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
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

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

  1. 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。
  2. 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。
  3. 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。
  4. 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。
  5. 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。
  6. 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

  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.