布丰投针实验原理

该试验不仅在理论上具有重要意义，对 于理解随机性和几何规律的本质有重要 贡献，而且在实际应用中也有广泛的应
用价值。
蒲丰投针试验可以应用于统计学、物理 学、计算机科学等多个领域，为相关领
域的研究提供了重要的启示和工具。
蒲丰投针试验的局限性
01
02
03
04
蒲丰投针试验虽然是一个经典 的试验，但是它也存在一些局
针方向与平行线垂直。
重复投掷蒲丰投针N次，记录每 次投掷的结果。
测量与计算阶段
测量投掷后蒲丰投针 与平行线之间的距离 ，记录下来。
根据公式π=2*n/N ，计算π的近似值， 其中n为相交次数， N为投掷次数。
根据记录的数据，计 算蒲丰投针与平行线 相交的次数。
CHAPTER 03
试验结果分析
蒲丰投针试验的预期结果
蒲丰投针试验是一种估算π值的方法，其预期结果是通过投掷 一根针到一张白纸上，然后统计针与白纸边缘相交的次数， 来估算π的值。
蒲丰投针试验的预期结果是根据概率论和几何学原理推导出 来的，即当投掷次数足够多时，针与白纸边缘相交的频率接 近于π/4。
实际结果与预期结果的比较
在实际进行蒲丰投针试验时，需要记录针与白纸边缘相交的次数，并计 算出相应的π值。
限性。
首先，该试验的结果受到投针 方式、试验环境等因素的影响 ，可能导致结果存在误差。
其次，蒲丰投针试验的应用范 围相对有限，主要适用于一些 特定的几何形状和随机性问题
。
最后，蒲丰投针试验的结论仅 适用于理想化的模型，与实际
情况可能存在差异。
未来研究方向与展望
随着科学技术的发展和研究的深入， 蒲丰投针试验在未来仍有广阔的研究 前景。
蒲丰投针试验讲解课 件

蒲丰投针问题1.蒲丰简介蒲丰有的时候翻译成布丰，是18世纪法国著名的博物学家。

他喜欢研究数学和生物学。

主要的贡献有：（1）翻译了牛顿的《流数法》，流数法按现在的说法就叫微积分。

（2）写了一本巨著，这部巨著的名字叫《自然史》，因为他特别喜欢研究生物。

这个自然史一共有44卷，其中他生前写了36卷，后来他学生又完成了。

这本书对后来的世界有很大的影响，尤其影响到一个人叫达尔文，所以蒲丰这个人其实是很厉害的。

2.蒲丰投针1777年，在蒲丰晚年的时候，他有一次举行了一个家庭宴会。

邀请了一大堆他的朋友来帮他做实验。

做什么实验呢，就“投针”。

那朋友来了之后发现，就是桌子上有很多根间距相等的平行线。

然后蒲丰就说了，给你们同样大的针，你把这些针随机扔到这个桌子上。

然后宾客就随便扔吗，有可能这样，有可能这样……，随便扔是吧，这都有可能，什么情况都有可能。

有的针就没有跟平行线相交，比如这个，这个，这个，就没有相交，也有相交的，比如这个，这个，这个，这是相交的，对吧，然后他就数，他说这个针一共投了多少个呢？一共投了n =2212个。

其中与这个平行线相交的针有多少个，数了一下有m =704个。

然后他说，我现在可以计算圆周率了，别人都不信，他说你看我圆周率怎么算，我只要把这两个数相除就行了。

我用n 除以m ，这个数除完了大概是3.142，这个就是圆周率了。

别人说好神奇，这怎么回事儿，蒲丰说我给你解释解释这个原理是什么？其实这个原理并不复杂，我们来看一下它的原理是什么。

3. 蒲丰投针原理(1)首先，它这个平行线是严格平行的，那平行线之间的距离是固定的，是a 。

然后我随意地把一根针投上去，也许相交，也许不相交，这不一定。

比如说这个针投上去了，投上去了之后，针的总长是b ，针有一个中点叫M ，对吧，这个M 到它比较近的平行线之间的距离我们设为x ，大家注意，这个是针的中点到比较近的平行线的距离是x ，所以我们应该知道x 的范围。

x 的最小值就是这个终点正好落在平行线上，那最小值是0，对吧。

蒲丰投针实验原理
蒲丰投针实验是一种检测泥沙粒径分布的实验方法，它是利用悬浮在水中的粒度分布模拟藉由空气流抛掷及落入平板上的控制情形来模拟河流中悬浮颗粒的粒径分布，从而进行检测的。

