Calculadora de distribución de probabilidad: fórmulas, ejemplos y problemas de práctica
Una calculadora de distribución de probabilidad halla el valor esperado, la varianza y la probabilidad de cualquier resultado para una variable aleatoria discreta o continua, sin obligarte a construir una tabla de probabilidad completa ni a consultar una tabla z a mano cada vez. Recibe el tipo de distribución —una tabla discreta, un proceso binomial o una curva normal— junto con sus parámetros, y devuelve la probabilidad, la media y la desviación estándar que necesitas. Los estudiantes de estadística la usan para lanzamientos de moneda, muestreo de control de calidad, puntuaciones de exámenes y cualquier variable aleatoria con un conjunto de resultados claramente definido. Esta guía construye las fórmulas subyacentes paso a paso, con números reales que puedes comprobar a mano, para que la calculadora nunca parezca una caja negra.
Contenido
- 01¿Qué es una calculadora de distribución de probabilidad?
- 02¿Cómo funciona una calculadora de distribución de probabilidad?
- 03Distribuciones de probabilidad discretas frente a continuas
- 04¿Cómo compruebas que las probabilidades suman 1?
- 05Ejemplo resuelto: valor esperado y varianza de una distribución discreta
- 06Ejemplo resuelto: probabilidad con la distribución binomial
- 07¿Cuándo puede una distribución normal aproximar a una binomial?
- 08¿Qué errores comunes arruinan los cálculos de distribuciones de probabilidad?
- 09Problemas de práctica con soluciones completas
- 10¿Cuándo deberías usar una calculadora de distribución de probabilidad?
- 11¿Cómo puede Solvify ayudarte a comprobar problemas de distribución de probabilidad?
¿Qué es una calculadora de distribución de probabilidad?
Una calculadora de distribución de probabilidad es una herramienta que toma los posibles resultados de una variable aleatoria y sus probabilidades —o los parámetros de una familia de distribuciones conocida, como la binomial o la normal— y devuelve la probabilidad de un evento concreto, junto con valores resumen como el valor esperado (media) y la varianza. Una distribución de probabilidad en sí misma no es más que una lista completa de todos los resultados que puede tomar una variable aleatoria, emparejada con la probabilidad de cada uno. Las distribuciones discretas enumeran resultados individuales, como el número de piezas defectuosas en un lote de 10; las distribuciones continuas describen resultados a lo largo de un rango, como la estatura de una persona. Sea cual sea el tipo con el que trabajes, una calculadora de distribución de probabilidad solo es tan fiable como la distribución que le proporcionas, y por eso conviene revisar las matemáticas subyacentes incluso cuando una herramienta hace la aritmética por ti.
Toda distribución de probabilidad válida debe cumplir dos reglas: cada probabilidad individual está entre 0 y 1, y todas las probabilidades juntas suman exactamente 1.
¿Cómo funciona una calculadora de distribución de probabilidad?
Ya trabajes con una tabla hecha a mano o con una calculadora estadística completa, una calculadora de distribución de probabilidad sigue siempre la misma lógica de cuatro pasos. Primero necesita saber con qué tipo de distribución está tratando, porque una tabla discreta, un proceso binomial y una curva normal usan cada uno una fórmula distinta para la probabilidad, el valor esperado y la varianza.
1. Paso 1: Identifica el tipo de distribución
Decide si la variable aleatoria es discreta (una lista fija de resultados, como una tabla de distribución de probabilidad) o continua (todo un rango de valores posibles, como una distribución normal), y si encaja en una familia conocida como la binomial.
2. Paso 2: Introduce los parámetros de la distribución
Para una tabla discreta, introduce cada resultado y su probabilidad. Para una distribución binomial, introduce el número de ensayos (n) y la probabilidad de éxito (p). Para una distribución normal, introduce la media (μ) y la desviación estándar (σ).
3. Paso 3: Calcula la probabilidad, el valor esperado y la varianza
La calculadora aplica la fórmula correspondiente —suma directa para una tabla discreta, la fórmula binomial para un proceso binomial o la tabla normal estándar para una curva normal— para devolver la probabilidad solicitada junto con la media y la varianza.
4. Paso 4: Interpreta el resultado
Convierte la probabilidad decimal en porcentaje y contrástala con una comprobación de sentido común, como la regla empírica o una estimación aproximada, antes de darla por definitiva.
