Что такое игла Бюффона?

Мир математики содержит множество удивительных фактов, бросающих вызов интуиции, и прекрасных теорем, блестяще связывающих, казалось бы, несвязанные между собой явления. Среди наиболее известных и увлекательных из этих задач — “Игла Бюффона” (задача об игле Бюффона).

Эта задача была поставлена в 1733 году и впервые решена в 1777 году Жоржем-Луи Леклерком, графом де Бюффоном, французским натуралистом и математиком XVIII века.

Примечательно, что эта задача демонстрирует, что одна из наиболее важных констант в математике — pi $\pi$ — может быть определена посредством весьма физического и случайного действия «случайного падения иглы на пол». Она известна как одна из самых ранних задач геометрической вероятности и стала революционным открытием, которое можно считать предшественником метода Монте-Карло.

В этой статье мы даем подробное и доступное объяснение Иглы Буффона, охватывающее постановку задачи, ее математическое доказательство и оценку числа Пи посредством моделирования с использованием современных компьютеров.

Базовая установка проблемы

Постановка задачи Бюффона об игле удивительно проста.

На ровном полу через равные интервалы $d$ нарисованы многочисленные параллельные линии.
Подготавливают одну иглу длиной $l$.
Игла случайно падает на пол.

Вопрос, который задал Бюффон, звучал так: “Какова вероятность того, что упавшая игла пересечет одну из параллельных линий, нарисованных на полу?”

На следующей диаграмме показан концептуальный ход этого эксперимента.

  graph TD
    A["Бросайте иглу случайным образом"] -->|"Гравитация и сопротивление воздуха"| B["Приземляется на пол"]
    B --> C{"Пересекло ли это черту?"}
    C -->|"Да"| D["Считать пересечением (+1)"]
    C -->|"Нет"| E["Нет пересечения"]
    D --> F["Вычислить вероятность P"]
    E --> F
    F -->|"Р = 2л/(πд)"| G["Вычислить число Пи в обратном порядке"]

Здесь, чтобы упростить задачу, мы рассматриваем случай короткой иглы, когда длина иглы $l$ меньше или равна межстрочному интервалу $d$ ($l \le d$). При этом условии игла никогда не может пересекать более одной линии за раз.

Математическое моделирование и вывод вероятности.

Чтобы решить эту задачу математически, нам необходимо количественно оценить (параметризировать) состояние иглы. Мы предполагаем, что положение и ориентация иглы при падении на пол совершенно случайны.

Чтобы определить положение иглы, мы определяем следующие две переменные.

$x$: Расстояние по перпендикуляру от центра иглы до ближайшей параллельной линии.
$\theta$: острый угол (или прямой угол) между иглой и параллельными линиями.

Диапазон переменных

Для начала давайте рассмотрим, какие значения может принимать каждая переменная.

Расстояние $x$: Центр иглы находится где-то между двумя соседними параллельными линиями. Поскольку мы рассматриваем расстояние до ближайшей линии, минимальное значение $x$ равно $0$ (когда центр иглы находится на линии), а максимальное значение — $\frac{d}{2}$ (когда центр иглы находится ровно посередине между двумя линиями). То есть $0 \le x \le \frac{d}{2}$. Поскольку игла падает случайным образом, $x$ следует равномерному распределению в этом диапазоне. Функция плотности вероятности — $\frac{2}{d}$.
Угол $\theta$: Угол между иглой и параллельными линиями варьируется от $0$, когда игла параллельна линиям, до $\frac{\pi}{2}$ (90 градусов), когда перпендикулярно. В силу симметрии нам не нужно рассматривать углы, выходящие за рамки этого. Следовательно, $0 \le \theta \le \frac{\pi}{2}$. Поскольку ориентация иглы также случайна, $\theta$ следует равномерному распределению в этом диапазоне. Функция плотности вероятности — $\frac{2}{\pi}$.

Поскольку переменные $x$ и $\theta$ независимы друг от друга, совместная функция плотности вероятности $f(x, \theta)$ для конкретной пары $(x, \theta)$ выражается как произведение их отдельных функций плотности вероятности.

$$ f(x, \theta) = \frac{2}{d} \times \frac{2}{\pi} = \frac{4}{d\pi} $$

Условие пересечения

Далее рассмотрим условие пересечения иглой линии. Игла пересекает линию, когда вертикальная протяженность от центра иглы до ее кончика больше или равна расстоянию $x$ до ближайшей линии.

Поскольку длина иглы равна $l$, расстояние от центра до кончика равно $\frac{l}{2}$. Когда угол равен $\theta$, вертикальное расстояние, занимаемое этой половиной иглы (проецируемая длина), равно $\frac{l}{2} \sin \theta$.

Следовательно, условие пересечения иглой линии выражается следующим неравенством.

$$ x \le \frac{l}{2} \sin \theta $$

Вычисление вероятности

Вероятность $P$ того, что игла пересечет линию, получается путем интегрирования совместной функции плотности вероятности $f(x, \theta)$ по области, удовлетворяющей условию пересечения.

$$ P = \iint_{\text{crossing region}} f(x, \theta) \, dx \, d\theta $$

Конкретные границы интеграции: $\theta$ варьируется от $0$ до $\frac{\pi}{2}$, а $x$ варьируется от $0$ до порога пересечения $\frac{l}{2} \sin \theta$.

$$ P = \int_{0}^{\frac{\pi}{2}} \int_{0}^{\frac{l}{2} \sin \theta} \frac{4}{d\pi} \, dx \, d\theta $$

Сначала мы вычисляем внутренний интеграл по $x$.

