Buffon's Needle
तख्तों वाले फर्श पर सुइयां गिराएं और रेखा पार करने वाली सुइयों के अनुपात से π का अनुमान लगाएं।
- 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.
Buffon's Needle आपके लिए कैसा काम कर रहा है?
Buffon's Needle के बारे में
- प्रस्तावित
- Buffon द्वारा 1733 में, हल 1777 में
- पार करने की संभावना
- अंतराल से छोटी सुई के लिए 2l ÷ (π t)
- सटीकता
- त्रुटि 1 ÷ √(बूंदों की संख्या) के अनुसार घटती है
- Lazzarini का दावा
- 3,408 बूंदों से 355/113 (1901)
1733 में Georges-Louis Leclerc, Comte de Buffon ने समानांतर तख्तों वाले फर्श के बारे में एक सवाल पूछा: यदि आप किसी सुई को बेतरतीब ढंग से गिराते हैं, तो इसके किसी जोड़ (सीवन) पर गिरने की संभावना क्या है? उन्होंने 1777 में इसका उत्तर प्रकाशित किया। अंतराल जितनी लंबाई की सुई के जोड़ को पार करने की संभावना 2/π (लगभग 63.7%) होती है, इसलिए गिराई गई सुइयों का ढेर π का मान मापता है। यह फर्श रैंडम स्थानों और कोणों पर सुइयां गिराता है, जोड़ पार करने वाली सुइयों को लाल और बाकी को गहरे भूरे रंग में दिखाता है, और π का लाइव Estimate of π निकालता है: 2 × (कुल सुई की लंबाई) ÷ (अंतराल × पार करने की संख्या), जिसमें सही अंक हरे रंग में दिखते हैं। Pierre-Simon Laplace ने 1812 में बताया था कि इस प्रयोग का उपयोग π की गणना के लिए किया जा सकता है, जो इसे सबसे पुरानी Monte Carlo पद्धतियों में से एक बनाता है, Nicholas Metropolis और Stanislaw Ulam द्वारा 1949 में इस दृष्टिकोण को नाम देने से बहुत पहले।
अंतराल से लंबी सुइयां दो या अधिक रेखाएं पार कर सकती हैं, और मुड़े हुए नूडल्स एक ही रेखा को कई बार पार कर सकते हैं, फिर भी औसत क्रॉसिंग की संख्या 2 × लंबाई ÷ (π × अंतराल) ही रहती है। Joseph-Émile Barbier का यह परिणाम J. F. Ramaley ने Buffon's noodle समस्या के रूप में समझाया था। इसलिए हर क्रॉसिंग को गिनकर किसी भी लंबाई की सुई या नूडल से π का अनुमान लगाया जा सकता है। Raindrops मोड दूसरे तरीके से काम करता है: बूंदें वर्ग पर समान रूप से गिरती हैं, और वृत्त के भीतर गिरने वाले भाग का अनुपात π/4 होता है।
Lazzarini 1901 प्रीसेट एक प्रसिद्ध दावे को दोहराता है। Mario Lazzarini ने बताया था कि अंतराल की 5/6 लंबाई वाली सुई को 3,408 बार गिराने पर 355/113 = 3.1415929 (दशमलव के छह स्थानों तक π) मिला। 1994 में Lee Badger ने दिखाया कि प्रयोग कब रोकना है यह पहले से तय किए बिना ऐसा होना लगभग असंभव है। इसे चलाएं और आपके 3,408 drops आमतौर पर लगभग 0.05 दूर रहेंगे। त्रुटि केवल बूंदों की संख्या के वर्गमूल के अनुपात में घटती है, इसलिए हर अतिरिक्त सही अंक के लिए लगभग 100 गुना अधिक सुइयों की आवश्यकता होती है। CSV फ़ाइल के रूप में डेटा निर्यात करें, या वीडियो या GIF रिकॉर्ड करें।
Buffon's Needle का उपयोग कैसे करें
- Play दबाएं. Needles फर्श पर रैंडम स्थितियों और कोणों पर गिरती हैं। जोड़ पार करने वाली सुइयां लाल और बाकी गहरे भूरे रंग में दिखाई देती हैं, और बैनर हरे रंग में सही अंकों के साथ Estimate of π दिखाता है।
- हाथ भरकर सुइयां गिराएं. एक साथ दस और सुइयां गिराने के लिए फर्श पर टैप करें; वे रैंडम स्थानों पर गिरती हैं, इसलिए अनुमान निष्पक्ष बना रहता है।
- सुइयों को बदलें. Needle length को अंतराल के गुणक (0.1 से 2) के रूप में सेट करें, और Floorboards की संख्या चुनें। Long needles एक साथ दो रेखाएं पार कर सकती हैं।
- नूडल्स और बारिश की बूंदें आजमाएं. Noodles मुड़ी हुई सुइयां गिराता है, जो औसतन उतनी ही रेखाएं पार करती हैं। Raindrops एक वृत्त के भीतर गिरने वाली बूंदों के अनुपात से π का अनुमान लगाता है।
- गति बढ़ाएं. अनुमान को स्थिर होते देखने के लिए Drops per second को 2,000 तक बढ़ाएं, और निश्चित संख्या पर रोकने के लिए Stop after का उपयोग करें, जैसे Lazzarini के 3,408 drops।
- निर्यात करें. PNG, वीडियो या GIF सेव करें, या ड्रॉप्स के प्रत्येक बैच के बाद के अनुमान को CSV फ़ाइल के रूप में सहेजें। जब Stop after सेट हो, तो Record full run शुरुआत से फिर से सुइयां गिराता है और रुकने तक रिकॉर्ड करता है; अन्यथा Record 30 s from the start पहले 30 सेकंड रिकॉर्ड करता है।
अक्सर पूछे जाने वाले सवाल
सुइयां गिराने से π का अनुमान कैसे लगता है?
