布豐投針問題
在條紋地板上隨機投針,根據壓線針數的比例估算圓周率 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.
布豐投針問題 的使用體驗如何?
關於 布豐投針問題
- 提出年份
- Buffon 於 1733 年提出,1777 年發表解答
- 壓線機率
- 短針為 2l ÷ (π t)
- 收斂精度
- 誤差隨 1 ÷ √(投擲次數) 縮小
- Lazzarini 數據
- 投擲 3,408 次得出 355/113 (1901 年)
1733 年,布豐伯爵(Georges-Louis Leclerc, Comte de Buffon)提出了一個關於平行木地板的幾何機率問題:若隨機在地板上拋下一根針,針掉在縫隙上的機率是多少?他在 1777 年發表了完整解答。若針長恰好等於縫隙間距,穿過縫隙的機率為 2/π(約 63.7%),因此藉由大量投針便能推算 π 的數值。本模擬在地面隨機位置與角度落下細針,穿越縫隙者以紅色標示,其餘以深灰表示,並即時估算 π 為 2 × (針長總和) ÷ (縫隙間距 × 壓線次數),正確的小數位數會以綠色顯示。皮埃爾-西蒙·拉普拉斯(Pierre-Simon Laplace)於 1812 年指出該實驗可用於計算 π,這使其成為最早的蒙地卡羅方法之一,遠早於尼古拉斯·梅特羅波利斯(Nicholas Metropolis)與斯坦尼斯瓦夫·烏拉姆(Stanislaw Ulam)在 1949 年正式確立該名詞。
長於縫隙的針可能會同時跨越兩條或更多接縫,而彎曲的麵條也可能多次穿過同一條縫,但無論形狀為何,平均壓線次數依然是 2 × 長度 ÷ (π × 間距),這是 Joseph-Émile Barbier 的定理,後來由 J. F. Ramaley 命名為布豐麵條問題。因此,只要累計所有壓線交點,無論任何長度的針或麵條都能用來估算 π。Raindrops(雨滴)模式則以另一種幾何方式估算 π:雨滴均勻落在正方形內,落在內切圓內的比例即為 π/4。
Lazzarini 1901 預設重現了一段著名的歷史爭議。Mario Lazzarini 宣稱投擲長度為間距 5/6 的針 3,408 次,得到 355/113 = 3.1415929,準確符合 π 到小數點後第六位;Lee Badger 於 1994 年證明,除非刻意挑選停止時機,否則出現該結果的機率極低。親自執行幾次便會發現,投擲 3,408 次時誤差通常仍在 0.05 左右。估算的誤差只會隨投擲次數的平方根倒數縮小,因此每增加一位正確數字就需要約 100 倍的針數。您可以將估算歷程匯出為 CSV 檔案,或錄製成影片或 GIF。
如何使用 布豐投針問題
- 按 Play. Needles(細針)以隨機位置與角度落在地板上。壓在縫隙上的針繪製為紅色,其餘為深灰,橫幅則即時顯示 Estimate of π(π 的估計值),精確對應的位數會以綠色標明。
- 撒出一把針. 輕觸地板可一口氣額外 Drop(落下)10 根針;它們的位置完全隨機,不會影響統計估算的公正性。
- 調整針與間距. 在 Needle length 設定針長相對於縫隙的倍數(0.1 至 2 倍),並可自訂 Floorboards 數量。長針可能同時橫跨多條接縫。
- 嘗試麵條與雨滴. Noodles 會投擲彎曲的麵條,其平均壓線次數依舊相同。Raindrops 則藉由落在圓形內的雨滴比例來估算 π。
- 加快模擬速度. 將 Drops per second 提高至最高 2,000 以觀察估算值快速收斂,亦可使用 Stop after 在固定投針數後停止,例如重現 Lazzarini 的 3,408 次。
- 匯出. 可儲存 PNG、影片或 GIF,或將每批投針後的估算結果匯出為 CSV 檔。若設定了 Stop after(停止條件),Record full run 會從頭重新投針並錄製直到停止;否則 Record 30 s from the start 會錄製前 30 秒的過程。
常見問題
為什麼投針可以估算 π?
當針的中心點距離縫隙足夠近(小於半針長乘以其傾角正弦值)時,針就會壓線。由於針的角度均勻分佈在所有方向,將正弦值對所有角度取平均便會引入圓周率 π:長度不超過縫隙的針,壓線機率為 2l ÷ (π t),其中 l 為針長,t 為縫隙寬度。統計壓線比例即測得該機率,進而反推解出 π。
估算結果的精度如何?
收斂速度相對緩慢。典型誤差隨 1 ÷ √n 比例縮小,因此使用與間距等長的針時,大約投擲 10,000 次可將誤差控制在約 0.02 內,投擲一百萬次誤差約縮至 0.002。觀察 Estimate of π 圖表,會發現數據點最初大幅波動,隨後逐漸貼近 π 的虛線。
使用長針或彎曲麵條時會發生什麼事?
長於縫隙的針可能跨越多條縫,雖然壓線至少一次的機率公式變得複雜,但平均穿過縫隙的總次數依然維持 2l ÷ (π t)。這項平均值對任何長度為 l 的連續曲線皆成立,這就是 Barbier 定理(布豐麵條問題)。本工具會記錄每一次壓線交點,因此各模式都能正確估算 π。
雨滴模式如何估算 π?
正方形內切圓的面積占整個正方形面積的 π/4(約 78.5%)。雨滴均勻落在正方形內時,落在圓內的比例自然接近 π/4,因此將該比例乘以四即可估算出 π。
Lazzarini 當年真的測到六位準確數字嗎?
他記錄了 3,408 次投擲與 1,808 次壓線,兩者相除剛好得出密率 355/113。在該投擲次數下,估算值與 π 的典型誤差通常仍在 0.05 左右,恰好出現 1,808 次壓線的機率大約僅有七十分之一。Lee Badger 的分析指出,該結果極可能是藉由特選針長比例並在達到目標數據時停手所致,而非單純的運氣。
布豐投針問題屬於蒙地卡羅方法嗎?
是的。蒙地卡羅方法透過反覆執行隨機實驗並統計結果來求解問題。布豐投針早在此類演算法於 1940 年代由 Metropolis 與 Ulam 定名之前一百五十多年,就已經運用了相同的核心概念。
參考文獻
- 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.





