Agulha de Buffon
Lance agulhas sobre um piso de tábuas e estime o valor de π a partir da proporção que cruza as linhas.
- 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.
O que está achando de Agulha de Buffon?
Sobre Agulha de Buffon
- Proposto
- Por Buffon em 1733, resolvido em 1777
- Probabilidade de cruzamento
- 2l ÷ (π t) para agulhas menores ou iguais ao vão
- Precisão
- O erro cai proporcionalmente a 1 ÷ √(lançamentos)
- Experimento de Lazzarini
- 355/113 obtido em 3.408 lançamentos (1901)
Em 1733, Georges-Louis Leclerc, Conde de Buffon, propôs um problema sobre um piso de tábuas paralelas: ao jogar uma agulha ao acaso, qual é a chance de ela cruzar uma das fendas? A resposta foi publicada em 1777. Uma agulha com comprimento idêntico ao espaçamento entre as fendas cruza uma linha com probabilidade 2/π (cerca de 63,7%), de modo que o acúmulo de agulhas jogadas estima o valor de π. Esta ferramenta joga agulhas em posições e ângulos aleatórios, destaca em vermelho as que cruzam fendas e em cinza-escuro as demais, calculando o valor estimado de π como 2 × (comprimento total das agulhas) ÷ (espaçamento × cruzamentos), em tempo real, com os dígitos corretos em verde. Em 1812, Pierre-Simon Laplace observou que o experimento poderia ser usado para calcular π, tornando-o um dos primeiros métodos de Monte Carlo bem antes de Nicholas Metropolis e Stanislaw Ulam batizarem o conceito em 1949.
Agulhas mais longas que o vão podem cruzar duas ou mais juntas, e fios de macarrão curvos podem cruzar a mesma junta várias vezes; ainda assim, a média de cruzamentos permanece 2 × comprimento ÷ (π × vão), qualquer que seja a forma. Esse resultado de Joseph-Émile Barbier foi popularizado por J. F. Ramaley como o problema do macarrão de Buffon. Contar todos os cruzamentos permite estimar π com agulhas de qualquer comprimento e também com macarrão. O modo Raindrops calcula π de outra forma: gotas caem uniformemente sobre um quadrado, e a proporção dentro do círculo inscrito é π/4.
O ajuste Lazzarini 1901 recria um relato célebre. Mario Lazzarini afirmou ter lançado 3.408 vezes uma agulha com comprimento igual a 5/6 do vão, obtendo 355/113 = 3,1415929, que reproduz π com seis casas decimais; Lee Badger demonstrou em 1994 a improbabilidade desse desfecho sem uma parada deliberada. Ao rodar o teste, seus 3,408 drops costumam errar por cerca de 0,05. O erro decai apenas com o inverso da raiz quadrada do total de lançamentos, exigindo cerca de 100 vezes mais agulhas para cada dígito correto extra. Exporte os dados acumulados em CSV ou grave um vídeo ou GIF.
Como usar Agulha de Buffon
- Pressione Play. As agulhas caem no piso em posições e ângulos aleatórios. As que cruzam uma fenda ficam vermelhas e as demais cinza-escuro, enquanto o painel exibe a Estimate of π com os dígitos corretos em verde.
- Jogue um punhado. Toque no piso para soltar mais dez agulhas de uma vez; elas caem em pontos aleatórios, mantendo a estimativa estatisticamente justa.
- Altere as agulhas. Ajuste Needle length como múltiplo do vão, de 0.1 a 2, e defina Floorboards. Agulhas longas podem cruzar duas juntas ao mesmo tempo.
- Experimente Noodles e Raindrops. Noodles lança agulhas curvas, que mantêm a mesma média de cruzamentos. Raindrops calcula π pela proporção de gotas dentro de um círculo.
- Acelere a simulação. Aumente Drops per second até 2.000 para acompanhar a convergência da estimativa e use Stop after para interromper em uma contagem exata, como 3,408 drops de Lazzarini.
- Exporte. Salve um PNG, um vídeo ou GIF, ou exporte a estimativa de cada lote em um arquivo CSV. Com Stop after ativado, Record full run reinicia a simulação do começo e grava até o encerramento; caso contrário, Record 30 s from the start grava os primeiros 30 segundos.
Perguntas frequentes
Por que jogar agulhas permite estimar π?
Uma agulha cruza uma junta quando seu ponto central está suficientemente perto dela, a uma distância menor que metade de seu comprimento multiplicada pelo seno de seu ângulo. Como qualquer ângulo é equiprovável, a média do seno em todas as direções faz surgir o valor de π: uma agulha que não supera a largura do vão cruza com chance 2l ÷ (π t), sendo l o comprimento e t a largura do vão. Contar os cruzamentos mensura essa probabilidade e, isolando π na equação, obtém-se o valor estimado.
Qual é a precisão dessa estimativa?
O valor melhora lentamente. O erro típico diminui proporcionalmente a 1 ÷ √n; com agulhas iguais ao vão, cerca de 10.000 lançamentos aproximam π com erro de 0,02, enquanto um milhão de agulhas alcança margem de 0,002. Acompanhe o gráfico Estimate of π: os pontos oscilam fortemente no início e aos poucos convergem para a linha tracejada de π.
O que ocorre com agulhas longas ou macarrão curvo?
Uma agulha mais longa que o vão pode interceptar várias juntas, tornando a probabilidade de haver ao menos um corte mais complexa; no entanto, o número médio de cruzamentos continua sendo 2l ÷ (π t). Essa média vale para qualquer curva de comprimento l pelo teorema de Barbier (macarrão de Buffon). Como a ferramenta soma cada corte individual, qualquer formato permite estimar π.
Como as gotas de chuva estimam π?
Um círculo desenhado dentro de um quadrado ocupa π/4 (cerca de 78,5%) da área total. Gotas distribuídas de maneira uniforme pelo quadrado caem dentro do círculo nessa mesma proporção; logo, quatro vezes essa fração fornece uma estimativa direta de π.
Lazzarini realmente obteve seis dígitos corretos de π?
Ele registrou 3.408 lançamentos e 1.808 cruzamentos, fração que resulta exatamente em 355/113. Com essa quantidade de lançamentos, a estimativa costuma divergir de π por cerca de 0,05, e a chance de acertar exatamente 1.808 cruzamentos é de apenas uma em 70 tentativas. A análise de Lee Badger revelou que o resultado decorreu da escolha cirúrgica do comprimento da agulha e do momento exato de interromper o teste, e não do acaso.
A agulha de Buffon é considerada um método de Monte Carlo?
Sim. Um método de Monte Carlo resolve problemas por meio da repetição exaustiva de testes aleatórios e da contagem de seus desfechos. O problema da agulha de Buffon calculou π dessa forma mais de 150 anos antes de Metropolis e Ulam formularem o conceito formalmente.
Referências
- 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.