एक सुई रेखा पार करती है जब उसका केंद्र रेखा के करीब हो, यानी उसकी लंबाई के आधे और उसके कोण की ज्या (sine) के गुणनफल के भीतर। क्योंकि कोई भी कोण समान रूप से संभव है, सभी कोणों पर sine का औसत लेने से π आ जाता है। अंतराल से छोटी सुई के पार करने की संभावना 2l ÷ (π t) होती है, जहाँ l लंबाई और t अंतराल है। क्रॉसिंग गिनकर इस संभावना को मापा जाता है, जिससे π का मान मिलता है।
यह अनुमान कितना सटीक है?
सटीकता धीरे-धीरे बढ़ती है। सामान्य त्रुटि 1 ÷ √n के अनुसार घटती है, इसलिए अंतराल जितनी लंबी सुइयों के साथ लगभग 10,000 drops से π लगभग 0.02 के भीतर मिलता है, और दस लाख drops से लगभग 0.002 के भीतर। Estimate of π चार्ट देखें: बिंदु पहले काफी भटकते हैं, फिर π की डैश्ड रेखा के करीब आ जाते हैं।
लंबी सुइयों या मुड़े हुए नूडल्स के साथ क्या होता है?
अंतराल से लंबी सुई कई रेखाएं पार कर सकती है, इसलिए कम से कम एक रेखा पार करने का सूत्र जटिल होता है, लेकिन पार की गई रेखाओं की औसत संख्या अभी भी 2l ÷ (π t) ही रहती है। यह औसत लंबाई l के किसी भी वक्र के लिए मान्य है (Barbier का प्रमेय या Buffon's noodle)। यह टूल हर क्रॉसिंग को गिनता है, इसलिए सभी से π का अनुमान मिलता है।
बारिश की बूंदों से π का अनुमान कैसे लगाया जाता है?
एक वर्ग के भीतर बना वृत्त वर्ग के क्षेत्रफल का π/4 (लगभग 78.5%) हिस्सा घेरता है। वर्ग पर समान रूप से गिरने वाली बूंदें उसी अनुपात में वृत्त के अंदर गिरती हैं, इसलिए अंदर के अनुपात को चार से गुणा करने पर π का मान मिल जाता है।
क्या Lazzarini को सच में छह अंकों तक π मिला था?
उन्होंने 3,408 drops और 1,808 क्रॉसिंग दर्ज कीं, जिससे ठीक 355/113 मिलता है। इतनी बूंदों के साथ अनुमान आमतौर पर लगभग 0.05 चूक जाता है, और 70 में से केवल एक बार ही ठीक 1,808 क्रॉसिंग मिलती हैं। Lee Badger का विश्लेषण बताता है कि यह परिणाम भाग्य से नहीं, बल्कि सुई की लंबाई और रुकने का सही समय चुनने से आया था।
क्या Buffon's needle एक मोंटे कार्लो विधि है?
हाँ। मोंटे कार्लो विधि किसी यादृच्छिक प्रयोग को कई बार दोहराकर और परिणामों की गणना करके समस्या का समाधान करती है। Metropolis और Ulam द्वारा इस पद्धति को नाम देने से 150 से अधिक वर्ष पहले ही Buffon's needle ने π के लिए यह कर दिखाया था।
संदर्भ
- 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.





