Aguja de Buffon
Deja caer agujas sobre un suelo entarimado y estima el valor de π a partir de la proporción que cruza una línea.
- Crosses a line
- Misses
- Line between planks
In theory, a needle crosses a line with chance 63.7%.
Needles land at random on a floor of planks; the ones that cross a seam are drawn red and the rest dark gray. Counting crossings estimates π; tap the floor to drop a handful more, an event in time that Restart and share links leave out, or switch to raindrops to estimate it from a circle in a square.
¿Qué tal te funciona Aguja de Buffon?
Acerca de Aguja de Buffon
- Planteamiento
- Por Buffon en 1733, resuelto en 1777
- Probabilidad de cruce
- 2l ÷ (π t) para una aguja que no supera la separación
- Precisión
- El error decrece como 1 ÷ √(número de lanzamientos)
- Afirmación de Lazzarini
- 355/113 tras 3,408 lanzamientos (1901)
En 1733, Georges-Louis Leclerc, conde de Buffon, planteó un problema sobre un suelo de listones paralelos: si se deja caer una aguja al azar, ¿cuál es la probabilidad de que cruce una junta? Publicó la respuesta en 1777. Una aguja con una longitud idéntica a la separación entre líneas cruza una junta con una probabilidad de 2/π, aproximadamente el 63,7 %, por lo que una serie de agujas lanzadas permite medir π. En este suelo virtual las agujas caen en posiciones y ángulos aleatorios, resaltando en rojo las que cruzan una línea y en gris oscuro las demás, y calcula el valor estimado (Estimate of π) mediante la fórmula 2 × (longitud total de las agujas) ÷ (separación × cruces) en tiempo real, destacando en verde las cifras correctas. Pierre-Simon Laplace señaló en 1812 que este experimento servía para calcular π, convirtiéndolo en uno de los primeros métodos de Monte Carlo, mucho antes de que Nicholas Metropolis y Stanislaw Ulam bautizaran el procedimiento en 1949.
Las agujas más largas que la separación pueden cortar dos o más líneas, y los fideos curvados pueden cruzar la misma junta varias veces; sin embargo, el promedio de cruces sigue siendo 2 × longitud ÷ (π × separación) cualquiera que sea la forma, resultado debido a Joseph-Émile Barbier que J. F. Ramaley divulgó como el problema del fideo de Buffon. Contar cada cruce permite así estimar π con agujas de cualquier longitud y también con fideos. El modo Raindrops estima π por otra vía: caen gotas de forma uniforme sobre un cuadrado, y la fracción que queda dentro del círculo inscrito es π/4.
El ajuste Lazzarini 1901 reproduce una célebre afirmación. Mario Lazzarini afirmó haber lanzado 3,408 veces una aguja de longitud equivalente a 5/6 de la separación y haber obtenido 355/113 = 3,1415929, π exacto hasta el sexto decimal; Lee Badger demostró en 1994 lo improbable de tal resultado a menos que se elija cuándo detenerse. Al ejecutarlo varias veces, sus 3,408 drops diferirán normalmente por unos 0,05. El error solo decrece de forma inversamente proporcional a la raíz cuadrada del número de lanzamientos, de modo que cada dígito exacto adicional exige unas 100 veces más agujas. Exporte la estimación a medida que avanza en formato CSV, o grabe un video o GIF.
Cómo usar Aguja de Buffon
- Presione Play. Las agujas (Needles) caen sobre el suelo en posiciones y orientaciones aleatorias. Las que cruzan una línea se dibujan en rojo y las demás en gris oscuro, mientras el marcador muestra el valor estimado (Estimate of π) con los dígitos correctos en verde.
- Lanzar un puñado. Pulse sobre el suelo para lanzar diez agujas más a la vez; caen en puntos aleatorios (Random), de modo que la estimación mantiene su rigor estadístico.
- Modificar las agujas. Ajuste Needle length como múltiplo de la separación, de 0,1 a 2, así como el número de Floorboards. Las agujas largas (Long needles) pueden cruzar dos juntas a la vez.
