Calculadora de distribución geométrica

Halla la probabilidad del primer éxito en el ensayo k.

Cómo se calcula

Aquí p es la probabilidad de éxito de un ensayo, escrita como decimal entre 0 y 1, y k es el número de ensayo. La herramienta cuenta los ensayos a partir de 1 y devuelve tres valores con cinco decimales: P(X = k) = (1 − p)k−1 × p, P(X ≤ k) = 1 − (1 − p)k y P(X ≥ k) = (1 − p)k−1.

El valor de p debe ser mayor que 0 y como máximo 1; un porcentaje como 20 se rechaza, así que introduce 0,2. El número de ensayo debe ser un número entero de al menos 1; 3,6 o cualquier valor menor que 1 no da resultado. El modelo supone ensayos independientes con el mismo p cada vez, y X cuenta el ensayo en el que ocurre el primer éxito, no los fallos anteriores.

Ejemplo resuelto

Cada intento tiene éxito con probabilidad p = 0,2. ¿Y el intento número 4?

La probabilidad de fallo es 1 − 0,2 = 0,8. Exactamente en el ensayo 4: 0,83 × 0,2 = 0,512 × 0,2 = 0,10240. Éxito como muy tarde en el ensayo 4: 1 − 0,84 = 1 − 0,4096 = 0,59040. Necesitar al menos 4 ensayos: 0,83 = 0,51200.

Prueba este ejemplo →

Errores frecuentes

  • Introducir la probabilidad como porcentaje. Usa 0,2, no 20; los valores mayores que 1 no devuelven resultado.
  • Confundir las dos cifras acumuladas. P(X ≤ k) es la probabilidad de tener éxito en k ensayos o menos; P(X ≥ k) es la probabilidad de que los primeros k − 1 ensayos fallen todos.
  • Usar la versión de la distribución que cuenta los fallos antes del primer éxito. Esta herramienta cuenta el número de ensayo, así que k = 1 significa éxito al primer intento.
  • Suponer que una racha de fallos hace más probable el éxito. Los ensayos son independientes, así que la probabilidad en el siguiente ensayo sigue siendo p.
  • Introducir una k fraccionaria como 3,6. El número de ensayo es un recuento entero, así que no hay resultado.

Fuentes

Acerca de esta calculadora

La distribución geométrica modela el número de ensayos de Bernoulli independientes necesarios para obtener el primer éxito, donde cada ensayo tiene éxito con probabilidad p. La probabilidad de que el primer éxito caiga exactamente en el ensayo k es P(X=k) = (1−p)^(k−1)·p; la probabilidad acumulada de tener éxito dentro de k ensayos (≤k) es 1−(1−p)^k, y la probabilidad de necesitar más de k ensayos se deduce directamente de la función de supervivencia (1−p)^k.

La distribución no tiene memoria: la probabilidad de necesitar m ensayos más no depende de cuántos fallos hayan ocurrido ya, lo que la convierte en un modelo natural para los problemas de tiempo hasta el primer suceso. Los ingenieros de control de calidad la usan para modelar el número de artículos inspeccionados antes de encontrar el primer defecto; los ingenieros de fiabilidad la usan para el tiempo hasta el primer fallo en ensayos discretos; y aparece en ventas (llamadas hasta la primera conversión) y en los cursos de probabilidad como el equivalente discreto de la distribución exponencial.

¿Te ha resultado útil?

Puedes elegir hasta 3 reacciones.

Comentarios

  • Sé el primero en comentar.

Calculadoras populares

Todas las calculadoras