le n\).
  • PMF \(f(x)\): La función de masa de probabilidad, que da la probabilidad de exactamente \(x\) éxitos: \(f(x)=\binom{n}{x}p^{x}(1-p)^{n-x}\).
  • Acumulada inferior \(P(X\le x)\): La función de distribución acumulada, la probabilidad de a lo sumo \(x\) éxitos: \(P(X\le x)=\sum_{k=0}^{x} f(k)\).
  • Acumulada superior \(Q(X\ge x)\): La probabilidad de al menos \(x\) éxitos: \(Q(X\ge x)=\sum_{k=x}^{n} f(k)=1-P(X\le x-1)\).
  • Coeficiente binomial \(\binom{n}{x}\): El número de formas distintas de elegir \(x\) éxitos de \(n\) ensayos, \(\binom{n}{x}=\dfrac{n!}{x!\,(n-x)!}\).
  • Media \(np\): El número esperado de éxitos, \(\mu = np\).
  • Varianza \(np(1-p)\): La varianza del conteo de éxitos, \(\sigma^{2}=np(1-p)\); la desviación estándar es \(\sigma=\sqrt{np(1-p)}\).

Interpretando tu Resultado

Las tres cantidades responden tres preguntas diferentes sobre el mismo experimento:

  • \(f(x)\) — exactamente \(x\): la probabilidad de obtener precisamente \(x\) éxitos y ningún otro número. Usa esto para preguntas de "exactamente k".
  • \(P(X\le x)\) — a lo sumo \(x\): la probabilidad de que el número de éxitos no exceda \(x\). Usa esto para preguntas de "a lo sumo k", "no más que k", o "menos que k+1".
  • \(Q(X\ge x)\) — al menos \(x\): la probabilidad de \(x\) o más éxitos. Usa esto para preguntas de "al menos k", "k o más", o "más que k−1".

Mapeando una pregunta real a una función. Traduce el enunciado cuidadosamente, observando el límite:

  1. "Al menos \(k\)" \(\Rightarrow Q(X\ge k)\).
  2. "Más que \(k\)" \(\Rightarrow Q(X\ge k+1) = 1 - P(X\le k)\).
  3. "A lo sumo \(k\)" \(\Rightarrow P(X\le k)\).
  4. "Menos que \(k\)" \(\Rightarrow P(X\le k-1)\).
  5. "Entre \(a\) y \(b\) inclusive" \(\Rightarrow P(X\le b) - P(X\le a-1)\).

La superposición de \(P\)/\(Q\). Porque tanto \(P(X\le x)\) como \(Q(X\ge x)\) incluyen el término \(f(x)\), no son complementarias en el mismo \(x\). De hecho, \(P(X\le x) + Q(X\ge x) = 1 + f(x)\), por lo que las dos colas acumuladas se superponen en exactamente un punto de masa. El verdadero complemento de \(Q(X\ge x)\) es \(P(X\le x-1)\), no \(P(X\le x)\).

Aproximación normal. Cuando tanto \(np\) como \(n(1-p)\) son razonablemente grandes (una regla común es que cada uno sea \(\ge 5\), e idealmente \(\ge 10\)), la binomial se aproxima bien mediante una distribución normal con media \(\mu = np\) y desviación estándar \(\sigma = \sqrt{np(1-p)}\). Aplica una corrección de continuidad (por ejemplo, usa \(x+0.5\) o \(x-0.5\)) al convertir un conteo discreto a la escala normal continua. Para \(n\) grande con \(p\) pequeño (de modo que \(np\) permanezca moderado), la distribución de Poisson con \(\lambda = np\) es la aproximación más precisa.

Publicidad
Diagrama con las partes de la fórmula binomial
La fórmula multiplica el número de ordenaciones posibles por la probabilidad de cada resultado.

Preguntas frecuentes

¿Por qué P(x) + Q(x) no suma 1? Ambas acumuladas incluyen el punto \(t = x\), de modo que \(P(x) + Q(x) = 1 + f(x)\). Este criterio de solapamiento (la inferior incluye x y la superior también incluye x) se aplica aquí de forma intencionada.

¿Qué ocurre si x queda fuera del rango 0..n? La PMF vale 0 en ese caso; la acumulada inferior se limita a 0 (\(x < 0\)) o a 1 (\(x \ge n\)), y la superior se limita a 1 (\(x \le 0\)) o a 0 (\(x > n\)).

¿Puedo usar valores grandes de n? Sí. El cálculo con logaritmo gamma mantiene el resultado estable para valores grandes de n, donde los factoriales directos se desbordarían.

Última actualización:

Lo más popular en Matemáticas y Estadísticas

Ver todas las calculadoras de Matemáticas y Estadísticas