MQUINA DE

GALTON

CALCULO Y
ESTADISTICA

1. Introduccin
Los ambientes de aprendizaje basados en tecnologa
computacional han tenido impacto en los diferentes dominios
matemticos, entre ellos, la aritmtica, el lgebra, la geometra,
la estadstica, el clculo, etc. Sin embargo, se reconoce que el
acceso a estos dispositivos electrnicos no garantiza que todos
los estudiantes vayan a adquirir una cultura matemtica; son
herramientas que pueden simplificar la tarea que tienen en sus
manos, pero no la resuelven (NCTM, 1989). No obstante, se
considera que los estudiantes de todos los niveles educativos
deberan tener acceso a las computadoras para ser usadas
cuando resuelvan problemas matemticos (NCTM, 2000). En el
bachillerato de la UNAM se reconoce que el conocimiento
matemtico est influido por los avances tecnolgicos, entre
otros; y que las nuevas tecnologas contribuyen a investigar,
conjeturar y verificar modelos matemticos en el alumno
(Consejo Acadmico del Bachillerato-UNAM, 2001).
As, la constante creacin y renovacin de los recursos
tecnolgicos para la enseanza, particularmente la enseanza
de las matemticas, han influido en gran medida en la
enseanza. Si bien es cierto que los paquetes de cmputo se
realizan con cierta intencionalidad, el desarrollo de su potencial
educativo depende de su funcionamiento informtico y de la
creatividad y destreza de los usuarios, investigadores y
profesores, principalmente, en lo que se refiere al diseo de
actividades de aprendizaje para los estudiantes.
Noss y Hoyles (1996) ven en la computadora una ventana
para mirar la manera en
que los estudiantes producen
significados matemticos. En este sentido se cree que deben
ser buscadas y construir actividades a desarrollar con la
computadora, actividades que permitan observar caractersticas
importantes de los procesos que los estudiantes llevan a cabo
para darle significado a los distintos conceptos y procesos
matemticos.
La presencia de calculadoras, computadoras y software
educativo modifica el entorno de la accin docente y establece
nuevas condiciones para el aprendizaje, en particular de las
matemticas.

Mquina de Galton

CALCULO Y
ESTADISTICA

2. RESEA HISTORICA
A Galton se le puede considerar como el
padre de la psicologa diferencial, al aplicar
los principios de su primo, Darwin, al estudio de
las diferencias individuales. Esto se opona a
las ideas psicolgicas que ms difusin tenan
en su poca: las de Wilhelm Wundt.
Para algunos, las ideas que propuso Galton
supusieron un cisma dentro de la psicologa,
que obliga a ver las dos corrientes que
nacieron como enfrentadas. Otros psiclogos
ven ambas como subdisciplinas integrables.

Centr su inters en el estudio de las diferencias individuales de las

capacidades humanas, siempre desde una perspectiva adaptativa y
biolgica. Para ello, se centr en el estudio de los procesos mentales
simples.
Sent las bases de la meteorologa al identificar el efecto de los
cambios de la presin atmosfrica sobre la climatologa,
descubriendo los anticiclones, y trazando por primera vez lneas
isobaras en los mapas. Su inters por la medida fue quiz la
caracterstica ms relevante de toda su investigacin, y su afn por
descubrir las diferencias entre las personas le llev a demostrar por
primera vez que el patrn de las huellas digitales es exclusivo de
cada individuo. Su mtodo fue adoptado porScotland Yard, y por
todos los departamentos de polica del mundo.
Descubri tambin que el odo humano pierde con la edad la
percepcin de las ondas de alta frecuencia (tonos agudos). En lo que
ms afecta a la psicologa, acu el concepto estadstico de
correlacin, como una forma de determinar matemticamente la
relacin entre dos variables (el procedimiento matemtico fue
refinado ms tarde por su discpuloKarl Pearson).

