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
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.
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
- 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。
- 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。
- 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。
- 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。
- 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。
- 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
- 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.





