David Alejandro Suárez Roldán

Medida de la distribución de Probailidad para una máquina de Galton

(Dated: 2 de mayo de 2020)
En este artículo se introducen nociones estadísticas tales como distribuciones de probabilidad y
se pretende ver de manera explícita mediante un experimento tipo máquina de Galton.

PACS numbers:

I. INTRODUCCIÓN pueden aproximarse en el caso en el que n → ∞, con

k ≈ X̄ mediante una distribución normal de probablidad
El tratamiento estadístico de datos es un conocimiento dada por[4]:
trasversal a todas las áreas del saber. Por esta razón en
este artículo, se pretende mostrar nociones básicas de
estadística y usarlas de manera directa en análisis de un
experimento tipo máquina de Galton. ( ) ( )2
1 − X̄−µ
P (X̄) = √ e σ
(5)
σ 2π
II. MARCO TEÓRICO

En teoría de probablidades se define un espacio de pro-

Se puede usar diversos montajes experimentales que
babilidades que está formado por un espacio muestral S,
permiten ver de manera explícita procesos aleatorios don-
un álgebra de Borel B sobre el espacio muestral, y una
de se pueden entender las leyes de la probabilidad [5]. En
función de conjunto aditiva no negativa P llamada la
este caso una esfera de cristal que está bajo el efecto del
probabilidad [1]. En este caso se puede definir un experi-
campo gravitacional terrestre cruza una pista en la cual
mento de Bernoulli, en el cual sólo hay dos resultados po-
se tienen multiples obstáculos y se espera obtener una
sibles (éxito o fracaso) y las probabilidades permanecen
distribución binomial de probabilidad para cada uno de
iguales para cada experimento[2]. Para n experimentos
los posibles resultados del experimento [6].
de Bernoulli independientes, donde p es la probabilidad
de éxito y q = 1 − p es la probabilidad de fracasos se
puede determinar la probabilidad de k éxitos mediante
la fórmula de Bernoulli [3]:

[ ]
n!
P (k) = (pn q n−k ) (1)
(n − k)!k!
III. METODOLOGÍA EXPERIMENTAL
Para un conunto de datos se pueden definir valores
esperados tales como el valor medio µ. Para una conjunto
discreto de valores de k, el valor medio µ dado por: Para realizar el experimento, se usó una esfera de vidrio
de 1,17 cm de diámetro. Por tanto, la distancia horizon-
tal se escogió 1,36 veces el diamétro de la bolita, es decir
∑
n
µ= {k[P (k)]} (2) 1,6 cm. Conocida la distancia horizontal se puede deter-
k=1
minar la distancia vertical entre puntillas organizadas en
un arreglo triangular mediante la ecuación [7]:
Además, se puede definir la varianza σ 2 la varianza de
k como:

∑
n
{ } √
µ= (k − µ)2 [P (k)] (3) 3
k=1 y= (x + d) − d (6)
2
Por otro lado, si X1 .X2 , · · · , Xn variables aleato-
rias.Entonces se define el promedio de muestra x̄:

( )∑n donde los triángulos son isoceles para no sesgar la

1 muestra y se llego a que y = 1,3 cm. llegando a la confi-
x̄ = (Xi ) (4)
n i=1 guración mostrada en la figura 1:

Figura 1: Montaje experimental de la máquina de Galton.
Despues de disponer del montaje se procede a realizar
los lanzamientos y a la toma de datos, registrando por
cada vez un posible resultado del experimento, es decir,
por cual canal escapa la bolita. Se repitió el experimento
1696 veces para tener una estadística robusta.
IV. RESULTADOS EXPERIMENTALES
En la figura (2) se muestra la distribución del experi-
mento de la máquina de Galton.
Figura 2: Resultados experimentales de la máquina de Galton.
[1] Apostol, Tom M. Multi-Variable Calculus and Linear Al-
gebra, with Applications to Differential Equations and Pro-
2
En la distribución de probabilidad se tiene el ajuste
dado por la ecuación:
( )
1 2
e−( 2,11887 )
X̄−6
P (X̄) = √ (7)
2,11887 2π
donde µ = 6 es el promedio de los datos y corresponde
al valor en x donde la gráfica alcanza su máximo mientras
que σ = 2,11887 corrresponde a la varianza que se puede
realcionar con el ancho medio de de la gráfica. Los valores
de los diferentes pueden ajustarse de manera aproximada
a la distribución de gausss excepto para el camino 1 en
cuyo caso el resultado puede explicarse por errores en la
farbricación de la máquina de Galton.
V. CONCLUSIONES
Se encontró la distibución de probabilidad de
la
( máquina) de X̄−6 Galton está dado por: P (X̄) =
2
1 √ −( 2,11887 )
2,11887 2π
e donde µ = 6 es el promedio de
los datos mientras que σ = 2,11887 corrresponde a la va-
rianza que se puede realcionar con el ancho medio de de
la gráfica. La desviación de los valores de µ y σ respecto
a µteorico = 5 puede deverse a falta de precisión a la hora
de construir el sistema y la necesidad de tomar más datos
para llegar a una distribución normal centrada en µ = 5.
bability. John Wiley and Sons INC, New York„ 1969.
[2] Feller, William. An Introduction to Probability Theory and
 3

Its Applications. John Wiley and Sons INC, New York, Evans, William J Irreversibility in the Galton Board via
1971. Conservative Classical Mechanics and Quantum Hamilto-
[3] Pitman, Jim. Probability. Springer, New York, 1993. nian and Gaussian Dynamics. Physical Review Letters A,
[4] Wasserman, Larry All of Statistics. Springer, New York, 47(5):114-120, 1988.
2005. [7] Correa Giraldo, José Gabriel El Quincunx, una herramien-
[5] Lue, Arthur and Brenner, Howard Phase Flow and struc- ta didática que favorece el aprendizaje del concepto de dis-
ture of Galton-Board Systems. Physical Review Letters E, tribución binomial en el grado úndecimo. Physical Review
133(3):3128-3144, 1988. Letters A, 47(5):114-120, 1988.
[6] Hoover, William and Moran, Bill and Hoover, Carol G and