Rzucanie igły na podłogę może prowadzić do liczby π
W problemie igły Buffona losowo upuszczamy igłę na płaszczyznę z równoległymi liniami w stałych odstępach. Gdy długość igły nie przekracza odległości między liniami, prawdopodobieństwo przecięcia linii wynosi 2L/(πD), gdzie L jest długością igły, a D odstępem linii. Liczba π pojawia się nie dlatego, że rysujemy okrąg, lecz przez uśrednianie po wszystkich możliwych kątach ustawienia igły. Wielokrotne wykonanie doświadczenia pozwala więc oszacować π z częstości przecięć — choć jest to metoda bardzo nieefektywna w porównaniu z nowoczesnymi sposobami obliczeń.
Geometria przypadku
Po upuszczeniu igły o wyniku decydują dwie wielkości: kąt igły względem linii oraz odległość jej środka od najbliższej linii. Jeśli środek znajduje się wystarczająco blisko, końcówka może sięgnąć linii. Dopuszczalna odległość zależy od składowej igły prostopadłej do linii, czyli od funkcji sinus kąta. Uśrednienie tej zależności po losowych orientacjach wprowadza całkę z sinusa, a właśnie z geometrii pełnego zakresu kątów pojawia się π.
Wzór w prostym przypadku
Dla L≤D klasyczny wynik ma postać P(przecięcie)=2L/(πD). Jeśli np. długość igły jest równa połowie odstępu między liniami, prawdopodobieństwo wynosi 1/π. W doświadczeniu z dużą liczbą rzutów można policzyć udział trafień p i przekształcić wzór do π≈2L/(Dp). Jest to przykład metody Monte Carlo w bardzo fizycznej, historycznej formie.
Dlaczego π bez okręgu nie jest magią
π pojawia się w wielu problemach, które nie pokazują jawnie koła, bo jest związane również z miarą kątów, funkcjami trygonometrycznymi i symetrią obrotową. Igła Buffona ma losową orientację, więc przestrzeń możliwych kierunków jest geometrycznie związana z obrotem. Okrąg jest niejako ukryty w parametrze kąta, nawet jeśli na podłodze widzimy tylko równoległe proste.
Eksperyment naprawdę wykonywano
Historycznie doświadczenia z rzucaniem igieł wykonywano wiele razy jako demonstracje probabilistyki i próbę szacowania π. Podręczniki zwracają jednak uwagę, że uzyskanie wielu poprawnych cyfr wymaga ogromnej liczby rzutów, a część historycznych wyników była podejrzanie dokładna. Metoda jest więc pięknym eksperymentem dydaktycznym, ale słabym praktycznym algorytmem do precyzyjnego obliczania stałej.
Losowość musi być zdefiniowana
Wzór zakłada odpowiedni model: położenie środka względem linii jest jednostajne, orientacja igły jest jednostajna w zakresie kątów, a rzuty są niezależne. Jeśli sposób rzucania preferuje pewne kierunki albo miejsce, częstość przecięć może być inna. Tak jak w paradoksie Bertranda, fizyczne słowo „losowo” trzeba przełożyć na konkretny rozkład.
Połączenie z metodami Monte Carlo
Najbardziej nowoczesna lekcja z igły Buffona polega na tym, że wielkość matematyczną można oszacować przez symulowanie losowego eksperymentu i obserwowanie częstości zdarzenia, którego prawdopodobieństwo zawiera poszukiwaną wartość. Ta idea jest dziś używana w metodach Monte Carlo w fizyce, finansach, statystyce i informatyce — choć oczywiście w znacznie bardziej zaawansowanych postaciach niż rzucanie igły na podłogę.
Błąd estymacji maleje bardzo wolno
Metody Monte Carlo są potężne, ale typowy błąd estymacji często maleje tylko jak 1/√N, gdzie N jest liczbą niezależnych prób. Oznacza to, że aby zmniejszyć losowy błąd mniej więcej dziesięciokrotnie, potrzeba około stukrotnie więcej rzutów. Dlatego igła Buffona może efektownie pokazać związek między geometrią i prawdopodobieństwem, lecz jest fatalnym sposobem zdobywania kolejnych cyfr π. Wartość eksperymentu jest koncepcyjna: częstotliwość zdarzenia może kodować stałą matematyczną, a powtarzanie doświadczenia przekształca prawdopodobieństwo w przybliżenie liczbowe dzięki prawu wielkich liczb.