Intermediate

Calculadora de Probabilidad Binomial

Calcula la probabilidad de obtener exactamente, a lo sumo o al menos k éxitos en n ensayos de Bernoulli independientes, junto con la media y la varianza de la distribución.
Whole number of independent trials
0 to n
Between 0 and 1

Moda

P(X = k)
0,1172

Probability of the selected outcome

P(X = k)
11,7188%
P(X ≤ k)
17,1875%
P(X ≥ k)
94,5313%
Mean (μ = np)
5
Variance (σ²)
2,5
Std. dev. (σ)
1,5811
k=3Normal approximation: μ = np, σ = √(np(1−p))
Step by step
  1. 1

    Binomial coefficient C(n, k)

    C(10, 3) = 120
    Number of ways to arrange k successes among n trials.
  2. 2

    pᵏ

    0,5 ^ 3 = 0,125
  3. 3

    (1 − p)ⁿ⁻ᵏ

    0,5 ^ 7 = 0,007813
  4. 4

    P(X = k)

    120 × 0,125 × 0,007813 = 0,1172
Los resultados son estimaciones con fines meramente informativos y no constituyen asesoramiento profesional — verifica siempre los resultados importantes de forma independiente antes de basarte en ellos. Leer el aviso legal completo.
Respuesta rápida

¿Cómo funciona esta calculadora?

La probabilidad binomial es P(X = k) = C(n, k)·pᵏ·(1 − p)ⁿ⁻ᵏ para k éxitos en n ensayos independientes con probabilidad de éxito p. Usa sumas acumuladas para a lo sumo o al menos k. La distribución tiene media np, varianza np(1 − p) y desviación estándar √(np(1 − p)).

Fórmula
P(X = k) = C(n, k) · pᵏ · (1 − p)ⁿ⁻ᵏ
How this is calculated

La distribución binomial modela el número de éxitos X en n ensayos independientes, donde cada ensayo tiene éxito con probabilidad p. Introduce n (el número de ensayos), k (el número de éxitos de interés) y p (la probabilidad de éxito por ensayo entre 0 y 1). La probabilidad puntual es P(X = k) = C(n, k) · pᵏ · (1 − p)ⁿ⁻ᵏ, donde C(n, k) es el coeficiente binomial "n sobre k".

El selector de Modo elige qué reportar. "Exactamente" devuelve la probabilidad puntual P(X = k). "A lo sumo" devuelve la probabilidad acumulada P(X ≤ k) = Σ P(X = i) para i = 0..k. "Al menos" devuelve P(X ≥ k) = 1 − P(X ≤ k − 1). El coeficiente binomial se construye con un bucle iterativo de productos (multiplicando n − i y dividiendo entre i + 1) para que los factoriales grandes nunca se desborden.

El resumen de la distribución usa la media μ = np, la varianza σ² = np(1 − p) y la desviación estándar σ = √(σ²). Las entradas deben cumplir n ≥ 0 entero, 0 ≤ k ≤ n entero y 0 ≤ p ≤ 1; de lo contrario el resultado queda indefinido. El gráfico de barras muestra la masa de probabilidad para valores de X en una ventana alrededor de k para que veas dónde se ubica k en la distribución.

Preguntas frecuentes

"Exactamente k" es la probabilidad de precisamente k éxitos. "A lo sumo k" suma las probabilidades de 0 a k éxitos. "Al menos k" suma de k a n éxitos, calculado como 1 − P(X ≤ k − 1).

Debe haber un número fijo de ensayos n, cada ensayo independiente, exactamente dos resultados (éxito/fracaso) y una probabilidad de éxito p constante en todos los ensayos.

La media np da el número esperado de éxitos, mientras que la varianza np(1 − p) y la desviación estándar miden cuánto suele variar el recuento alrededor de ese promedio.

También conocido como

distribucion binomial
probabilidad binomial
ensayos de bernoulli
n sobre k
calculadora binomial
probabilidad de exito
binomial

APA

TG we-Calculate Editorial Team. (2026). Calculadora de Probabilidad Binomial [Online calculator]. TG we-Calculate. https://we-calculate.com/es/calculator/binomial-probability-calculator

Chicago

TG we-Calculate Editorial Team. "Calculadora de Probabilidad Binomial." TG we-Calculate. 2026. https://we-calculate.com/es/calculator/binomial-probability-calculator.

IEEE

TG we-Calculate Editorial Team, "Calculadora de Probabilidad Binomial," TG we-Calculate, 2026. [Online]. Available: https://we-calculate.com/es/calculator/binomial-probability-calculator

BibTeX

@misc{wecalculate_binomial_probability_calculator, title = {Calculadora de Probabilidad Binomial}, author = {{TG we-Calculate Editorial Team}}, howpublished = {\url{https://we-calculate.com/es/calculator/binomial-probability-calculator}}, year = {2026}, note = {TG we-Calculate} }

¿Te ayudó esta calculadora?