布丰投针实验

将细针随机投向地板,利用针穿过缝隙的比例估算圆周率 π。

  • Crosses a line
  • Misses
  • Line between planks
100%

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.

Setup
Drop
10 boards
Model
1.00 × the gap
View
5 drops per second

你觉得 布丰投针实验 体验如何?

关于 布丰投针实验

提出时间
布丰于 1733 年提出,1777 年求解
相交概率
针长不大于间距时为 2l ÷ (π t)
精度规律
误差随 1 ÷ √(投掷次数) 衰减
Lazzarini 的实验数据
3,408 次投掷得出 355/113 (1901年)

1733年,布丰伯爵(Georges-Louis Leclerc, Comte de Buffon)提出了一个关于平行木地板的数学问题:将一根针随意投掷在地上,它压到木板接缝的概率是多少?他于1777年发表了答案:若针长恰好等于缝隙宽度,压缝的概率为 2/π(约 63.7%),因此通过投针实验便可估算 π 的值。本页面会在地板上随机位置和角度投掷细针,将压缝的细针标为红色,未压缝的标为深灰,并根据公式 2 × (针总长) ÷ (间距 × 压缝次数) 实时估算 π,其中正确的有效数字以绿色突出显示。皮埃尔-西蒙·拉普拉斯于1812年指出该实验可用于计算 π,这成为历史上最早的蒙特卡洛方法之一,远早于尼古拉斯·梅特罗波利斯与斯坦尼斯瓦夫·乌拉姆在1949年正式提出该名词。

长于间距的针可能同时跨越两条或更多板缝,弯曲的面条也可能多次跨越同一条缝隙,但无论形状如何,相交次数的期望值始终是 2 × 长度 ÷ (π × 间距)——这是约瑟夫-埃米尔·巴比尔(Joseph-Émile Barbier)的定理,J. F. Ramaley 将其形象地称为布丰面条问题(Buffon's noodle problem)。因此,只要统计所有交点,无论何种长度的针或面条都能用来估算 π。Raindrops(雨滴)模式则采用另一种思路:雨滴均匀落在正方形内,落入内切圆中的比例即为 π/4。

Lazzarini 1901 预设重现了一个著名的历史争议。Mario Lazzarini 声称投掷长度为间距 5/6 的针 3,408 次,得出了 355/113 = 3.1415929,即精确到小数点后六位的 π;Lee Badger 在1994年证明,除非事先选定停下的时机,否则发生这种情况的概率微乎其微。亲自运行几次,你的 3,408 次投掷误差通常仍在 0.05 左右。误差只会随着投针总数的平方根倒数减小,因此每增加一位正确的数字,大约需要投入100倍数量的针。你可以将逐步收敛的估算值导出为 CSV 文件,或录制为视频或 GIF。

如何使用 布丰投针实验

  1. 点击 Play. Needles(细针)会以随机位置和角度落入地板。压在接缝上的细针显示为红色,其余显示为深灰色,顶部的 Estimate of π(π估计值)栏以绿色高亮显示已吻合的正确有效数字。
  2. 撒一把针. 轻触地板可一次性投掷 10 根新针;落点位置完全随机,不会影响统计估算的公正性。
  3. 调整针的参数. 将 Needle length(针长)设为间距的 0.1 到 2 倍,并调节 Floorboards(地板条数)。长针可以同时跨越两条缝隙。
  4. 尝试面条与雨滴模式. Noodles(面条)模式投下弯曲的针,其平均相交次数与直针一致。Raindrops(雨滴)模式根据圆内雨滴的占比来估算 π。
  5. 加速模拟. 将 Drops per second(每秒投掷数)提高到最高 2,000 以观察估算值快速收敛,利用 Stop after(停止条件)在达到固定投掷次数后结束,例如 Lazzarini 的 3,408 次。
  6. 导出结果. 支持保存 PNG 图像、视频或 GIF,亦可将每批投掷后的估计值导出为 CSV 文件。当开启 Stop after(终止条件)时,Record full run(录制完整运行)将从头开始投针并持续录制直至达成条件;否则 Record 30 s from the start(从头录制30秒)将记录前 30 秒的过程。

常见问题解答

为什么投针可以估算 π?

当针的中点距离某条缝隙足够近(小于其半长乘以倾角的正弦值)时,针就会与缝隙相交。因为角度是均匀随机的,对所有角度的正弦值求平均就会引入 π:长度不长于间距的针相交概率为 2l ÷ (π t),其中 l 为针长,t 为间距。通过统计相交频率测量该概率,反解出 π 即可得到估算值。

估算的精度如何?

精度的提升较为缓慢。典型误差随着 1 ÷ √n 的速度衰减,因此针长等于间距时,大约 10,000 次投掷能将误差控制在 0.02 左右,而一百万次投掷才能达到 0.002 左右。观察 Estimate of π(π 的估算值)图表:散点在初期波动剧烈,随后紧密贴合代表 π 的虚线。

长针或弯曲的面条会发生什么?

长度大于间距的针可能跨越数条缝隙,其跨越至少一条缝隙的概率公式更为复杂,但平均跨越缝隙的次数仍为 2l ÷ (π t)。这一均值对任何长度为 l 的曲线都成立,即巴比尔定理,亦称布丰面条。本工具统计每一次交点,因此均可有效估算 π。

雨滴是如何估算 π 的?

正方形的内切圆面积占整个正方形面积的 π/4(约 78.5%)。均匀散落在正方形内的雨滴落入圆中的概率与该面积比一致,因此落入圆内的雨滴比例乘以 4 即可估算出 π。

Lazzarini 当年真的测出了六位精度的 π 吗?

他报告了 3,408 次投掷和 1,808 次相交,二者之比恰好给出 355/113。然而在这一投掷量下,估算误差通常仍在 0.05 上下,恰好出现 1,808 次相交的几率大约只有七十分之一。Lee Badger 的分析表明,这一结果极可能是刻意挑选针长并在凑出该数字时叫停实验的结果,而非纯属运气。

布丰投针实验属于蒙特卡洛方法吗?

是的。蒙特卡洛方法通过多次重复随机实验并统计结果来解决问题。布丰投针正是利用这一思想估算 π,比 Metropolis 和 Ulam 为该方法正式命名早了150余年。

参考文献

  1. Buffon, G.-L. Leclerc, Comte de (1777). Essai d'arithmétique morale. Histoire naturelle, générale et particulière, Supplément 4. Paris: Imprimerie royale.
  2. Laplace, P.-S. (1812). Théorie analytique des probabilités. Paris: Courcier.
  3. Metropolis, N., & Ulam, S. (1949). The Monte Carlo method. Journal of the American Statistical Association 44(247), 335–341.
  4. Ramaley, J. F. (1969). Buffon's noodle problem. The American Mathematical Monthly 76(8), 916–918.
  5. Badger, L. (1994). Lazzarini's lucky approximation of π. Mathematics Magazine 67(2), 83–91.