En la primera experiencia no se observa bien en el gráfico una campana gaussiana, creemos que con una mayor cantidad de datos se observaría mejor. Además influye el error del instrumento, en este caso notamos que el programa tardaba algunos milisegundos en empezar a medir la intensidad de luz.
En la segunda experiencia al aumentar el número de datos vemos que los histogramas se ajustan mejor a la distribución teórica (curva gaussiana). La mejor aproximación se daba con 100 datos.Con 60 se aproximaba mejor que con 40 y 20. Confirmando la correlación, para esta experiencia:  a mayor cantidad de datos, mejor es la aproximación a la frecuencia real, se ajusta más a la distribución normal y disminuye así la incertidumbre.
Los errores estándar de los diferentes N disminuyeron, siendo el de 100 datos el menor y el de 20 datos más grande.  Sin embargo los valores de E dieron igual resultado en los 4 períodos, esto es porque para calcular este error se suman el error instrumental, el del observador y el error estándar. Como el error instrumental es de un orden de magnitud mayor, iguala el E en los cálculos. El error del observador es el tiempo de reacción de la experiencia 1, ya que es el tiempo que la persona tarda en reaccionar a un estímulo, como el click del mouse o el parpadeo de la luz del faro.