该实验流程是：将检测的粒料悬浮于水中，利用抛掷及落入平板上的控制条件来模拟河流中悬浮颗粒的粒径分布，然后借助投针实验来观测平面上粒料的分布情况。

最后，根据获得的结果计算出每种粒径的百分率，从而可以得出泥沙粒径分布情况。

这就是数学史上有名的“投针试验”．
实验：
同学们,我们按下列步骤,亲自来体验一下这个有趣 的试验: 1.两人一组; 2.在纸上画出一些平行线,先确定平行线之间的距离a和 针长l(l<a)的值(每根小针的长度都是平行线之间距离的 一半); 3.至少做100次试验,分别记录其中相交(用1表示)和不 相交(用0表示)的次数; 4.统计试验数据,估计针与平行线相交的概率.
3．汇总全班各小组的结果，得到钉帽着地的频率， 并绘制折线统计图．
随堂练 习
1.议一议(请简要说明理由) 某个城市的警察，在调查夜间步行者因事故死亡
的服装时,发现死亡者大约4/5的人穿着暗色衣服,1/5 的人穿着较明亮的服装．从这个调查中发现:天黑时, 步行者穿白色服装或手拿白色的东西，很容易被看清, 因而可以降低交通事故的发生率.
知识讲 解
当针投到平行线的纸上时，会有什么情况出现？
当针投到平行线的纸上时，会有什么情况出现？ 相交和不相交的可能性相同吗？
最后布丰宣布结果：大家共投针2212次，其中与直 线相交的就有704次．用704去除2212，得数为3.142．他 笑了笑说：“这就是圆周率π 的近似值．”这时，众宾 客哗然：“圆周率π ?这根本和圆沾不上边呀?” 布丰先 生却好像看透了众人的心思，斩钉截铁地说：“诸位不 用怀疑，这的确就是圆周率π 的近似值．你们看，连圆 规也不要，就可以求出π 的值来.只要你有耐心，投掷的 次数越多，求出的圆周率就越精确．”
合5 5 5 5 5 5 5 5 5 6 6 6 6 6 6 6 6 6 6 7 7 7 7 7 7 计1 2 3 4 5 6 7 8 9 0 1 2 3 4 5 6 7 8 9 0 1 2 3 4 5
合7 计6
7 7