Mquina de Galton

CALCULO Y
ESTADISTICA

El impacto que le produjo el descubrimiento del mecanismo de

la seleccin natural le hizo plantearse la posibilidad de que la
inteligencia hubiese sido una pieza clave en el desarrollo de nuestra
especie, y que las diferencias de aptitud entre unos humanos y otros
pudieran deberse a factores hereditarios. Galton empez estudiando
lo que l llam la tasa de eminencia. Calcul que, en Gran Bretaa,
una de cada cuatro mil personas era eminente. Sin embargo, de las
personas que aparecan en los diccionarios, el 10 % tena al menos un
pariente que tambin apareca en el

diccionario (400 veces la tasa de eminencia global). Adems, la

probabilidad de que este pariente fuese directo (padre, hijo o
hermano) era cuatro veces mayor que la de que fuese un pariente
indirecto.
En estadstica y probabilidad se llama distribucin normal a una de
las distribuciones de probabilidad de variable continua que con ms
frecuencia aparece en fenmenos reales. La distribucin normal
recibe el nombre de Distribucin de Gauss (excepto en Francia, que
se la conoce como Distribucin de Laplace). La grfica de su funcin
de densidad se reconoce enseguida por su forma acampanada y es
simtrica respecto de un determinado parmetro (por lo que tambin
recibe el nombre de Campana de Gauss). En la segunda mitad del
siglo XIX, Galton construy su famosa mquina Quincunx, la cual
estaba formada por una tabla vertical en la que haba una serie de
filas de clavos intercalados unos con otros a modo de tringulo de
Pascal. La aplicacin de este artefacto es visualizar la distribucin
normal al dejar caer un total de 800 bolitas. La mquina de Galton
construida por nosotros tiene 9 niveles, por lo que genera una
distribucin multinomial para 10 cajas. Las probabilidades tericas de
las 10 clases para las condiciones del Quincunx original seran:
(1/800, 9/800, 36/800, 84/800, 126/800, 126/800, 126/800, 84/800,
36/800, 9/800 y 1/800). A travs de la aplicacin informtica R hemos
calculado que tericamente slo a partir de 500000 bolas se aprecia
una simetra casi absoluta, por lo que 800 bolitas de la mquina
original se quedan muy cortas. Nuestra investigacin consiste en
realizar un nmero suficiente de ensayos como para validar
empricamente la mquina de Galton.

Mquina de Galton

CALCULO Y
ESTADISTICA

3. MARCO TEORICO
La mquina de Galton, o caja de
galton, es un dispositivo inventado
por Francis Galton1 para demostrar
el teorema del lmite central, en
particular que la distribucin
normal es una aproximacin a
la distribucin binomial.

La mquina consta de un tablero

vertical con varias filas de clavos. Las
bolillas caen desde la parte superior,
botando aleatoriamente y van
depositndose, a medida que caen, en los casilleros de la parte
inferior. Formando una superficie de campana.

Las x bolillas chocarn con el primer clavo teniendo una probabilidad

de 1/2 de ir a la izquierda o haca la derecha, y a medida que
continan va teniendo ms caminos a donde ir, es decir ms
posibilidades para que las bolitas se desven. A lo largo de esta
estructura, las bolitas toman caminos aleatorios hasta caer en alguno
de los canales colocados en la base. Al final, tendrn mayores
probabilidades los canales interiores que los exteriores, formndose

Mquina de Galton

CALCULO Y
ESTADISTICA

una distribucin de probabilidades conocida como distribucin

binomial.

4. DISTRIBUCIN BINOMIAL
En estadstica, la distribucin
binomial es una distribucin de
probabilidad discreta que cuenta
el nmero de xitos en una
secuencia de n ensayos
de Bernoulli independientes entre
s, con una probabilidad fija p de
ocurrencia del xito entre los
ensayos. Un experimento de
Bernoulli se caracteriza por ser
dicotmico, esto es, slo son
posibles dos resultados. A uno de
estos se denomina xito y tiene
una probabilidad de ocurrencia p y
al otro, fracaso, con una probabilidad q = 1 - p. En la distribucin binomial el anterior
experimento se repite n veces, de forma independiente, y se trata de calcular la
probabilidad de un determinado nmero de xitos. Para n = 1, la binomial se convierte, de
hecho, en una distribucin de Bernoulli.
Para representar que una variable aleatoria X sigue una distribucin binomial de
parmetros n y p, se escribe:

Mquina de Galton

CALCULO Y
ESTADISTICA
La distribucin binomial es la base del test binomial de significacin estadstica.

4.1. EJEMPLOS DE DISTRIBUCIN BINOMIAL

En las siguientes situaciones citaremos dos ejemplos de experimentos que pueden

modelizarse por esta distribucin:
1. Si se lanza un dado un numero de n veces nosotros queremos saber cules son
las probabilidades de que esos lanzamientos el dado nos caiga un numero
primero, la cantidad de lanzamientos de n veces es independiente una de la otra,
ni un lanzamiento depende de nadie.
2. Se quiere lanzar k veces una moneda y queremos saber cules son las
probabilidades de que nos toque un k caras y (k-1) sellas, es similar al caso
anterior de los dados, en los lanzamientos de las monedas cada una es
independiente de la otra.

