Gráfica de distribución de probabilidad
La gráfica de distribución de probabilidad dibuja la curva de densidad, de masa o acumulada de una distribución teórica a partir de los parámetros introducidos, sin datos. Abarca doce distribuciones, entre ellas normal, t, chi-cuadrado, F, Weibull, lognormal, binomial y Poisson. Úselo para ver la forma de una distribución, explicar un plan de muestreo o un estadístico de prueba, o leer probabilidades. Las distribuciones continuas aparecen como curvas; la binomial y la de Poisson, como barras.
Última revisión:
Idea clave
Dibuja la curva de densidad (o masa) de probabilidad o la distribución acumulada de una distribución teórica, como la normal, Weibull o binomial, a partir de los parámetros que usted introduce, sin necesidad de datos.
En esta página
Propósito
La gráfica de distribución de probabilidad dibuja la curva de una distribución teórica para los parámetros que usted introduce: su densidad de probabilidad (o, para conteos, su masa de probabilidad) o su distribución acumulada. No se necesitan datos. Úselo para ver el aspecto de una distribución antes de usarla, para explicar un plan de muestreo o un estadístico de prueba, o para leer cuán probable es un conteo o una medición bajo un modelo supuesto, por ejemplo, el número de unidades defectuosas en una muestra de 50 cuando el proceso opera con un 4% de defectuosas.
Capacidades principales
- Doce distribuciones: normal, t de Student, chi-cuadrado, F, exponencial, Weibull, lognormal, uniforme, gamma, beta, binomial y de Poisson.
- Función de densidad/masa de probabilidad o función de distribución acumulada.
- Las distribuciones continuas se dibujan como una curva suave (la densidad aparece sombreada); la binomial y la de Poisson se dibujan como barras en cada número entero.
- El rango horizontal se elige automáticamente para cubrir la distribución desde su percentil 0.05 hasta su percentil 99.95.
- Título generado a partir de la distribución y la curva, o su propio título.
Métodos estadísticos
La herramienta construye la distribución elegida a partir de los parámetros y la evalúa con fórmulas estándar. Los parámetros son: normal — Parameter 1 = media, Parameter 2 = desviación estándar; t de Student y chi-cuadrado — grados de libertad; F — grados de libertad del numerador y del denominador; exponencial — escala (la media); Weibull y gamma — forma y escala; lognormal — ubicación y forma, es decir, la media y la desviación estándar de ln(X); uniforme — límite inferior y superior; beta — los dos parámetros de forma α y β; binomial — número de ensayos n y probabilidad del evento p; Poisson — media λ. Las distribuciones con un solo parámetro usan solo Parameter 1.
En una distribución continua, la curva se evalúa en 500 puntos equiespaciados entre sus percentiles 0.05 y 99.95. En la binomial y la de Poisson se evalúa en cada número entero de ese rango: la masa de probabilidad P(X = k) da la altura de cada barra, y la función acumulada P(X ≤ k) da la altura de cada barra en la gráfica de la CDF. Para una densidad, el área bajo la curva en un intervalo es la probabilidad de caer en ese intervalo; la CDF da esa probabilidad directamente como diferencia de dos alturas.
Campos y opciones de entrada
Campo | Descripción |
Distribution | Obligatorio. Normal, Student's t, Chi-Square, F, Exponential, Weibull, Lognormal, Uniform, Gamma, Beta, Binomial o Poisson. |
Parameter 1 | El significado depende de la distribución: p. ej., la media para la normal, los grados de libertad para t y chi-cuadrado, la forma para Weibull y gamma, el número de ensayos para la binomial, la media para la de Poisson. |
Parameter 2 | Solo lo usan las distribuciones de dos parámetros: p. ej., la desviación estándar para la normal, la escala para Weibull y gamma, la probabilidad del evento para la binomial. |
Plot | Probability density/mass function (predeterminada) o Cumulative distribution function. |
Title | Opcional. De forma predeterminada se genera un título a partir de la distribución y la curva elegidas. |

Figura 1 — Opciones del ejemplo: distribución binomial con 50 ensayos y probabilidad del evento 0.04.
Descripción de la salida
- <Distribution> Distribution — Probability Density: la curva de densidad (eje rotulado Probability density); para la binomial y la de Poisson, <Distribution> Distribution — Probability Mass, con la probabilidad de cada conteo como barras (eje rotulado Probability).
- <Distribution> Distribution — Cumulative Distribution: la probabilidad acumulada P(X ≤ x).
- Exportación a PDF mediante Download.

