Igła Buffona: Jak Upuszczona Igła Tworzy Pi

An 18-wieczny eksperyment, który nadal działa w przeglądarce

W 1733 roku Georges-Louis Leclerc, Comte de Buffon, zadał pytanie, które skryło w sobie π w czystej geometrii: upuść igłę o długości L na podłogę podzieloną równoległymi liniami oddalonymi o d (przy założeniu, że L ≤ d). Jaka jest prawdopodobieństwo, że igła przeciąknie przez linię? Buffon odpowiedział na to pytanie w 1777 roku, a zaskakujący wynik polegał na tym, że prawdopodobieństwo przecięcia zależy od π samego – co oznacza, że można przeprowadzić eksperyment tysiące razy, liczyć przecięcia i wyliczać przybliżoną wartość π jedynie na podstawie liczenia i geometrii, pół wieku przed wprowadzeniem terminu metoda Monte Carlo.

Skąd pochodzi wzór

Opadająca igła jest w pełni opisana przez dwie niezależne zmienne losowe: odległość y od jej środka do najbliższej linii (równa się losowo na przedziale [0, d/2]) oraz kąt θ, jaki ona tworzy z liniami (również losowo na przedziale [0, π/2] ze względu na symetrię). Igła przecina najbliższą linię dokładnie wtedy, gdy pionowy promień połowy jej długości, (L/2)·sinθ, przekroczy y. Całkowanie prawdopodobieństwa tego warunku po obu zmiennych losowych daje zaskakująco czysty wzór zamknięty:

P(przecięcie) = 2L / (π * d) (dla L ≤ d) Przestawiony, po N upadkach z C przecięciami: π ≈ 2LN / (dC) W specjalnym przypadku L = d, wzór upraszcza się do P = 2/π ≈ 0.6366, czyli w przybliżeniu co drugie trzecie upuszczone igły przecina linię. Należy zauważyć, że sam prawdopodobieństwo przecięcia nie zawiera π w taki sposób, aby można było go odwrócić bez ostrożności – to właśnie dlatego, że π znajduje się w mianowniku proporcji dwóch bezpośrednio zmierzalnych wielkości (liczba przecięć do liczby upadków) eksperyment ten działa jako estimator.

P(crossing) = 2L / (π * d)          (for L ≤ d)

Rearranged, after N drops with C crossings:
π ≈ 2LN / (dC)

Taki sam powolny zbieżność jak w metodzie z wrzucaniem kulek

Igła Buffona jest kolejnym oszacowaniem oparte na próbach Bernoulliego, więc dziedziczy ten sam współczynnik zbieżności 1/√n jak szacowanie π metodą Monte Carlo: każdy upadek igły jest niezależny, wynik (przecięcie/brak przecięcia) ma stałe wariancję i standardowy błąd otrzymanego oszacowania π maleje proporcjonalnie do pierwiastka z liczby upadków. Historycznie to sprawiało, że był to słaby praktyczny sposób na obliczanie π – entuzjaści z XIX wieku, którzy fizycznie rzucali tysiące igieł ręcznie, w tym słynny (prawdopodobnie apokryficzny lub przynajmniej podejrzanie dokładny) eksperyment z 1901 roku Mario Lazzarini, otrzymywali tylko kilka poprawnych cyfr za ogromnego wysiłku. Jako demonstracja geometrii prawdopodobieństwa, jednak, jest niezrównana: pokazuje ona, jak π pojawia się w wyniku eksperymentu, który nie zawiera żadnych okręgów, jedynie proste linie i prosta igła.

Buffon-Laplace: co dzieje się z siatką zamiast równoległych linii

Pierre-Simon Laplace uogólnił problem w 1812 roku, rozważając podłogę z pełną siatką prostokątną (dwa prostopadłe zestawy równoległych linii o odstępach a i b) zamiast tylko jednej linii równoległej. Igła może teraz przeciąć linię poziomą, linię pionową, obie lub żadną z nich, a prawdopodobieństwo przecięcia staje się bardziej skomplikowaną ekspresją w L, a i b, która nadal prowadzi do wzoru zawierającego π. Problem Buffona-Laplace stanowi naturalny most pomiędzy eksperymentem z igłą w jednej linii a późniejszymi wynikami geometrycznej analizy prawdopodobieństwa – to samo rozumowanie, rozszerzone na dwie niezależne rodziny linii, które pojawia się ponownie w stereologii (szacowanie struktury 3D z przekrojów 2D) i w metodach Monte Carlo dla statystyki przestrzennej.

Co sprawia, że problem z igłą jest "geometrii prawdopodobieństwa"?

Igła Buffona stanowi przykład inauguralny geometrii prawdopodobieństwa – problemy, w których przestrzeń próby to ciągłe pozycje i orientacje zamiast dyskretnych wyników, a prawdopodobieństwa obliczane są jako proporcje miar (powierzchni, długości lub, bardziej ogólnie, całek po przestrzeni konfiguracji) zamiast przez zliczanie równoprawdopodobnych przypadków. To ujęcie to później wyewoluowało w geometrię całkowitą i stereologię, dziedzinach o realnych zastosowaniach w naukach materiałowych i obrazowaniu medycznym, gdzie wnioskujemy o 3D mikrostrukturze – rozmiarach ziaren w metalu lub gęstości naczyń w tkance – na podstawie statystyki, jak probe (linia, igła, płaszczyzna przecinająca) przecina ją.

Frequently asked questions

Wypróbuj na żywo

Wszystko powyżej działa bezpośrednio w Twojej przeglądarce — otwórz Buffon's Needle i zmieniaj parametry podczas działania. Nic nie jest instalowane ani przesyłane na serwer, cały model działa w jednej karcie.