$$ \int_{0}^{\frac{l}{2} \sin \theta} \frac{4}{d\pi} \, dx = \frac{4}{d\pi} \left[ x \right]_{0}^{\frac{l}{2} \sin \theta} = \frac{4}{d\pi} \left( \frac{l}{2} \sin \theta - 0 \right) = \frac{2l}{d\pi} \sin \theta $$

Далее мы вычисляем внешний интеграл по $\theta$.

$$ P = \int_{0}^{\frac{\pi}{2}} \frac{2l}{d\pi} \sin \theta \, d\theta = \frac{2l}{d\pi} \int_{0}^{\frac{\pi}{2}} \sin \theta \, d\theta $$

Поскольку интеграл от $\sin \theta$ равен $-\cos \theta$,

$$ \int_{0}^{\frac{\pi}{2}} \sin \theta \, d\theta = \left[ -\cos \theta \right]_{0}^{\frac{\pi}{2}} = (-\cos \frac{\pi}{2}) - (-\cos 0) = -0 - (-1) = 1 $$

Следовательно, желаемая вероятность $P$ такова.

$$ P = \frac{2l}{d\pi} \times 1 = \frac{2l}{\pi d} $$

Это основная формула Иглы Бюффона. Вероятность того, что игла пересечет линию, равна удвоенной длине иглы $l$, разделенной на произведение числа пи $\pi$ и межстрочного расстояния $d$.

Оценка числа Пи (метод Монте-Карло)

Производная формула $P = \frac{2l}{\pi d}$ прекрасно содержит $\pi$. Решая $\pi$, получаем:

$$ \pi = \frac{2l}{P d} $$

Это уравнение означает, что если мы знаем вероятность $P$, мы можем вычислить число Пи $\pi$. Конечно, истинная вероятность $P$ требует бесконечного количества испытаний, но, опуская иглу много раз в реальном эксперименте, мы можем получить приближение $P$.

Пусть $N$ — общее количество падений иглы, а $C$ — количество раз, когда игла пересекает линию. Когда количество испытаний $N$ достаточно велико, по закону больших чисел эмпирическая вероятность $\frac{C}{N}$ приближается к теоретической вероятности $P$.

$$ P \approx \frac{C}{N} $$

Подстановка этого значения в предыдущее уравнение дает нам формулу для аппроксимации числа pi $\pi$.

$$ \pi \approx \frac{2l \cdot N}{C \cdot d} $$

Самый простой расчет происходит, когда длина иглы $l$ и межстрочный интервал $d$ равны ($l = d$). В этом случае формула еще больше упрощается.

$$ \pi \approx \frac{2N}{C} $$

Другими словами, вы можете найти число Пи, просто разделив удвоенное количество иголок на количество пересечений!

Симулятор Python

Уронить иголку тысячи раз вручную — чрезвычайно утомительная задача (хотя исторически были математики, которые действительно проводили тысячи таких экспериментов). В наше время мы можем легко смоделировать этот эксперимент с помощью компьютера.

Ниже приведен простой пример кода Python, который имитирует эксперимент Бюффона с иглой и оценивает число Пи.

 1
 2
 3
 4
 5
 6
 7
 8
 9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
import random
import math

def buffons_needle_simulation(num_trials, l, d):
    """
    Function to simulate Buffon's needle and estimate pi

    :param num_trials: Number of needle drops
    :param l: Length of the needle
    :param d: Spacing between parallel lines
    :return: Estimated value of pi
    """
    crosses = 0
    
    for _ in range(num_trials):
        # Randomly generate distance x from the needle's center to the nearest line (0 to d/2)
        x = random.uniform(0, d / 2.0)
        
        # Randomly generate needle angle theta (0 to pi/2)
        theta = random.uniform(0, math.pi / 2.0)
        
        # Check if the crossing condition is satisfied
        if x <= (l / 2.0) * math.sin(theta):
            crosses += 1
            
    # Exception handling to avoid errors when no crossings occur
    if crosses == 0:
        return float('inf')
        
    # Estimate pi
    estimated_pi = (2.0 * l * num_trials) / (d * crosses)
    return estimated_pi

# Parameter settings
N = 1000000  # Number of trials (1 million)
needle_length = 1.0
line_distance = 1.0

# Run the simulation
estimated_pi = buffons_needle_simulation(N, needle_length, line_distance)

print(f"Number of trials: {N:,}")
print(f"Estimated pi:     {estimated_pi}")
print(f"Actual pi:        {math.pi}")
print(f"Error:            {abs(math.pi - estimated_pi)}")

Когда вы запускаете этот код, большое количество виртуальных игл отбрасывается с использованием случайных чисел, и вы можете убедиться, что получается очень точное приближение $3.1415...$ — значения числа пи. Этот метод использования случайных чисел для поиска приближенных решений вероятностных задач называется методом Монте-Карло.

Заключение

На первый взгляд игла Бюффона может показаться простой игрой физического случая, но за ней стоит солидная математическая теория. То, как случайные события (вероятность), геометрические фигуры (линии и отрезки линий) и предельное иррациональное число $\pi$ сливаются в одной простой формуле, поистине воплощает красоту математики.

Более того, эта проблема имеет историческое значение как источник метода Монте-Карло, который необходим для современной науки и техники. От моделирования сложных систем до вычисления интегралов, которые трудно решить аналитически, идея Бюффона продолжает поддерживать наш мир в различных формах и по сей день.

Почему бы не взять бумагу, ручку и несколько зубочисток и не испытать дома часть этой великой математической истории?