Distribuciones de probabilidad discretas frente a continuas
Una distribución de probabilidad discreta se aplica a una variable aleatoria con una lista contable de resultados: el número de caras en tres lanzamientos de moneda, el número de quejas de clientes en un día o el número de éxitos en un número fijo de ensayos. Cada resultado recibe su propia probabilidad, y una calculadora de distribución de probabilidad para una variable discreta no es más que sumas y multiplicaciones organizadas sobre esa lista. Una distribución de probabilidad continua, como la normal, se aplica a una variable aleatoria que puede tomar cualquier valor dentro de un rango —estatura, peso o tiempo de reacción—, así que en lugar de una probabilidad para cada valor exacto, calculas la probabilidad de caer dentro de un intervalo usando el área bajo una curva. Saber con qué tipo trabajas determina todas las fórmulas que vienen después.
¿Cómo compruebas que las probabilidades suman 1?
Antes de confiar en cualquier cálculo de valor esperado o varianza, confirma que la distribución es válida: cada probabilidad debe estar entre 0 y 1, y el conjunto completo de probabilidades debe sumar exactamente 1 (permitiendo pequeños redondeos). Saltarse esta comprobación es la fuente más común de respuestas erróneas en los problemas de probabilidad discreta, porque una probabilidad mal escrita o mal contada arruina todos los cálculos que se construyen sobre ella.
1. Enumera cada resultado y su probabilidad
Supongamos que un pequeño equipo de soporte registra el número de quejas, X, recibidas por día: P(X=0) = 0,1, P(X=1) = 0,3, P(X=2) = 0,4, P(X=3) = 0,2.
2. Suma todas las probabilidades
0,1 + 0,3 + 0,4 + 0,2 = 1,0. Las probabilidades suman exactamente 1, así que esta es una distribución de probabilidad válida.
3. Reconoce una distribución no válida
Si el último valor apareciera como P(X=3) = 0,3, el total sería 0,1 + 0,3 + 0,4 + 0,3 = 1,1 —más de 1, algo imposible en una distribución de probabilidad y señal de un error de introducción de datos que debe corregirse antes de calcular cualquier otra cosa.
Si las probabilidades de una distribución no suman exactamente 1, la distribución no es válida y debe corregirse antes de calcular el valor esperado, la varianza o cualquier otra probabilidad a partir de ella.
Ejemplo resuelto: valor esperado y varianza de una distribución discreta
Usando la misma distribución de quejas por día —P(X=0) = 0,1, P(X=1) = 0,3, P(X=2) = 0,4, P(X=3) = 0,2—, una calculadora de distribución de probabilidad halla el valor esperado (el promedio a largo plazo) y la varianza (cuánto se dispersan los resultados) igual que lo harías a mano.
1. Paso 1: Multiplica cada valor por su probabilidad y suma
E[X] = (0×0,1) + (1×0,3) + (2×0,4) + (3×0,2) = 0 + 0,3 + 0,8 + 0,6 = 1,7 quejas por día en promedio.
2. Paso 2: Halla E[X²]
E[X²] = (0²×0,1) + (1²×0,3) + (2²×0,4) + (3²×0,2) = 0 + 0,3 + 1,6 + 1,8 = 3,7.
3. Paso 3: Resta la media al cuadrado
Var(X) = E[X²] − (E[X])² = 3,7 − 1,7² = 3,7 − 2,89 = 0,81.
4. Paso 4: Saca la raíz cuadrada para la desviación estándar
σ = √0,81 = 0,9 quejas por día, lo que significa que el recuento diario de quejas varía normalmente unas 0,9 respecto al promedio de 1,7.
Ejemplo resuelto: probabilidad con la distribución binomial
Una distribución binomial se aplica cuando tienes un número fijo de ensayos independientes, cada uno con exactamente dos resultados (éxito o fracaso) y la misma probabilidad de éxito todas las veces. La fórmula es P(X=k) = C(n,k) × p^k × (1−p)^(n−k), donde n es el número de ensayos, k es el número de éxitos que buscas y p es la probabilidad de éxito en un solo ensayo. Supongamos que el 30 % de los visitantes de una página de destino se registra (p = 0,3) y observas 10 visitantes independientes (n = 10). ¿Cuál es la probabilidad de que exactamente 3 de ellos se registren?
1. Paso 1: Identifica n, k y p
n = 10, k = 3, p = 0,3, así que 1 − p = 0,7.
2. Paso 2: Calcula el número de combinaciones
C(10,3) = 10! ÷ (3! × 7!) = 120.