简述蒲丰投针的原理蒲丰投针，又称为“蒲扇投针”，是一种古老的传统技艺，源于中国民间，被列为国家级非物质文化遗产。

它以独特的技巧和准确度令人惊叹，是一项需要长时间的训练和精确动作的艺术表演。

蒲丰投针是通过将一枚针射出，然后立即由另一只折扇迅速击落这枚针。

表演者通常会用嘴巧妙地抓住一枚针，然后用手迅速将其放入弹弓设备中。

然后他们会用嘴接住折起来的扇子，并将其放在弹弓的侧面。

最后，当他们用力按下弹弓时，针会被迅速射出，被折叠的扇子迅速击中，使针钉在靶上。

这个过程，虽然看似简单，但实际上非常考验投针者精湛的技巧和敏捷的反应能力。

他们必须在非常短的时间内完成将针射出和击中的动作，并且必须非常准确。

这需要长时间的练习和耐心，才能达到高超的水平。

蒲丰投针的原理基于物理学中的一些基本原理。

首先，投针者在将针放入弹弓时，需要精确掌握弹弓的力度和方向。

这样才能使针以合适的速度射出并朝向目标。

其次，投针者在接住折扇时，需要准确而迅速地将其放在弹弓的侧面。

这样才能确保喷出的空气流能够迅速击中针，并使其飞向目标。

最后，针需要在短短的瞬间内被击中，因此需要投针者具备快速反应和敏锐的观察能力。

除了物理原理外，蒲丰投针还依赖于投针者的技巧和经验。

投针者需要通过长时间的训练和反复练习，熟练掌握每一个动作的细节，从而能够准确地完成整个过程。

投针者还需要在训练过程中不断提高反应能力和准确度，以便在表演中达到更好的效果。

蒲丰投针不仅是一种技术，更是一门艺术。

在表演中，投针者需要将技术与表演技巧相结合，以吸引观众的眼球。

他们通常会进行一系列的吸引人的动作和花样，以展示自己的技艺和敏捷度。

这使得蒲丰投针成为一种具有观赏价值和娱乐性的表演艺术形式。

总之，蒲丰投针是一项以准确度和技巧为基础的艺术表演。

它通过将针射出并用折扇击中目标，展示了投针者的精湛技巧和敏捷度。

在演练中，投针者需要准确掌握弹弓的力度和方向，并在非常短的时间内完成各个动作。

这需要长期的训练和经验，以及反应能力和观察力的提高。

Buffon投针实验一、实验目的：在计算机上用试验方法求圆周率的近似值。

二、实验原理：假设平面上有无数条距离为1的等距平行线，现向该平面随机投掷长度为L(L≤1)的针，则针与平行线相交的概率 P=。

设针的中心M与最近一条平行线的距离为x，则x~U(0,1);针与平行线的夹角为(不管相交与否)，则~U(0,)如图：()在矩阵上均匀分布，且针与平行线相交的充要条件为x≤=；P=P{ x=}。

记录≤成立的次数，记为由-大数定理：≈,则=2。

在计算机上产生则=~U(0,),i=1,2,…,n;再产生，则, i=1,2,…,n三、实验方法及代码：在计算机上进行模拟实验，求出的实验值。

给定L，在计算机上利用MFC独立随机产生x和，然后判断≤是否成立.代码如下：#include "stdafx.h"#include "buffon.h"#include "ChildView.h"#include "ChoiceDlg.h"#include <ctime>#include <cmath>#ifdef _DEBUG#define new DEBUG_NEW#undef THIS_FILEstatic char THIS_FILE[] = __FILE__;#endif// CChildViewCChildView::CChildView(){Trynum=1000;}CChildView::~CChildView(){}BEGIN_MESSAGE_MAP(CChildView,CWnd )//{{AFX_MSG_MAP(CChildView)ON_WM_PAINT()ON_COMMAND(ID_TOOL_NUM, OnToolNum)ON_COMMAND(ID_TOOL_RETRY, OnToolRetry)//}}AFX_MSG_MAPEND_MESSAGE_MAP()// CChildView message handlersBOOL CChildView::PreCreateWindow(CREATESTRUCT& cs){if (!CWnd::PreCreateWindow(cs))return FALSE;cs.dwExStyle |= WS_EX_CLIENTEDGE;cs.style &= ~WS_BORDER;cs.lpszClass = AfxRegisterWndClass(CS_HREDRAW|CS_VREDRAW|CS_DBLCLKS,::LoadCursor(NULL, IDC_ARROW), HBRUSH(COLOR_WINDOW+1), NULL);return TRUE;}void CChildView::OnPaint(){CPaintDC dc(this),*pDC;pDC=&dc;CFont font, *pOldFont;font.CreatePointFont(200,"宋体");pOldFont=pDC->SelectObject(&font);pDC->SetTextColor(RGB(255,0,0));pDC->TextOut(100,5,"蒲丰投针试验");pDC->SelectObject(pOldFont);CPen myPen1,myPen2, *pOldPen1,*pOldPen2;CRect rect1(30,30,920,620);pDC->Rectangle(rect1);myPen1.CreatePen(PS_SOLID, 1, RGB(0,0,255));pOldPen1=pDC->SelectObject(&myPen1);for(int i=100;i<600;i+=50){pDC->MoveTo(50,i);pDC->LineTo(900, i);}pDC->SelectObject(pOldPen1);myPen2.CreatePen(PS_SOLID, 1, RGB(0,255,0));pOldPen2=pDC->SelectObject(&myPen2);srand(time(0));int a,b,q,a1,b1,su,flag;np=0;for(int j=0;j<Trynum;j++){a=rand()%850+50;b=rand()%450+100;q=rand()%180;a1=25*cos(q);b1=25*sin(q);su=pow(-1,rand()%2);pDC->MoveTo((a-su*a1),(b-su*b1));pDC->LineTo((a+su*a1),(b+su*b1));if( (b%50) >= 25 )flag =50-b%50;elseflag = b%50;if( 25*sin(q) >= flag )np++;}pDC->SelectObject(pOldPen2);CString str;int c=Trynum/(np*1.0);int d=(int)((Trynum/(np*1.0)*100000))%100000;str.Format("投针次数:%d;\n相交次数:%d;\nπ的估算值:%d.%d",Trynum,np,c,d);MessageBox(str,"实验数据信息");}void CChildView::OnToolNum(){CChoiceDlg mydlg;if(mydlg.DoModal()==IDOK){this->Trynum = mydlg.m_Trynum ;this->RedrawWindow();}}void CChildView::OnToolRetry(){// TODO: Add your command handler code herethis->RedrawWindow();}四、实验数据处理与分析：根据实验数据，得到近似值为3.2313，可得相对误差为δ=（3.2313-π）/π≈0.02856；运行截图：五、实验小结：本次实验，通过MFC进行模拟投针，模拟效果较好，随着投针次数模拟的增多，实验结果逼近于π的真实值，但是实验程序有待优化，在较多投针次数的模拟中，实验程序运行速度较慢，可以改进相关算法来做适当调节。

