Ago di Buffon
Lancia aghi su un pavimento a doghe e stima π in base alla frazione che interseca le linee.
- 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.
Come ti trovi con Ago di Buffon?
Cos'è Ago di Buffon
- Formulazione
- Proposto da Buffon nel 1733, risolto nel 1777
- Probabilità di intersezione
- 2l ÷ (π t) per aghi non più lunghi della spaziatura
- Precisione
- L'errore si riduce come 1 ÷ √(numero di lanci)
- Esperimento di Lazzarini
- 355/113 ottenuto con 3.408 lanci (1901)
Nel 1733 Georges-Louis Leclerc, conte di Buffon, propose un quesito su un pavimento di assi parallele: lanciando un ago a caso, qual è la probabilità che intersechi una fessura? Ne pubblicò la soluzione nel 1777. Un ago di lunghezza pari alla distanza tra le fessure tocca una linea con una probabilità di 2/π, circa il 63,7%: una serie di aghi caduti permette quindi di stimare π. Questo pavimento lascia cadere aghi con posizioni e angoli casuali, evidenzia in rosso quelli che intersecano le linee e in grigio scuro gli altri, e calcola in tempo reale la stima di π come 2 × (lunghezza totale aghi) ÷ (distanza × intersezioni), colorando in verde le cifre corrette. Nel 1812 Pierre-Simon Laplace osservò che l'esperimento poteva servire a calcolare pi greco, rendendolo uno dei primi metodi Monte Carlo della storia, ben prima che Nicholas Metropolis e Stanislaw Ulam ne coniassero il termine nel 1949.
Gli aghi più lunghi dell'interlinea possono attraversare due o più scanalature, e i noodles curvi possono intersecare la stessa linea più volte; ciononostante, il numero medio di incroci rimane 2 × lunghezza ÷ (π × distanza assi) qualunque sia la forma, un risultato di Joseph-Émile Barbier formalizzato da J. F. Ramaley come problema dei noodles di Buffon. Contare ogni singolo incrocio permette quindi di stimare π con aghi di qualsiasi lunghezza e anche con curve arbitrarie. La modalità Raindrops stima π in un altro modo: le gocce cadono uniformemente su un quadrato e la frazione che atterra all'interno del cerchio inscritto è pari a π/4.
Il preset Lazzarini 1901 riproduce un celebre resoconto storico. Mario Lazzarini dichiarò di aver lanciato un ago lungo 5/6 della spaziatura per 3.408 volte ottenendo 355/113 = 3,1415929, ovvero π con sei cifre decimali esatte; nel 1994 Lee Badger dimostrò quanto ciò sia inverosimile, a meno di non scegliere a priori quando fermare i lanci. Eseguendo la simulazione, 3,408 drops porteranno tipicamente a uno scarto di circa 0,05. L'errore decresce solo come l'inverso della radice quadrata dei lanci, quindi ogni cifra esatta in più richiede circa 100 volte più aghi. Esporta la stima progressiva in formato CSV, oppure registra un video o una GIF.
Come usare Ago di Buffon
- Premi Play. Gli aghi (Needles) atterrano sul pavimento con coordinate e angolazioni casuali (Random). Quelli che intersecano una fessura vengono colorati di rosso e i restanti di grigio scuro; il riquadro mostra l'Estimate of π evidenziando in verde le cifre esatte.
- Lancia una manciata. Tocca il pavimento per eseguire un Drop di dieci aghi alla volta; atterrano in posizioni casuali, preservando la validità statistica della stima.
- Modifica gli aghi. Imposta Needle length (lunghezza dell'ago) come multiplo della distanza tra le assi, da 0,1 a 2, e varia il numero di Floorboards (assi). Gli aghi lunghi possono tagliare due fessure contemporaneamente.
- Prova noodles e gocce di pioggia. Noodles lancia fili ricurvi, che incrociano in media lo stesso numero di linee. Raindrops stima π dalla proporzione di gocce che cadono dentro un cerchio.
- Aumenta la velocità. Porta Drops per second fino a 2.000 per vedere convergere la stima, e usa Stop after per fermarti a un numero stabilito di lanci, come i 3,408 di Lazzarini.
- Esporta. Salva un file PNG, un video, una GIF o l'andamento della stima dopo ciascun gruppo di lanci (Drops) in formato CSV. Se il parametro Stop after è attivo, Record full run riesegue i lanci dall'inizio registrando fino allo stop; altrimenti Record 30 s from the start cattura i primi 30 secondi.
Domande frequenti
Perché il lancio degli aghi permette di stimare π?
Un ago taglia una scanalatura quando il suo punto medio si trova sufficientemente vicino a essa, a una distanza inferiore a metà della sua lunghezza moltiplicata per il seno dell'inclinazione. Poiché l'angolo ha una distribuzione uniforme, la media del seno su tutti gli angoli introduce π: un ago non più lungo della distanza tra le assi la interseca con probabilità 2l ÷ (π t), dove l è la lunghezza e t la spaziatura. Contando gli incroci si misura questa probabilità e ricavando π si ottiene la stima.
Quanto è precisa la stima?
Converge lentamente. L'errore tipico diminuisce come 1 ÷ √n: con aghi lunghi quanto l'interlinea, circa 10.000 lanci approssimano π entro 0,02, mentre un milione di lanci raggiunge una precisione di circa 0,002. Osserva il grafico Estimate of π: all'inizio i punti oscillano ampiamente, poi si allineano alla retta tratteggiata di π.
Cosa accade con aghi lunghi o fili curvi?
Un ago più lungo della distanza tra le righe può intersecare più linee; la probabilità di tagliarne almeno una richiede una formula più complessa, ma il numero medio di intersezioni resta 2l ÷ (π t). Tale media vale per qualunque curva di lunghezza l: è il teorema di Barbier, o noodle di Buffon. Questo strumento conta ogni singolo incrocio, quindi tutte le configurazioni permettono di stimare π.
Come stimano π le gocce di pioggia?
Un cerchio inscritto in un quadrato copre π/4 dell'area, pari a circa il 78,5%. Le gocce distribuite in modo uniforme sul quadrato cadono nel cerchio con quella frequenza: moltiplicando per quattro la frazione di gocce interne si ottiene la stima di π.
Lazzarini ottenne davvero π con sei cifre esatte?
Riportò 3.408 lanci e 1.808 incroci, che restituiscono esattamente la frazione 355/113. Con quel numero di tentativi lo scarto tipico da π è di circa 0,05, e solo una prova su 70 circa produce esattamente 1.808 intersezioni. L'analisi di Lee Badger suggerisce che il risultato derivi dalla scelta mirata della lunghezza dell'ago e del momento di arresto, non dal caso puro.
L'ago di Buffon è un metodo Monte Carlo?
Sì. Un metodo Monte Carlo risolve un problema eseguendo ripetutamente un esperimento casuale e quantificandone i risultati. L'ago di Buffon applica questo principio al calcolo di π con oltre 150 anni di anticipo rispetto all'introduzione del termine da parte di Metropolis e Ulam.
Fonti e bibliografia
- 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.





