Saltar al contenido

Matemáticas

Calculadora de distribución binomial

Ingresa el número de ensayos, la probabilidad de éxito en cada ensayo y el número de éxitos que quieres evaluar. La calculadora devuelve la probabilidad exacta de esa cantidad de éxitos, la probabilidad acumulada de esa cantidad o menos, la media esperada y la desviación estándar. Supone ensayos independientes con una probabilidad de éxito fija.

Actualizado 2026-11-15 Estimación editorial Equipo editorial de Calccc Gratis · Sin registro

Cargando calculadora…

Qué hace esta calculadora

La distribución binomial describe ensayos repetidos de sí o no: diez lanzamientos de moneda, veinte llamadas de ventas, cinco tiros libres. Cada ensayo tiene dos resultados, la probabilidad de éxito se mantiene igual y los ensayos no se influyen entre sí. En esas condiciones, la distribución da probabilidades exactas para cualquier cantidad de éxitos, además de una media y una dispersión. Esta página calcula la probabilidad puntual, la probabilidad acumulada y los dos estadísticos de resumen, y explica cuándo se ajusta el modelo binomial y cuándo no.

Cómo usarla

  1. Ingresa n, el número de ensayos, como número entero.
  2. Ingresa p, la probabilidad de éxito en un ensayo, entre 0 y 1.
  3. Ingresa k, el número de éxitos para el que quieres la probabilidad.
  4. Lee P(X = k) y la probabilidad acumulada P(X ≤ k).
  5. Revisa la media y la desviación estándar para conocer el conteo esperado y la dispersión.

Cómo funciona

P(X = k) = C(n, k) x p^k x (1 - p)^(n - k), donde C(n, k) = n! / (k! x (n - k)!) cuenta las formas de elegir k éxitos entre n ensayos. La probabilidad acumulada es la suma de P(X = i) para i de 0 a k. Media = n x p. Varianza = n x p x (1 - p). Desviación estándar = la raíz cuadrada de la varianza. Ingresa p como decimal, así que 50% se escribe 0.5 y no 50.

Ejemplos de cálculo

Ejemplo 1: n = 10, p = 0.5, k = 5

P(X = 5) = 252 x 0.5^10 = 0.2461, cerca de 24.6%. La media es 5 y la desviación estándar es aproximadamente 1.58. La probabilidad de cinco éxitos o menos es 0.6230, justo por debajo de dos tercios.

Ejemplo 2: n = 20, p = 0.3, k = 6

P(X = 6) = 38,760 x 0.3^6 x 0.7^14 = aproximadamente 0.1916, es decir 19.2%. La media es 6 y la desviación estándar es aproximadamente 2.05. La probabilidad de seis o menos es 0.6080, así que un resultado en la media todavía abarca la mayor parte de la cola inferior.

Ejemplo 3: n = 5, p = 0.8, k = 4

P(X = 4) = 5 x 0.8^4 x 0.2 = 0.4096, es decir 41.0%. La media es 4 y la desviación estándar es aproximadamente 0.89. La probabilidad de cuatro o menos es 0.6723, porque la única forma de superar cuatro es acertar en los cinco ensayos.

Qué significa el resultado

La probabilidad puntual responde una pregunta estrecha: exactamente k éxitos. La cifra acumulada suele responder la pregunta práctica: como máximo k o, restando de 1, al menos k. Lee la media como el conteo promedio a largo plazo si repitieras todo el conjunto de ensayos muchas veces, no como una predicción del siguiente conjunto. La desviación estándar indica cuánto tiende a alejarse un resultado típico de la media; una desviación pequeña significa que los resultados se agrupan y una grande, que se dispersan. Cuando n es grande y p no está cerca de 0 ni de 1, la distribución se parece a una campana y una aproximación normal con la misma media y desviación estándar resulta razonable. Cuando p es extremo, espera una distribución sesgada y muchos resultados con cero éxitos. Comprueba siempre que los supuestos del modelo se cumplan antes de confiar en una probabilidad.