/4.因为对于每一个z，这个概率都为（π-2）/4，因此对于任意的正数x，y，z，有P=（π-2）/4，命题得证。

为了估算π的值，我们需要通过实验来估计它的概率，这一过程可交由计算机编程来实现，事实上x+y>z，x&sup2;+y&sup2；﹤z&sup2；等价于（x+y-z）（x&sup2;+y&sup2;-z&sup2；）﹤0，因此只需检验这一个式子是否成立即可。

若进行了m 次随机试验，有n次满足该式，当m足够大时，n/m趋近于（π-2）/4，令n/m=（π-2）/4，解得π=4n/m+2，即可估计出π值。

值得注意的是这里采用的方法：设计一个适当的试验，它的概率与我们感兴趣的一个量（如π）有关，然后利用试验结果来估计这个量，随着计算机等现代技术的发展，这一方法已经发展为具有广泛应用性的蒙特卡罗方法。

计算π最稀奇方法之一计算π的最为稀奇的方法之一，要数18世纪法国的博物学家C·布丰和他的投针实验：在一个平面上，用尺画一组相距为d的平行线；一根长度小于d的针，扔到画了线的平面上；如果针与线相交，则该次扔出被认为是有利的，否则则是不利的．布丰惊奇地发现：有利的扔出与不利的扔出两者次数的比，是一个包含π的表示式．如果针的长度等于d，那么有利扔出的概率为2/π．扔的次数越多，由此能求出越为精确的π的值．公元1901年，意大利数学家拉兹瑞尼作了3408次投针，给出π的值为3．1415929——准确到小数后6位．不过，不管拉兹瑞尼是否实际上投过针，他的实验还是受到了美国犹他州奥格登的国立韦伯大学的L·巴杰的质疑．通过几何、微积分、概率等广泛的范围和渠道发现π，这是着实令人惊讶的！证明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。

蒲丰投针与蒙特卡洛（Monte —Carlo）方法1777年法国科学家蒲丰（Buffon ）提出并解决了如下的投针问题：桌面上画有一些平行线，它们之间的距离都是，一根长为a )(a l l ≤的针随机地投在桌面上。

问：此针与任一直线相交的概率是多少？设表示针的中点到最近的一条平行线的距离，Y 表示针与平行线的夹角（如图），如果X 2sin l Y X <， 或Y lX sin 2<时，针与一条直线相交。

由于向桌面投针是随机的，所以用来确定针在桌面上位置的是二维随机向量。

并且在),(Y X X ⎟⎠⎞⎜⎝⎛2,0a 上服从均匀分布，在Y ⎟⎠⎞⎜⎝⎛2,0π上服从均匀分布,与Y 相互独立。

由此可以写出的联合概率密度函数：X ),(Y X⎪⎩⎪⎨⎧<<<<=其它20,204),(ππy ax ay x f 于是，所求概率为：∫∫∫∫===⎭⎬⎫⎩⎨⎧<<20sin 20sin 224),(sin 2πππal dxdy adxdy y x f Y l X P y ly lx ①由于最后的结果与π有关，因此有些人想利用它来计算π的值。

其方法是向桌面投针次，若针与直线相交次，则针与直线相交的频率为n k n k ，以频率代替概率，则有al n k π2=，所以aknl2=π。

下表列举了这些试验的有关资料。

投针试验的历史资料（折算为1）a 试验者 年份 针长投针次数n 相交次数k π的试验值Wolf 1850 0.85000 2532 3.1596 Smith1855 0.63204 1219 3.1554 De.Morgan 1860 1600 383 3.137 Fox 1884 0.751030 489 3.1595 Lazzerini 1901 0.833408 1801 3.1415929 Reina1925 0.5425208593.1795这个思路已被人们发展成为统计学的一个分支—随机试验法或称为蒙特卡洛（Monte—Carlo ）方法，其中随机试验可借助计算机大量重复，以致结果更接近真值。