3. Paso 3: Calcula p^k y (1−p)^(n−k)
p³ = 0,3³ = 0,027. (1−p)^7 = 0,7^7 = 0,0823543.
4. Paso 4: Multiplícalo todo
P(X=3) = 120 × 0,027 × 0,0823543 ≈ 0,2668, o alrededor del 26,68 %.
En una distribución binomial, la media es μ = np y la varianza es σ² = np(1 − p): con n = 10 y p = 0,3, eso da una media de 3 y una varianza de 2,1, sin necesidad de una tabla de probabilidad completa.
¿Cuándo puede una distribución normal aproximar a una binomial?
Cuando el número de ensayos es grande, calcular a mano una probabilidad binomial exacta —o incluso sumar muchos términos binomiales— resulta poco práctico, así que los estadísticos aproximan la distribución binomial mediante una distribución normal. La aproximación se considera fiable cuando se cumple tanto np ≥ 5 como n(1−p) ≥ 5. Supongamos que se envían 200 correos y cada uno tiene un 40 % de probabilidad de ser abierto (n = 200, p = 0,4). ¿Cuál es la probabilidad de que como máximo 45 de los primeros 100 destinatarios abran el correo, usando n = 100 para esta pregunta?
1. Paso 1: Comprueba las condiciones de la aproximación
Con n = 100 y p = 0,5 para esta pregunta concreta, np = 50 ≥ 5 y n(1−p) = 50 ≥ 5, así que la aproximación normal es válida.
2. Paso 2: Halla la media y la desviación estándar
μ = np = 100 × 0,5 = 50. σ = √(np(1−p)) = √(100 × 0,5 × 0,5) = √25 = 5.
3. Paso 3: Aplica la corrección por continuidad
Como la distribución binomial es discreta y la normal es continua, ajusta X = 45 a X = 45,5 antes de convertir a una puntuación z: z = (45,5 − 50) ÷ 5 = −0,9.
4. Paso 4: Consulta la probabilidad
P(Z < −0,9) ≈ 0,1841, así que P(X ≤ 45) ≈ 18,41 %.
La corrección por continuidad —sumar o restar 0,5 antes de convertir a una puntuación z— es lo que mantiene precisa una aproximación normal para una distribución que en realidad es discreta.
¿Qué errores comunes arruinan los cálculos de distribuciones de probabilidad?
La mayoría de los errores en los problemas de distribución de probabilidad proviene de un pequeño conjunto de fallos recurrentes, y revisarlos antes de dar por buena una respuesta final detecta la mayoría de los errores de tareas y exámenes.
1. Olvidar comprobar que las probabilidades suman 1
Construir el valor esperado o la varianza sobre una distribución que no suma 1 garantiza una respuesta errónea, aunque todos los demás pasos se hagan correctamente.
2. Confundir la varianza muestral con la poblacional
Cuando se conocen por completo todos los resultados y probabilidades de una distribución, usa Var(X) = E[X²] − (E[X])², no la fórmula de la varianza muestral que divide entre n − 1: esa fórmula sirve para estimar la varianza a partir de una muestra de datos, no de una distribución conocida.
3. Aplicar la aproximación normal sin comprobar np ≥ 5 y n(1−p) ≥ 5
Usar una aproximación normal en una distribución binomial con n pequeño o p extremo produce una probabilidad notablemente inexacta, porque la distribución binomial es demasiado asimétrica para que una campana simétrica la modele bien.
4. Olvidar la corrección por continuidad
Saltarse el ajuste de 0,5 al aproximar una distribución binomial discreta con una curva normal continua desplaza sistemáticamente la probabilidad resultante, sobre todo con valores pequeños de n.
Problemas de práctica con soluciones completas
Trabaja estos tres problemas antes de comprobar el resultado de cualquier calculadora, usando las mismas fórmulas vistas arriba.
1. Problema 1: valor esperado y varianza
Una variable aleatoria discreta X tiene P(X=−1) = 0,2, P(X=0) = 0,3, P(X=1) = 0,3, P(X=2) = 0,2. Halla E[X] y Var(X). Solución: E[X] = (−1×0,2)+(0×0,3)+(1×0,3)+(2×0,2) = −0,2+0+0,3+0,4 = 0,5. E[X²] = (1×0,2)+(0×0,3)+(1×0,3)+(4×0,2) = 0,2+0+0,3+0,8 = 1,3. Var(X) = 1,3 − 0,5² = 1,3 − 0,25 = 1,05.
