[摘要]蒲丰实验的故事（蒲丰试验的故事），关于《蒲丰实验的故事（蒲丰试验的故事）》的内容介绍。布丰投针实验 原文链接：介绍布丰投针是几何概率领域中最古老的问题之一。它最早是在1777年提出的。它将针头掷到...
蒲丰实验的故事（蒲丰试验的故事），关于《蒲丰实验的故事（蒲丰试验的故事）》的内容介绍。
布丰投针实验 原文链接：介绍布丰投针是几何概率领域中最古老的问题之一。它最早是在1777年提出的。它将针头掷到有平行线的纸上，并确定针和其中一条平行线相交的可能性。令人...
布丰投针实验
原文链接：
介绍
布丰投针是几何概率领域中最古老的问题之一。它最早是在1777年提出的。它将针头掷到有平行线的纸上，并确定针和其中一条平行线相交的可能性。令人惊讶的结果是概率与pi的值直接相关。
R程序将根据上段所述的情况估算pi的值并使用gganimate进行动态可视化。
第1部分
对于A部分，我们创建一个数据帧，该数据帧将在3个不同的区间上生成随机值，这些区间将代表x，y的范围以及每个落针点的角度。这是一个易于实现的随机数情况，需要使用runif函数。此功能要求输入数量，后跟一个间隔。生成数字后，我们会将值保存到数据框中。
rneedle - function(n) {x = runif(n, 0, 5)y = runif(n,0, 1)angle = runif(n,-pi, pi) #从-180到180的角度values-data.frame(cbind(x, y, angle))return(values)}values-rneedle(50)#检查是否生成50×3矩阵values#我们的数据帧已经成功生成。
x y angle1 4.45796267 0.312440618 1.37184652 3.43869230 0.462824677 2.97383673 2.55561523 0.596722445 -2.96382854 3.68098572 0.670877506 -0.68605025 0.03690118 0.202724803 -0.33151416 4.64979938 0.180091416 -0.32930937 4.92459238 0.172328845 -0.52211338 3.50660347 0.752147374 2.91002219 2.03787919 0.167897415 -0.321383310 0.38647133 0.539615776 -0.118898211 3.28149935 0.102886770 -1.631825612 3.68811892 0.765077533 1.245903713 1.52004894 0.682455494 -0.421980214 3.76151379 0.508555610 0.1082087...
第2部分
我们绘制第一部分中的针。重要的是不要在这个问题上出现超过2条水平线。它使我们可以进行检查以了解此处描绘的几何特性的一般概念。话虽如此，让我们注意我们决定在每个方向上将图形扩展1个单位。原因是想象一个针尾从y = 1开始，其角度为pi / 2。我们需要假设该方向的范围最大为2。
plotneedle(values)
第3部分
在下面，将基于阅读布冯针和基本几何原理的知识，查看pi的估算值。
buffon(values)
第4部分
运行代码后，我们收到以下答案。
buffon(X)
[1] 3.846154
set.seed(10312013)X - rneedle(50)plotneedle(X)buffon(X)
buffon(X)[1] 3.846154
第5部分
如前几节所述，当我们投掷更多的针头时，我们期望以最小的不确定性获得更准确的答案。从Approxpi函数运行代码后，我们收到了平均值= 3.172314和方差0.04751391的值。对于这样一个简单的实验，它对pi进行了很高的估计。
Approxpi(500)mean(Approxpi(500))var(Approxpi(500))
mean(Approxpi(500))[1] 3.172314 var(Approxpi(500))[1] 0.04751391
接下来对模拟次数从500~600的预测进行动态可视化,红铯表示针投放到了直线上：
参考资料
Schroeder，L.（1974年）。布冯针问题：许多数学概念的激动人心的应用。
谁来解释一下蒲丰投针试验
学过微积分的话可以用它来证明。
布丰投针实验：利用概率求圆周率
布丰（Comte de Buffon）设计出他的著名的投针问题（needle problem）。依靠它，可以用概率方法得到π的近似值。假定在水平面上画上许多距离为a的平行线，并且，假定把一根长为l＜a的同质均匀的针随意地掷在此平面上。布丰证明：该针与此平面上的平行线之一相交的概率为：p=2l/(api) 把这一试验重复进行多次，并记下成功的次数，从而得到P的一个经验值，然后用上述公式计算出π的近似值，用这种方法得到的最好结果是意大利人拉泽里尼（Lazzerini）于1901年给出的。他只掷了3408次针，就得到了准确到6位小数的π的值。他的试验结果比其他试验者得到的结果准确多了，甚至准确到使人们对它有点怀疑。还有别的计算π的概率方法。例如，1904年，查尔特勒斯（R·Chartres）就写出了应用下列实例的报告：如果写下任意两个整数测它们互素的概率为6／π2。
下面就是一个简单而巧妙的证明。找一根铁丝弯成一个圆圈，使其直径恰恰等于平行线间的距离d。可以想象得到，对于这样的圆圈来说，不管怎么扔下，都将和平行线有两个交点。因此，如果圆圈扔下的次数为n次，那么相交的交点总数必为2n。 现在设想把圆圈拉直，变成一条长为πd的铁丝。显然，这样的铁丝扔下时与平行线相交的情形要比圆圈复杂些，可能有4个交点，3个交点，2个交点，1个交点，甚至于都不相交。 由于圆圈和直线的长度同为πd，根据机会均等的原理，当它们投掷次数较多，且相等时，两者与平行线组交点的总数可望也是一样的。这就是说，当长为πd的铁丝扔下n次时，与平行线相交的交点总数应大致为2n。现在转而讨论铁丝长为l的情形。当投掷次数n增大的时候，这种铁丝跟平行线相交的交点总数m应当与长度l成正比，因而有：m=kl，式中k是比例系数。为了求出k来，只需注意到，对于l=πk的特殊情形，有m=2n。于是求得k=(2n)/(πd)。代入前式就有：m≈(2ln)/(πd)从而π≈(2ln)/(dm)
蒲丰抛针实验
在1777年出版的《或然性算术实验》一书中提出他的著名的投针问题，蒲丰提出了用实验概率方法计算 π 。这个实验方法的操作很简单：找一根粗细均匀，长度为 d 的细针，并在一张白纸上画上一组间距为 l 的平行线（方便起见，常取 l = d/2），然后一次又一次地将小针任意投掷在白纸上。这样反复地投多次，数数针与任意平行线相交的次数，于是就可以得到 π 的近似值。因为蒲丰本人证明了针与任意平行线相交的概率为 p = 2l/πd 。利用这一公式，可以用概率方法得到圆周率的近似值。在一次实验中，他选取 l = d/2 ，然后投针2212次，其中针与平行线相交704次，这样求得圆周率的近似值为 2212/704 = 3.142。当实验中投的次数相当多时，就可以得到 π 的更精确的值。
1850年，一位叫沃尔夫的人在投掷5000多次后，得到 π 的近似值为3.1596。目前宣称用这种方法得到最好结果的是意大利人拉兹瑞尼。在1901年，他重复这项实验，作了3408次投针，求得 π 的近似值为3.1415929，这个结果是如此准确，以致于很多人怀疑其实验的真伪。如美国犹他州奥格登的国立韦伯大学的L·巴杰就对此提出过有力的质疑。
不过，蒲丰实验的重要性并非是为了求得比其它方法更精确的 π 值。蒲丰投针问题的重要性在于它是第一个用几何形式表达概率问题的例子。计算 π 的这一方法，不但因其新颖，奇妙而让人叫绝，而且它开创了使用随机数处理确定性数学问题的先河，是用偶然性方法去解决确定性计算的前导。