l 由(1)和(2)我们可以得出一些结论： n 根长度为 的小 n 针仍出去后压线的概率之和与一根长为 l 的针扔出去后压线 l 的概率相等；将 n 根长为 的小针连接成任意形状后扔出去 n 压线的概率与长为 l 的针扔出去压线的概率相等；当 n ，线就是曲线，所以结论可以进一步推广：随机投
k
称作这个连分式的第 k 个渐进分数。同时，
k
它也是所有分母不超过
q 的分数中最接近实数 x 的分数，
k
k
是实数 x 的第 k 个最佳渐进分数。
k
求渐进连分式，当然可以用上面分式求出，下面给出第
p k 个渐进连分式 的递推求法： q p a q 1 p a a 1 q a a p p ( k 2) p q a q q ( k 2 )
如上图所示，AB 针的长度为 2l ，CD 针长度为 l 。在 AB 针 或 AB 针的延长线与直线的夹角为 ，AB 针的中点 M 的取
角 相等，所以 M ' , M ' ' 是 m' , m' ' 的两倍，于是 CD 与直线相交的概率是 AB 与直线相交的概率的一半。对于其 余任意夹角都有这个结论。所以：长度为 l 的针与直线相交 的概率是长度为 2l 的针与直线相交概率的一半。
产生误差原因 1：m/n 的精度问题，这个是数学造 成的误差。解决办法：选取合适的 m 值，使 m/n 的有 效数字达到要求的精度。 产生误差原因 2：如果针的端点与直线非常接近， 例如相距万分之一毫米，用肉眼无法判断针是否与直线 相交，造成误差。解决办法：该次事件无效，不予统计， 继续进行下一次实验。 产生误差原因 3：l/d 的精度问题，这是测量问题。 产生误差的原因 1 和 2，我们都可以解决，使之达

投针试验投针问题1777年法国科学家布丰提出的一种计算圆周率的方法——随机投针法，即著名的布丰投针问题。

投针步骤这一方法的步骤是：1）取一张白纸，在上面画上许多条间距为a的平行线。

2）取一根长度为l（l<a）的针，随机地向画有平行直线的纸上掷n次，观察针与直线相交的次数，记为m3）计算针与直线相交的概率．18世纪，法国数学家布丰和勒可莱尔提出的“投针问题”，记载于布丰1777年出版的著作中：“在平面上画有一组间距为a的平行线，将一根长度为l（l<a）的针任意掷在这个平面上，求此针与平行线中任一条相交的概率。

”布丰本人证明了，这个概率是p=2l/（πd) π为圆周率利用这个公式可以用概率的方法得到圆周率的近似值。

下面是一些资料试验者时间投掷次数相交次数圆周率估计值Wolf1850年5000 2532 3.1596Smith 1855年3204 1218.5 3.1554C.De Morgan 1680年600 382.5 3.137Fox1884年1030 489 3.1595Lazzerini 1901年3408 1808 3.1415929Reina 1925年2520 859 3.1795设这三个正数为x，y，z，不妨设x≤y≤z，对于每一个确定的z，则必须满足x+y>z，x&sup2;+y&sup2；﹤z&sup2；，容易证明这两个式子即为以这3个正数为边长可以围成一个钝角三角形的充要条件，用线性规划可知满足题设的可行域为直线x+y=z与圆x&sup2;+y&sup2;=z&sup2；围成的弓形，总的可行域为一个边长为z的正方形，则可以围成一个钝角三角形的概率P=S弓形/S正方形=（πz&sup2;/4-z&sup2;/2）/z&sup2;=（π-2）/4.因为对于每一个z，这个概率都为（π-2）/4，因此对于任意的正数x，y，z，有P=（π-2）/4，命题得证。