4.2. EXPERIMENTO BINOMIAL

Existen muchas situaciones en las que
se presenta una experiencia binomial.
Cada uno de los experimentos es
independiente de los restantes (la
probabilidad del resultado de un
experimento no depende del resultado
del resto). El resultado de cada
experimento ha de admitir slo dos
categoras (a las que se denomina
xito y fracaso). Las probabilidades
de ambas posibilidades han de ser
constantes en todos los experimentos (se denotan como p y q o p y
1-p).
Se designa por X a la variable que mide el nmero de xitos que se
han producido en los n experimentos.
Cuando se dan estas circunstancias, se dice que la variable X sigue
una distribucin de probabilidad binomial, y se denota B(n,p).

Mquina de Galton

CALCULO Y
ESTADISTICA

5. QU ES LA CAMPANA DE
GAUSS?
La campana de Gauss es empleada
en estadstica y probabilidad, y debe
su nombre a su descubridor, el
matemtico, astrnomo y fsico
alemn Carl Friedrich Gauss. Te
gustara saber qu es la campana
de Gauss?
La campana de Gauss es una
representacin grfica de la
distribucin normal de un grupo de
datos. stos se reparten en valores
bajos, medios y altos, creando
un grfico de forma acampanada y simtrica con respecto a un
determinado parmetro. El punto mximo de la curva corresponde a
la media, y tiene dos puntos de inflexin a ambos lados.

5.1.

HISTORIA

Aunque la campana de Gauss lleva el nombre del genio de las

matemticas Carl Friedrich Gauss , realmente la distribucin normal
la descubri y publico por primera vez Abraham Moivre (por eso en
algunos libros se llama la distribucin de Moivre Gauss) en un
artculo del ao 1733, que reprodujo en la segunda edicin de su obra
The Doctrine of Chance (1738) como aproximacin de la
distribucin normal para valores grandes de n. Este resultado fue
ampliado porPierre-Simon de Laplace en su libro Teora analtica de
las probabilidades (1812).

Mquina de Galton

CALCULO Y
ESTADISTICA

El nombre de Gauss se ha asociado a esta distribucin porque la us

con profusin cuando analizaba datos astronmicos y algunos autores
le atribuyen un descubrimiento independiente del de De Moivre.
El nombre de "campana" se lo dio Esprit Jouffret que uso este trmino
(bell surface) (superficie campana) por primera vez en 1872.
ECUACIONES
La campana de Gauss est definida por la funcin:

Propiedades
1. El campo de existencia es cualquier valor real, es decir, (-,
+).
2. Es simtrica respecto a la media .
3. Tiene un mximo en la media .
4. Crece hasta la media y decrece a partir de ella.
5. En los puntos y + presenta puntos de inflexin.
6. El eje de abscisas es una asntota de la curva.
7. El rea del recinto determinado por la funcin y el eje de
abscisas es igual a la unidad.
8. Al ser simtrica respecto al eje que pasa por x = , deja un rea
igual a 0.5 a la izquierda y otra igual a 0.5 a la derecha.
9. La probabilidad equivale al rea encerrada bajo la curva.
p( - < X + ) = 0.6826 = 68.26 %
p( - 2 < X + 2) = 0.954 = 95.4 %
p( - 3 < X + 3) = 0.997 = 99.7 %

Mquina de Galton

CALCULO Y
ESTADISTICA

5.2.

APLICACIONES

Una de las mayores aportaciones al clculo integral que realiz

Gauss, fue la introduccin de esta funcin. Este grfico se usa en
variables asociadas a fenmenos naturales que siguen el modelo de
la normal.
1. Caracteres morfolgicos de
individuos
(personas, animales, plantas,...) de una especie, Por ejemplo
tallas, pesos, envergaduras, dimetros, permetros,...
2. Caracteres fisiolgicos, por ejemplo: efecto de una misma dosis
de un frmaco, o de una misma cantidad de abono.
3. Caracteres sociolgicos, por ejemplo: consumo de cierto
producto por un mismo grupo de individuos, puntuaciones de
examen.
4. Caracteres [Psicologa|psicolgicos]], por ejemplo: cociente
intelectual, grado de adaptacin a un medio, ...
5. Errores cometidos al medir ciertas magnitudes.
6.

Valores estadsticos mustrales, por ejemplo: la media.

5.3.

Para qu se utiliza la campana de Gauss?