Errores comunes

  • Ingresar 50 en lugar de 0.5 para una probabilidad de éxito de 50%.
  • Usar una k mayor que n, que tiene probabilidad cero.
  • Tratar los ensayos como independientes cuando se extraen sin reemplazo.
  • Leer la probabilidad puntual cuando la pregunta era al menos k éxitos.
  • Suponer que p se mantiene constante cuando el proceso cambia entre ensayos.

Supuestos y límites

  • El número de ensayos n se fija de antemano.
  • Cada ensayo tiene exactamente dos resultados: éxito o fracaso.
  • La probabilidad de éxito p es la misma en todos los ensayos.
  • Los ensayos son independientes entre sí.
  • k es un número entero entre 0 y n.

Preguntas frecuentes

¿Cuál es la diferencia entre P(X = k) y P(X ≤ k)?

P(X = k) es la probabilidad de exactamente k éxitos. P(X ≤ k) suma las probabilidades de 0 a k, así que abarca k o menos. Para al menos k, calcula 1 menos P(X ≤ k - 1).

¿Qué significa la media en este contexto?

Es el número esperado de éxitos, n x p. Si repitieras el mismo número de ensayos muchas veces, el conteo promedio se acercaría a ese valor. No significa que vayas a ver exactamente esa cantidad de éxitos la próxima vez.

¿Cuándo puedo usar una aproximación normal?

Una guía habitual es que tanto n x p como n x (1 - p) sean al menos 5 o 10, según la fuente que sigas. Cuando lo son, una curva normal con la misma media y desviación estándar da una aproximación cercana, sobre todo con corrección por continuidad.

¿Sirve para extracciones sin reemplazo?

No de forma exacta. Muestrear sin reemplazo cambia la probabilidad tras cada extracción, lo que corresponde a la distribución hipergeométrica. Si la muestra es pequeña respecto a la población, el binomial suele ser una aproximación cercana.

¿p puede ser exactamente 0 o 1?

Sí, aunque el resultado es trivial. Si p = 0 el único conteo posible es cero éxitos; si p = 1 todos los ensayos tienen éxito. La fórmula sigue funcionando siempre que evites 0^0 en la aritmética.

¿Por qué la probabilidad acumulada salta en la media?

Porque la distribución se concentra alrededor de sus valores más probables. Para n = 10 y p = 0.5, el resultado k = 5 reúne cerca de una cuarta parte de toda la probabilidad, así que el total acumulado sube de golpe al pasar por ahí.

Fuentes

Esta calculadora es una herramienta educativa de probabilidad y estadística. Supone ensayos independientes con una probabilidad de éxito constante y no comprueba si ese supuesto se cumple en tus datos. Verifica los resultados críticos con una referencia estadística o con un analista calificado.

Actualización 2026

Cómo usar el resultado profesional

Esta página no es solo una caja de fórmula. El resultado está pensado para comprobarlo, compararlo y llevarlo contigo.

  • Hoja de trabajo profesional. El resultado incluye los datos usados, el método y el alcance, además de una comprobación de sensibilidad de una variable para calculadoras financieras.
  • Escenarios A/B. Guarda dos conjuntos de datos en el navegador y compara las cifras principal, secundaria y el desglose lado a lado.
  • Imprimir / PDF y CSV. Imprime una hoja con la marca o exporta la tabla anual cuando la calculadora la genera.

Las fórmulas y los supuestos anteriores siguen gobernando la cifra. La hoja de trabajo hace la estimación auditable; no la convierte en una cotización de un prestamista, una declaración de impuestos ni asesoría personalizada.

Go deeper

Guides that explain the math

Binomial Distribution: Trials, Successes, and Probability
Math

Binomial Distribution: Trials, Successes, and Probability

The binomial distribution counts successes in a fixed number of independent yes-or-no trials. Learn the formula, work exact probabilities, and know when the normal shortcut fails.

7 min read

Equipo editorial de Calccc · Actualizado 2026-11-15

Preparado por Equipo editorial de Calccc como estimación educativa. Esta página no es una revisión profesional licenciada ni constituye asesoría financiera, médica, legal o fiscal.

Estimación editorial preparada por el Equipo editorial de Calccc; no es una revisión profesional licenciada.