布丰投针实验公元1777年的一天，法国科学家D•布丰(D.Buffon1707～1788)的家里宾客满堂，原来他们是应主人的邀请前来观看一次奇特试验的。

试验开始，但见年已古稀的布丰先生兴致勃勃地拿出一张纸来，纸上预先画好了一条条等距离的平行线。

接着他又抓出一大把原先准备好的小针，这些小针的长度都是平行线间距离的一半。

然后布丰先生宣布：“请诸位把这些小针一根一根往纸上扔吧!不过，请大家务必把扔下的针是否与纸上的平行线相交告诉我。

”客人们不知布丰先生要玩什么把戏，只好客随主意，一个个加入了试验的行列。

一把小针扔完了，把它捡起来又扔，而布丰先生本人则不停地在一旁数着、记着，如此这般地忙碌了将近一个钟头。

最后，布丰先生高声宣布：“先生们，我这里记录了诸位刚才的投针结果，共投针2212次，其中与平行线相交的704次。

总数2212与相交数704的比值为3.142。

”说到这里，布丰先生故意停了停，并对大家报以神秘的一笑，接着有意提高声调说：“先生们，这就是圆周率π的近似值!”众客哗然，一时疑议纷纷，大家全部感到莫名期妙：“圆周率π?这可是与圆半点也不沾边的呀!”布丰先生似乎猜透了大家的心思，得意洋洋地解释道：“诸位，这里用的是概率的原理，如果大家有耐心的话，再增加投针的次数，还能得到π的更精确的近似值。

不过，要想弄清其间的道理，只好请大家去看敝人的新作了。

”随着布丰先生扬了扬自己手上的一本《或然算术试验》的书。

π在这种纷纭杂乱的场合出现，实在是出乎人们的意料，然而它却是千真万确的事实。

由于投针试验的问题，是布丰先生最先提出的，所以数学史上就称它为布丰问题，布丰得出的一般结果是：如果纸上两平行线间相距为d，小针长为l，投针的次数为n，所以投的针当中与平行线相交的次数的m，那么当n相当大时有：π≈(2ln)/(dm)在上面故事中，针长l恰等于平行线间距离d的一半，所以代入上面公式简化得：π≈n/m值得一提的是，后来有不少人步布丰先生的后尘，用同样的方法来计算π值。

0.249639109
0
1.79821
2.30682
1.111713993
0
1.76922
1.13937
1.36255246
0
1.91693
0.85702
1.133839234
0
0.02899
0.71090
0.978779676
1
0.81484
1.90012
1.419389613
1
1.72649
1.19545
在历史上人们对 的计算非常感兴趣性，发明了许多求 的近似值的方法，其中用蒲丰投针问题来解决求 的近似值的思想方法在科学占有重要的位置，人们用这一思想发现了随机模拟的方法.
蒲丰投针问题：平面上画有间隔为 的等距平行线，向平面任意投一枚长为 的针，求针与任一平行线相交的概率.进而求 的近似值.
对于 =50,100,500,1000,3000各做5次试验,分别求出 的近似值.写出书面报告、总结出随机模拟的思路.
在历史上人们对的计算非常感兴趣性发明了许多求的近似值的方法其中用蒲丰投针问题来解决求的近似值的思想方法在科学占有重要的位置人们用这一思想发现了随机模拟的方法
数学实验报告
实验序号：3日期：2015年4月20日
班级
13A
姓名
徐文婕
学号
134080041
实验
名称
随机模拟计算 的值----蒲丰投针问题
问题的背景：
实验过程：（含解决方法和基本步骤，主要程序清单及异常情况记录等）
n=
d=
ห้องสมุดไป่ตู้l=
10000
4
3
相交计数
相交次数
π≈2nl/kd

蒲丰投针试验
蒲丰资料
1777年,法国科学家蒲丰(Buffon)提ห้องสมุดไป่ตู้了投针 试验问题.平面上画有等距离为a(a>0)的一些平行直 线,现向此平面任意投掷一根长为b( b<a )的针,试求 针与某一平行直线相交的概率. 解 以 x表示针投到平面上时,
针的中点M到最近的一条平行
a
M x
直线的距离, 表示针与该平行直线的夹角.
1.0
0.75 0.83 0.5419
600
1030 3408 2520
382
489 1808 859
3.137
3.1595 3.1415929 3.1795
利用蒙特卡罗(Monte Carlo)法进行计算机模拟. 单击图形播放/暂停 ESC键退出 取a 1, b 0.85.
利用上式可计算圆周率π 的近似值.
历史上一些学者的计算结果(直线距离a=1)
试验者 Wolf Smith 时间 1850 1855 针长 0.8 0.6 投掷次数 相交次数 π的近似值 5000 3204 2532 1218 3.1596 3.1554
De Morgan 1860
Fox Lazzerini Reina 1884 1901 1925
那么针落在平面上的位置可由( x , )完全确定.
投针试验的所有可能结果与 矩形区域
a S {( x , ) 0 x ,0 π} 2 中的所有点一一对应 . 由投掷的任意性可知 这是一个几何概型问题.
a
M x
所关心的事件
o
A { 针与某一平行直线相交} 发生的充分必要条件为S 中的点满足 b 0 x sin , 0 π . 2

m( A) m()