Este grfico se usa en variables asociadas a fenmenos

naturales: caracteres morfolgicos de individuos como la estatura o
el peso, caracteres fisiolgicos como el efecto de un
frmaco, caracteres sociolgicos como el consumo de un
determinado producto por un mismo grupo de individuos, caracteres
psicolgicos como el cociente intelectual

6. CONTRUCCIN DE LA MQUINA DE GALTON

Mquina de Galton

CALCULO Y
ESTADISTICA

Para realizar la construccin de la mquina de Galton los elementos

fueron los siguientes:

1 tabla de madera.
15 palitos de chupete
Silicona
Tijera
Cola sintetica
Tornillos
1 pedazo de vidrio de 20x25 aproximadamente.
150 canicas
Desarmador
Vitron (cortador de vidrio)
Ligas para el cabello

7. ARMADO DE LA MAQUETA DE LA MAQUINA DE GALTON

1. Como base usamos un rompecabezas ya que fue un material
de fcil adquisicin y se adaptaba a nuestras necesidades,
en este caso nuestra necesidad de realizar la maqueta.
2. Para hacer las canaletas usamos palitos de chupete
(pegando 8 de estas para cada ranura). usamos cola
sinttica para madera.
3. Usamos tornillo de pulgada y media para atornillar las
bolitas (bolitas con liga para sujetar el cabello de las
mujeres)
4. Pintamos toda la base y las canaletas, procedimos a echarle
barniz para que quede un poco ms bonito a la hora de
presentar.
5. Echamos barniz para crear una superficie lisa
6. Usamos silicona para pegar los vidrios, en caso no
utilizramos silicona el vidrio estara suelto y propenso a
romperse, el uso de silicona nos resulta seguro ya que es un
pegamento que reacciona con el vidrio.
7. Una vez terminado todo el armado de la maqueta solamente
tuvimos que esperamos que seque todo.

Mquina de Galton

CALCULO Y
ESTADISTICA

DESPUES DE
REALIZAR TODOS
LOS PASOS ANTES MENCIONADOS NUESTRA
MAQUETA QUEDO COMO SE VE EN LAS
SIGUIENTES IMGENES:

Mquina de Galton

CALCULO Y
ESTADISTICA

NOTA
La mquina de Galton es un tema muy interesante en
el mbito de la estadstica, nos explica acerca de la
probabilidad de casos siendo unos independientes de
otros, como el profesor menciono en sesiones
anteriores que las maquetas podan hacerse de forma
muy sencilla, nos pareci conveniente realizar este
tema debido a su fcil construccin.

Mquina de Galton

CALCULO Y
ESTADISTICA

8. COMO APLICAR EN TEMAS DE ESTADISTICA TENIENDO

COMO UN RECURSO EL PROGRAMA GEOGEBRA.
Otra de las aplicaciones las podemos encontrar en el programa
Geogebra el cual mostraremos de inmediato
1. Primeramente ingresamos al programa Geogebra y nos vamos
a la opcion vista y entre las opciones escogemos calculos de
probabilidad

2. Una vez que damos click el calculos de probabilidad nos

aparecera la siguiente ventana.

Mquina de Galton

CALCULO Y
ESTADISTICA

3. Claramente podemos observar como se forma una campana de

Gauss. La cual es simetrica.
4. Al usar este grafico podemos resolver diversidad de problemas
de estadistica. Vemo que en las opciones que nos aparecen en
la parte inferior izquierda podemos poner la media (poblacional)
y la desviacin.

EN ALGUNAS PARTES EL FORMATO DEL

WORD CAMBIA A INGLES Y POR MAS
QUE SE QUIERE CAMBIAR A ESPAOL NO
SE PUEDE LOGRAR.
POR EJEMPLO, EN LA EXPLICACION DEL
GEOGEBRA QUE ESTAMOS DANDO EL
FORMATO ESTA CAMBIANDO, PERO NO
ENCONTRAMOS EL POR DE ELLO.
5. En el caso anterior =desviacion ; =media poblacional. Estos

Mquina de Galton

CALCULO Y
ESTADISTICA

dos valores influyen mucho en como se va a dar el grafico, el

grafico siempre sera simetrico pero en lo que va a variar va a
sera en su posicion.