Figura 2 — Probabilidad de 0 a 8 unidades defectuosas en una muestra de 50 cuando el proceso tiene un 4% de defectuosas (binomial, n = 50, p = 0.04).

Figura 3 — La misma distribución con Plot = Cumulative distribution function: P(X ≤ k) para k = 0 a 8.
Ejemplo
El proceso de un proveedor opera con aproximadamente un 4% de defectuosas. La inspección de recepción toma una muestra de 50 piezas de cada lote, y el ingeniero de calidad quiere saber cuántas defectuosas cabe esperar y con qué frecuencia un lote de este proceso mostraría 3 o más. Distribution = Binomial, Parameter 1 = 50 (ensayos), Parameter 2 = 0.04 (probabilidad del evento), Plot = Probability density/mass function.
Las barras van de 0 a 8 unidades defectuosas. Los conteos más probables son 1 (probabilidad 0.271) y 2 (0.276), que coinciden con la media n·p = 2. Una muestra sin defectuosas ocurre el 13.0% de las veces, por lo que una muestra limpia dice poco sobre si el proceso ha mejorado. Al cambiar Plot a Cumulative distribution function se obtiene P(X ≤ 2) = 0.677, de modo que el 32.3% de las muestras de este proceso contendrían 3 o más defectuosas, y el 13.9% contendrían 4 o más.
Para el plan de inspección, esto significa que un número de aceptación de 2 rechazaría aproximadamente uno de cada tres lotes incluso cuando el proveedor opera con su 4% normal. Si esos lotes deben aprobarse normalmente, el número de aceptación debe ser mayor o debe rediseñarse el plan de muestreo; el muestreo de aceptación y las herramientas AQL lo resuelven según los niveles de calidad acordados.
Preguntas frecuentes
¿Para qué sirve una gráfica de distribución de probabilidad?
Muestra el aspecto de una distribución teórica para unos parámetros dados, sin ningún dato. Úselo para ver la forma de una distribución antes de usarla, para explicar un plan de muestreo o un estadístico de prueba, o para leer cuán probable es un conteo o una medición bajo un modelo supuesto, como el número de unidades defectuosas en una muestra de 50 de un proceso con un 4% de defectuosas.
¿Qué distribuciones puede mostrar una gráfica de distribución de probabilidad?
Doce: normal, t de Student, chi-cuadrado, F, exponencial, Weibull, lognormal, uniforme, gamma, beta, binomial y de Poisson. Parameter 1 y Parameter 2 dependen de la distribución, por ejemplo, la media y la desviación estándar para la normal, la forma y la escala para Weibull y gamma, y el número de ensayos y la probabilidad del evento para la binomial. Las distribuciones de un parámetro usan solo Parameter 1.
¿Cuál es la diferencia entre las gráficas PDF y CDF?
La función de densidad (o de masa) de probabilidad muestra la altura de la distribución en cada valor; en una densidad, el área bajo la curva en un intervalo es la probabilidad de caer en él, y en la binomial o la de Poisson cada barra es P(X = k). La función de distribución acumulada muestra P(X menor o igual que x), de modo que una probabilidad es una diferencia de dos alturas.
¿Cómo se lee una gráfica de distribución de probabilidad binomial?
En un ejemplo con 50 ensayos y una probabilidad del evento de 0.04, los conteos más probables son 1 (0.271) y 2 (0.276), que coinciden con la media n por p = 2, y cero defectuosas ocurre el 13.0% de las veces. La gráfica acumulada da P(X menor o igual que 2) = 0.677, de modo que el 32.3% de las muestras contendrían 3 o más defectuosas.