2. Problema 2: probabilidad binomial de «al menos uno»
Si el 25 % de las piezas de una máquina son defectuosas (p = 0,25) y se muestrean 8 piezas (n = 8), halla P(al menos 1 defectuosa). Solución: P(ninguna defectuosa) = (0,75)^8 ≈ 0,1001. P(al menos 1) = 1 − 0,1001 ≈ 0,8999, o alrededor del 89,99 %.
3. Problema 3: aproximación normal a una binomial
Con n = 200 y p = 0,4, halla P(X ≥ 90) usando la aproximación normal. Solución: μ = np = 80, σ = √(200×0,4×0,6) = √48 ≈ 6,93. Con la corrección por continuidad, X = 89,5, así que z = (89,5 − 80) ÷ 6,93 ≈ 1,37. P(Z ≥ 1,37) ≈ 1 − 0,9147 = 0,0853, o alrededor del 8,53 %.
¿Cuándo deberías usar una calculadora de distribución de probabilidad?
Una calculadora de distribución de probabilidad se gana su lugar allí donde necesitas una respuesta rápida y verificable para una variable aleatoria con resultados conocidos o una familia de distribuciones conocida: en asignaturas de estadística que cubren tablas discretas, la distribución binomial y la normal; en el muestreo de control de calidad, donde una fábrica estima la probabilidad de que un lote contenga demasiadas piezas defectuosas; en seguros y finanzas, donde los cálculos de valor esperado determinan las primas y el precio del riesgo; y en las pruebas A/B, donde un modelo binomial estima la probabilidad de que una diferencia observada en la conversión sea significativa. En todos los casos, la calculadora resulta más útil una vez que entiendes la fórmula que aplica: así puedes detectar un dato mal introducido o una aproximación inaplicable antes de que produzca una respuesta equivocada con toda seguridad.
¿Cómo puede Solvify ayudarte a comprobar problemas de distribución de probabilidad?
Una vez que entiendes el razonamiento anterior, una herramienta es más útil para verificar tu trabajo rápidamente que para sustituir el pensamiento. El solucionador paso a paso de Solvify descompone las preguntas de distribución de probabilidad —tablas discretas, probabilidades binomiales y aproximaciones normales— en los mismos pasos etiquetados que se usan en esta guía, para que puedas comparar tu propio trabajo línea por línea en lugar de ver solo un porcentaje final.
1. Haz una foto del problema
Usa el escaneo inteligente de Solvify para capturar una pregunta de distribución de probabilidad directamente de un libro de texto o una ficha y recibir una solución completamente resuelta.
2. Compara tus pasos con la solución
Contrasta tu valor esperado, tu varianza y tu probabilidad final con el desglose de Solvify para detectar errores como los descritos arriba.
3. Haz preguntas de seguimiento
Usa el tutor de IA de Solvify para preguntar por qué se aplica la aproximación normal, o para ver el mismo problema resuelto con la fórmula binomial exacta.
Una calculadora debe confirmar tu razonamiento, no reemplazarlo: Solvify muestra el camino completo paso a paso para que veas exactamente dónde coincidió o se desvió tu propio cálculo.
Artículos relacionados
Calculadora de Distribución Binomial: Cómo Calcular Probabilidades a Mano
Un análisis más profundo de la fórmula binomial usada arriba, con más ejemplos resueltos de probabilidades binomiales exactas y acumuladas.
Calculadora de curva de distribución normal: fórmulas, pasos y ejemplos
Las matemáticas de la puntuación z y la regla empírica detrás del ejemplo de aproximación normal, aplicadas a distribuciones continuas como las notas de exámenes y las estaturas.
Calculadora de probabilidad con dados: fórmulas, ejemplos resueltos y problemas de práctica
Otro tema de probabilidad discreta construido sobre el mismo razonamiento de espacio muestral y valor esperado que se usa en las tablas de distribución de probabilidad.
Solucionadores matemáticos
Soluciones paso a paso
Ve cada fórmula, sustitución y valor intermedio expuestos con claridad en lugar de solo una probabilidad final.
Escaneo inteligente
Haz una foto de una pregunta de distribución de probabilidad y obtén al instante un desglose completamente resuelto.
Tutor de matemáticas con IA
Haz preguntas de seguimiento sobre el valor esperado, la varianza o cuándo usar una aproximación normal en lugar de la fórmula binomial exacta.