6. Con el programa geogebra podemos obtener los valores de las

probabilidades instantaneamente sin la necesidad de estar
realizando calculos. Por ejemplo:

7. Como podemos ver, en la imagen anterior nosotros ya hemos

puesto valores tanto en los casilleros para la desviacion y para
la media poblacional las cuales estan en la parte superior. En la
parte inferior necesitamos poner los intervalos dentro de los
cuales queremos saber la posibilidad. Un vez llenado todos los
valores el programa nos da el resultado de la probabilidad al
instante. Como podemos ver se cumple la teoria de
probabilidades las cuales dicen que la probabilidad esta en el
rango de cero y uno [0,1].
8. PROBLEMAS APLICATIVOS:
Ejemplo 1: Se examinaron las tarjetas de registro de 200
estudiantes en relacin a ciertos idiomas. Se encontr que 100
estudiaban francs, 80 estudiaban espaol y 60 ambos idiomas
o sea que:

Mquina de Galton

CALCULO Y
ESTADISTICA

P(F) = 0.5; P(E) = 0.4 y

P(E F) = 0.3.
Se toma un estudiante al azar:
a. Encontrar la probabilidad de que
estudie francs o espaol. b.
b. P(f e) = p(f) + p(e) - p(e f) =
0.5 + 0.4 - 0.3 = 0.6

c. P(f e)c = 1 - p(f e) = 1 -0.6 = 0.4, que tambin es

p(ec fc) = 0.4

d. Si sabemos que estudia francs, cul es la probabilidad

de que estudie
espaol?
.
E P ( F E ) 0.3
P
=
=
=0.6
F
0.5
P(F)

( )

e. Si sabemos que estudia espaol Cul es la probabilidad

de que estudie
francs
.
P(F E) 0.3
F
P
=
=
=0.75
E
0.4
P (E)

( )

EJEMPLO 2. En una pregunta del CIS sobre la edad hasta la que

consideran convenientes los padres controlar los programas y el
tiempo de televisin de los hijos, la media fue de 15,4 aos y la
desviacin tpica de 2,11. Teniendo en cuenta que las respuestas
se distribuyen aproximadamente como la curva normal y que van
de los 7 a los 24 aos, calcular:
a)-Cuantos respondieron que la edad debe ser hasta los 13 aos
b)-Cuantos dijeron que debe estar entre 14 y 17 aos.
c)-Cuantos respondieron que debe estar por encima de los 19 aos

Mquina de Galton

SOLUCIN:

CALCULO Y
ESTADISTICA

a)

Sx = 2,1

Consultando las tablas de la curva normal comprobamos que entre la

media y un desviacin tpica de 1,13 encontramos un rea de 0,3708
que si situara a la izquierda de la curva por tener signo negativo. Si
el rea que queremos calcular es el que queda a la izquierda del valor
-1,13, es decir, los de menos de 13 aos, restamos a 0,5 (que es la
superficie de la mitad de la curva) 0,3708 y obtenemos el resultado
de 12,92%
0,5-0,3708= 0,1292
b)

Mquina de Galton

CALCULO Y
ESTADISTICA

Las reas correspondientes a estos valores z son 0,2454 y 0,2734

respectivamente.
Como en este caso nos preguntan por el rea comprendida entre las
unidades z 0,66 y 0,75 sumaremos ambas con el resultado de del
51,88%
0,2454+0,2734 = 0,5188
c)

El rea correspondiente es de 0.4554 y los que estn por encima de

1,7 unidades z se obtienen restando de 0,5, el 0,4554 de las tablas.

Mquina de Galton

0,5-0,4554 = 0,0446, es decir el 4,46%.

CALCULO Y
ESTADISTICA

EJEMPLO 3. El consumo medio bimestral de energa elctrica en una

ciudad es de 59 Kwh., con una desviacin tpica de 6 Kwh. Se supone
que se distribuye segn una distribucin normal. a) Cuntos Kwh.
tendra que consumir bimestralmente para pertenecer al 5% de la
poblacin que ms consume?. b) Si usted consume 45 Kwh. qu %
de la poblacin consume menos que usted?

a)
Buscamos en la tabla el valor de la variable tipificada cuya
probabilidad acumulada es el 0,95 (95%), por lo que por arriba
estara el 5% restante. Este valor corresponde a t = 1,645. Ahora
calculamos la variable normal X equivalente a ese valor de la normal
tipificada:
1,645 = (X -59)/6 X = 67,87
Por lo tanto, tendra usted que consumir ms de 67,87 Kwh.
bimestralmente para pertenecer al 5% de la poblacin que ms
consume
b)
Vamos a ver en que nivel de la poblacin se situara usted en funcin
de los 45 Kwh. consumidos.
Calculamos el valor de la normal tipificada correspondiente a 45 Kwh.
t = (45 -59)/9 = -2.333
P (X 45) = P (t -2,333) = P (t > 2,333) = 1 - P (t 2,333) = 1 0,9901 = 0,0099
Luego, tan slo un 1,39% de la poblacin consume menos que usted.