- Probar fideos y gotas de lluvia. Noodles lanza agujas dobladas, que en promedio cruzan el mismo número de juntas. Raindrops estima π a partir de la fracción de gotas dentro de un círculo.
- Acelerar el proceso. Aumente Drops per second hasta 2.000 para observar cómo se estabiliza la estimación, y utilice Stop after para concluir tras un número fijo de lanzamientos, como los 3,408 de Lazzarini.
- Exportar. Guarde una imagen PNG, un vídeo o GIF, o descargue la estimación tras cada tanda de lanzamientos (Drops) como archivo CSV. Con Stop after activado, Record full run reinicia las tiradas desde el principio y graba hasta detenerse; de lo contrario, Record 30 s from the start graba los primeros 30 segundos.
Preguntas frecuentes
¿Por qué lanzar agujas permite estimar π?
Una aguja cruza una junta si su centro queda lo bastante cerca de ella, a menos de la mitad de su longitud multiplicada por el seno de su ángulo. Dado que cualquier orientación es igual de probable, promediar el seno sobre todos los ángulos introduce π: una aguja que no supera la separación cruza con una probabilidad de 2l ÷ (π t), donde l es su longitud y t la separación entre tablas. Contar los cruces mide esa probabilidad y despejar π arroja la estimación.
¿Qué tan precisa es la estimación?
Mejora con lentitud. El error característico se reduce como 1 ÷ √n, por lo que con agujas iguales a la separación, unas 10,000 gotas o lanzamientos aproximan π con un margen de unos 0,02, y un millón de lanzamientos con unos 0,002. En la gráfica Estimate of π los puntos oscilan con amplitud al inicio y luego se ciñen a la línea discontinua de π.
¿Qué ocurre con agujas largas o fideos curvos?
Una aguja más larga que la separación puede cortar varias juntas, por lo que la probabilidad de cruzar al menos una sigue una fórmula más compleja; sin embargo, el número medio de cruces sigue siendo 2l ÷ (π t). Dicho promedio es válido para cualquier curva de longitud l, lo que constituye el teorema de Barbier o problema del fideo de Buffon. Esta herramienta cuenta cada intersección, de modo que todas sirven para estimar π.
¿Cómo estiman π las gotas de lluvia?
Un círculo inscrito en un cuadrado ocupa π/4, alrededor del 78,5 %, del área de dicho cuadrado. Las gotas distribuidas de manera homogénea sobre el cuadrado caen dentro del círculo con esa misma frecuencia, de modo que cuatro veces la fracción interior estima π.
¿Obtuvo Lazzarini realmente seis decimales de π?
Reportó 3,408 lanzamientos y 1,808 cruces, lo que da exactamente 355/113. Con esa cantidad de lanzamientos, la estimación suele desviarse de π en cerca de 0,05, y solo una de cada 70 series arroja exactamente 1,808 cruces. El análisis de Lee Badger sugiere que el resultado se obtuvo seleccionando de antemano la longitud de la aguja y el momento de parar, y no por azar.
¿Es la aguja de Buffon un método de Monte Carlo?
Sí. Un método de Monte Carlo resuelve un problema realizando un experimento aleatorio en repetidas ocasiones y contabilizando los resultados. La aguja de Buffon calculó π de este modo más de 150 años antes de que Metropolis y Ulam asignaran nombre formal a la técnica.
Referencias
- Buffon, G.-L. Leclerc, Comte de (1777). Essai d'arithmétique morale. Histoire naturelle, générale et particulière, Supplément 4. Paris: Imprimerie royale.
- Laplace, P.-S. (1812). Théorie analytique des probabilités. Paris: Courcier.
- Metropolis, N., & Ulam, S. (1949). The Monte Carlo method. Journal of the American Statistical Association 44(247), 335–341.
- Ramaley, J. F. (1969). Buffon's noodle problem. The American Mathematical Monthly 76(8), 916–918.
- Badger, L. (1994). Lazzarini's lucky approximation of π. Mathematics Magazine 67(2), 83–91.