A对应区域D的度量 对应区域S的度量
即等可能性
例（蒲丰投针问题）平面上有等距离的平行线，平行线间
的距离为a。向此平面任意投掷一枚长为l (l≤a) 的针，求针
与任一平行线相交的概率。
解：设M为针的中点，M点到最近平行线的距离为x，针与 平行线的夹角为θ。针的位置可由(x, θ)决定，
De Morgan(1860 1.0 600 年） Fox(1884年） 0.75 1030
相交次数 近似值 m
2532
3.1596
1219
3.1541
383
3.1332
489
3.1596
2

2l
m() a / 2 a
蒲丰投针实验的应用
利用随机模拟方法计算
P(A) 2l 2l
a
aP( A)
利用P(A)m/n。其中n为投掷次数，m为相交次数。 就可以近似计算。
实验者
l/a 投掷次数n
Wolf(1850年） 0.8 5000
Smith(1855年） 0.6 3204
概率论与数理统计
蒲丰投针试验
几何概型
定义： 若随机试验的样本空间对应一个度
量有限的几何区域S，每一基本事件与S内的 点一一对应，则任一随机事件A对应S中的某 一子区域D。若事件A的概率只与A对应的区 域D的度量成正比，而与D的形状及D在S中的 位置无关。则称为几何概型。
事件A发生的概率为：
样本空间：
{(x, ) | 0 x a / 2, 0 }
设A：针与任一条平行线相交。其充要条件为:
x l sin
2
l/2

蒲丰试验一天,法国数学家蒲丰请许多朋友到家里,做了一次试验.蒲丰在桌子上铺好一张大白纸,白纸上画满了等距离的平行线,他又拿出很多等长的小针,小针的长度都是平行线的一半.蒲丰说:“请大家把这些小针往这张白纸上随便仍吧！”客人们按他说的做了。

蒲丰的统计结果是：大家共掷2212次，其中小针与纸上平行线相交704次，2210÷704≈3.142。

蒲丰说：“这个数是π的近似值。

每次都会得到圆周率的近似值，而且投掷的次数越多，求出的圆周率近似值越精确。

”这就是著名的“蒲丰试验”。

笛卡儿笛卡儿，（1596-1650）法国哲学家，数学家，物理学家，解析几何学奠基人之一。

他认为数学是其他一切科学的理论和模型，提出了数学为基础，以演绎为核心的方法论，对后世的哲学。

数学和自然科Х⒄蛊鸬搅司薮蟮淖饔谩?笛卡儿分析了几何学和代数学的优缺点，表示要寻求一种包含这两门科学的优点而没有它们的缺点的方法，这种方法就是用代数方法，来研究几何问题--解析几何，《几何学》确定了笛卡儿在数学史上的地位，《几何学》提出了解析几何学的主要思想和方法，标志着解析几何学的诞生，思格斯把它称为数学的转折点，以后人类进入变量数学阶段。

笛卡儿还改进了韦达的符号记法，他用a、b、c……等表示已知数，用x、y、z……等表示未知数，创造了“=”，“”等符号，延用至今。

笛卡儿在物理学，生理学和天文学方面也有许多独到之处。

韦达韦达（1540-1603），法国数学家。

年青时学习法律当过律师，后从事政治活动，当过议会议员，在西班牙的战争中曾为政府破译敌军密码。

韦达还致力于数学研究，第一个有意识地和系统地使用字母来表示已知数、未知数及其乘幂，带来了代数理论研究的重大进步。

韦达讨论了方程根的多种有理变换，发现了方程根与分数的关系，韦达在欧洲被尊称为“代数学之父”。

1579年，韦达出版《应用于三角形的数学定律》，同时还发现，这是π的第一个分析表达式。

主要著有《分析法入门》、《论方程的识别与修正》、《分析五章》、《应用于三角形的数学定律》等，由于他贡献卓著，成为十六世纪法国最杰出的数学家。

（2006－3－7, 2009-9-18再修改）例 （ 蒲丰（Buffon ）投针随机试验的讨论 ） 在平面上画有相互距离均为2a 的平行线束，向平面上随机投一枚长为2l 的针，为了避免针与两平行线同时相交的复杂情况，假定0>>l a , 设M 为针的中点，y 为M 与最近平行线的距离，φ为针与平行线的交角（如图1）a y ≤≤0， πϕ≤≤0. 于是，很明显，针与平行线相交的充要条件是ϕsin l y ≤（如图2），故相交的概率为ald l a dy d a p l πϕϕπϕπϕππ2 sin 1 1sin 000===⎰⎰⎰ (1) 我们用n 表示投针次数， n S 表示针与平行线相交次数，由大数定理知，当n 充分大时，频率接近于概率，即aln S n π2≈ 于是有naS nl2≈π （2）这就是上面所说的用随机试验求π值的基本公式。

