Question 1

¿Por qué el tablero de Galton produce una distribución normal?

Accepted Answer

Cada bola toma N decisiones binarias independientes (izquierda o derecha en cada clavija). El desplazamiento total desde el centro es igual al número de desviaciones a la derecha menos las desviaciones a la izquierda, que es una suma de N variables aleatorias independientes de ±1. Según el Teorema del Límite Central, la suma de muchas variables aleatorias independientes con cualquier distribución converge hacia una gaussiana. En el tablero de Galton concretamente, con N filas y probabilidades iguales, el resultado es exactamente binomial, que se aproxima a la gaussiana cuando N crece, debido a la aproximación de Stirling de los factoriales.

Question 2

¿Qué es el Teorema del Límite Central?

Accepted Answer

El Teorema del Límite Central (TLC) establece que si sumas (o promedias) un gran número de variables aleatorias independientes e idénticamente distribuidas con media finita μ y varianza σ², la distribución resultante se aproxima a una distribución normal con media Nμ y varianza Nσ², sin importar la forma de la distribución original. Por eso las distribuciones gaussianas son omnipresentes en la naturaleza: cualquier magnitud medida que resulte de muchas contribuciones aditivas independientes (ruido térmico, errores de medición, rasgos biológicos influidos por muchos genes) se distribuirá aproximadamente de forma normal.

Question 3

¿Qué ocurre si las clavijas están sesgadas (probabilidad izquierda/derecha desigual)?

Accepted Answer

Si la probabilidad de desviarse a la derecha en cada clavija es p ≠ 0.5, la distribución resultante es binomial con media Np y varianza Np(1−p). La distribución se desplaza del centro: con p > 0.5 las bolas se acumulan hacia la derecha; con p < 0.5 el pico se desplaza a la izquierda. La forma sigue siendo acampanada (sigue convergiendo a la gaussiana por el TLC) pero está sesgada para N pequeño y solo se vuelve simétrica en el límite. Los tableros de Galton sesgados modelan procesos donde los resultados no son igualmente probables, como una moneda cargada o un rasgo genético con dominancia.

Question 4

¿Cómo se relaciona el tablero de Galton con el triángulo de Pascal?

Accepted Answer

El número de caminos que llevan al compartimento k tras N filas es igual al coeficiente binomial C(N,k), las entradas del triángulo de Pascal. La fila 4 es 1,4,6,4,1, lo que significa que con 4 clavijas el compartimento central es 6 veces más probable que los compartimentos extremos, siguiendo la regla de Pascal C(N,k) = C(N-1,k-1) + C(N-1,k).

Question 5

¿Qué aplicaciones prácticas dependen de la distribución normal que demuestra el tablero de Galton?

Accepted Answer

La distribución normal es la base de la estadística y el control de calidad en toda la ciencia: incertidumbres de medición, pruebas z y pruebas t, gráficos de control de fabricación, puntuaciones de pruebas estandarizadas y rendimientos diarios de activos financieros aproximadamente gaussianos (Black-Scholes, Valor en Riesgo).

Question 6

¿Qué hace el control deslizante de Filas (n), y por qué la distribución se ve más suave con más filas?

Accepted Answer

Filas (5-16) establece el número de decisiones binarias independientes izquierda/derecha N. Más filas significa más compartimentos posibles (N+1) y una discretización más fina, por lo que el histograma se asemeja cada vez más a una gaussiana suave en lugar de una escalera en bloques, a medida que actúa el Teorema del Límite Central.

Question 7

¿Por qué aumentar el control de Filas también ensancha la dispersión del histograma final?

Accepted Answer

La varianza es Np(1-p), que para p=0.5 es N/4, por lo que la dispersión crece proporcionalmente con N aunque la desviación estándar solo crece como raíz de N. Más filas significa más compartimentos distintos, más alejados del centro, ensanchando el histograma visible.

Question 8

¿El control deslizante de Radio de bola cambia la física o solo la apariencia de la simulación?

Accepted Answer

El Radio de bola (3-8 píxeles) es puramente un ajuste de renderizado para el tamaño con que aparece cada bola. La lógica de rebote en las clavijas que decide la desviación izquierda/derecha en cada fila no se ve afectada, por lo que la distribución estadística entre compartimentos se mantiene igual.

Question 9

¿Por qué soltar muchas bolas a la vez produce una forma de campana más reconocible que soltar solo una o dos?

Accepted Answer

El compartimento final de una sola bola es una única muestra aleatoria, que casi no dice nada sobre la forma. Soltar miles de bolas construye un histograma que, por la ley de los grandes números, converge hacia la verdadera distribución de probabilidad binomial.

Question 10

¿El resultado en cada clavija de esta simulación es realmente 50/50, e importa si no lo es exactamente?

Accepted Answer

La simulación por defecto usa probabilidad igual izquierda/derecha, centrando la distribución en el compartimento medio. Pequeñas desviaciones del 50/50 desplazan la media hacia un lado, pero la forma de campana persiste porque el Teorema del Límite Central se aplica a cualquier probabilidad fija por clavija, no solo a p=0.5.

🎯 Tablero de Galton

¿Qué encontraste?