Mquina de Galton

CALCULO Y
ESTADISTICA

EJEMPLO 4. El tiempo medio de los electricistas de una empresa en realizar el montaje

de un determinado cuadro elctrico es de 4 das, con una desviacin tpica de 1 da. Se
supone que se distribuye segn una distribucin normal. Calcular: a) Porcentaje de
electricistas que tardan menos de 3 das. b) Tiempo a partir del cual del cual se sita el
10% de los electricistas que ms tiempo emplean en realizar el cuadro. c) Tiempos mnimo
y mximo que engloba al 60% de los electricistas con tiempo medio.

a)
t = (3 -4)/1 = -1
P (X 3) = P (t -1)
P (t -1) = P (t > 1)
P (t > 1) = 1 - P (t 1) = 1 - 0,8413 = 0,1587
Luego, el 15,87 % de los electricistas emplean un tiempo inferior a 3 das
b)
Buscamos en la tabla el valor de la variable tipificada cuya probabilidad acumulada es
el 0,9 (90%), lo que quiere decir que por encima se sita el 10% superior. Este valor
corresponde a t = 1,282. Ahora calculamos la variable normal X equivalente a ese valor
de la normal tipificada:
1,282 = (X -4)/1 X = 5,282
Despejando X, su valor es 5,282. Por lo tanto, el 10% de los electricistas que ms tardan
en realizar un cuadro lo hacen en
5.28 das
c)
Buscamos en la tabla el valor de t cuya probabilidad acumulada es el 0,8 (80%). Como
sabemos que hasta la media la probabilidad acumulada es del 50%, quiere decir que
entre la media y este valor hay un 30% de probabilidad. Por otra parte, al ser la
distribucin normal simtrica, entre -t y la media hay otro 30% de probabilidad. Por lo
tanto, el segmento (-t, +t) engloba al 60% de los electricistas con tiempo medio.
El valor de t que acumula el 80% de la probabilidad es 0,842, por lo que el segmento
viene definido por (-0,842, +0,842). Ahora calculamos los valores de la variable X
correspondientes a estos valores de t.
-0,842 = (X -4)/1 X = 3,158

Mquina de Galton

CALCULO Y
ESTADISTICA

0,842 = (X -4)/1 X = 4,158

Los valores de X son 3,158 y 4,158. Por lo tanto, los electricistas con tiempos
comprendidos entre 3,158 das y 4,158 das constituyen el 60% de la poblacin con un
tiempo medio de realizacin del cuadro.

EJEMPLO 5. Se hace una encuesta en un grupo de 120 personas,

preguntando si les gusta leer y ver
la televisin. Los resultados son:

- A 32 personas les gusta leer y ver la tele.

- A 92 personas les gusta leer.
- A 47 personas les gusta ver la tele.

Si elegimos al azar una de esas personas:

a. Cul es la probabilidad de que no le guste ver la tele?

b. Cul es la probabilidad de que le guste leer, sabiendo que le

gusta ver la tele?

c. Cul es la probabilidad de que le guste leer?

Solucin:

Vamos a organizar la informacin en una tabla de doble entrada,

completando los datos que faltan:

Mquina de Galton

CALCULO Y
ESTADISTICA

Llamemos L = "Le gusta leer" y T = "Le gusta ver la tele".

a) P no I

73
0,61
120

b) P L / T

c) P L

32
0, 68
47

92
23

0, 77
120 30

9. CONCLUSIONES:
La campana de Gauss que se forma al hacer el experimento de la
maqueta de la mquina de Galton se debe justamente a las
probabilidades que se presentan en cada obstculo e intervalo. Los
intervalos que se encuentran en el centro son los que se llenan de
bolitas rpidamente, esto se debe a que justamente esos intervalos
son los que tienen mayores probabilidades de tener una bolita debido
a que son ayudados por la gravedad y de tienen mayores caminos
que pueda recorrer la bolita. En cambio, los intervalos que se
encuentran en los extremos se llenan de bolitas raramente debido a
que para que caiga una bolita en ellos estas bolitas deben de haber
recorrido o bien en todos sus caminos hacia la derecha o hacia la
izquierda.
Justamente esta maqueta nos demuestra las probabilidades que
surgen adems de que al momento que ocurren pueden ser
visualizadas por los dems.

Mquina de Galton