根据公式（2），19—20世纪，曾有不少学者做了随机投针试验，并得到了π的估计值 . 其中最详细的有如下两个 ：其中π的估计值就是利用π的近似公式（8）得到的，即1596.363320002532455000362≈=⨯⨯⨯≈π （Wolf ）1415929.31133551808334085.22≈=⨯⨯⨯≈π （Lazzarini ）一般情况下，随机抽样试验的精度是不高的，Wolf 的试验结果是π≈3.1596，只准确两位有效数字 .精度是由方差n p p n S D n )1(-=⎪⎭⎫⎝⎛决定的，为了确定概率p ，不妨取l =a 这一极限情况，这时π2≈p =0.6366，n n S D n 2313.0≈⎪⎭⎫⎝⎛，由积分极限定理， dx n p p p n S P x n n ⎰-∞→=⎪⎪⎭⎪⎪⎬⎫⎪⎪⎩⎪⎪⎨⎧≤--λλπλ221-e21)1(lim即频率n S n /近似地服从正态分布律()n p p p N /)1(,- . 如果要求以大于95%的概率（96.1=λ），保证以频率n S n /作为p 的近似值精确到三位有效数字，001.0≤-=p nS nε 即≈⎪⎪⎭⎫⎝⎛≤-001,0p n S P n 95.021/)1(001.0)1(001.0212≥⎰----np p np p x dx eπ则必须有96.1/)1(001.0=≥-λnp p根据上式，要求试验次数7.88001.0/231.096.122≈⨯≥n 万次 .至于Lazzarini 的试验，为什么实验次数少反而精确度却很高呢？这是由于这一试验结果恰好和祖冲之密率355/113相合，而祖冲之密率为无理数π的连分式，属于π的最佳有理逼近 . 很明显，作为一种具有随机性质的试验，其结果恰好与最佳有理逼近的结果一致是非常偶然的；顾及到上述讨论，故Lazzarini 的试验结果是不大可能的 .注：以上的讨论是第6章“假设检验”方法的一个有实际意义的例子。

蒲丰投针实验原理1.地球是一个球体：在蒲丰时代，人们普遍相信地球是一个球体，而蒲丰的实验就是为了验证这一点。

2.光线传播是直线传播：蒲丰认为光线传播是呈直线传播的，这是基于他对光学的观察和实验中得到的结论。

基于以上前提，蒲丰提出了以下实验步骤来验证地球的球形：1.准备一个平坦的地面：选择一个平坦的地面，比如一块大理石板或者是一个平整的木板。

2.准备一把针：选择一根细长的针，尽量确保它是笔直的。

3.垂直投放针：将针垂直地向地面投放，确保它垂直于地面，并且尽量避免针倾斜或弯曲。

4.观察针在地面上的分布：观察针在地面上的分布情况，看是否存在一定的规律。

理论上，如果地球是一个平坦的平面，那么无论针的位置如何投放，针都应该均匀地分布在地面上。

然而，如果地球是一个球体，那么针的位置投放将会影响其在地面上的分布。

由于地球表面的曲率，针的投放位置不同将导致一些规律的变化。

根据蒲丰的实验，当针被随机分布在地面上时，如果地球是一个球体，那么在一些特定范围内的细长物体的位置分布将会有所偏差。

这是因为在投针的过程中，总有一些针会与地面相交，而一些则不会。

蒲丰实验的原理是基于概率统计的方法。

通过计算和观察一系列接触和不接触地面的针，可以推导出地球的曲率和球形。

如果这些数据和理论上的期望一致，那么可以得出结论地球是球状的。

总结起来，蒲丰投针实验的原理是基于光线的直线传播以及地球的球形假设。

通过观察针在地面上的分布情况，可以验证地球是否是球状的。

这个实验的重要性在于它提供了一种简单直观的方法来验证古代关于地球形状的理论，并且可以通过实验数据来验证理论的正确性。