∫π每天一道数学题
← 返回概率经典例读
概率经典例读 · 第 3 讲 · 2026-10-08 · 约 6 分钟

布丰投针——用一根针算出圆周率

在桌上画几条平行线,随手扔一根针,数它压不压线——扔够多次,你就用一枚物理的针测量了 π。这不是比喻。

相交概率 P = 2l/(πd),投针估 π

相交概率 P = 2l/(πd),投针估 π

原书原文(英文)

Suppose that we take a card table and draw across the top surface a set of parallel lines a unit distance apart. We then drop a common needle of unit length at random on this surface and observe whether or not the needle lies across one of the lines.

一根针,一个 200 年前的老问题

1777 年,布丰(Georges-Louis Leclerc, Comte de Buffon)在法国科学院提了一个看起来像儿童游戏的问题:

在桌面画一组平行线,间距是 1。拿一根长度也是 1 的针,随手往上一扔。针会不会压在线上?

不是脑筋急转弯。这个问题提出来之后,真的有人一次次把针扔在了地上。

1850 年,一位叫 Wolf 的实验者做了 5000 次投针,得到 π≈3.1596\pi \approx 3.1596——算得粗,但方向没错。没有圆,没有弧,没有三角函数,没有积分。一枚缝衣针,就量出了圆周率。

这是概率论最早跟几何交界的地方之一,也是"随机过程能反噬确定常数"的第一个漂亮案例。

半个世纪后还有个更有名的插曲。1901 年,意大利数学家拉扎里尼(Lazzarini)宣布他投了 3408 次针,得到了精确到六位小数的 π\pi。数学界先是震惊,随后起了疑心:他刻意把针长选成线距的 5/65/6,于是压线概率变成 53π\dfrac{5}{3\pi},而 355113\dfrac{355}{113} 这个著名近似恰好要求 113/213113/213 的压线频率——而 3408=213×163408 = 213 \times 16。他多半是每投几次就停下来算一算,算出满意的结果才停手。

这是科学史上有名的"挑数据"案例,比单纯的成功实验更值得讲给学生:再漂亮的数字,如果游走在"恰好"上,就该反过来怀疑它。

这道题在问什么

三样东西在桌上:平行线,线距是 1;一根针,针长也是 1;还有"随手一扔"这个动作。

问题:压线的概率是多少?

这个 π\pi 会藏在答案里。为了让它浮出来,得先给"随手一扔"定坐标——这一步才是全篇的关节,也是学生最容易不明不白跳过去、最后只会背公式的一步。

算一下

定坐标。

一根针躺在桌面上,它由两个数决定:

  • 针的中点到最近那条线的距离,记作 dd;
  • 针与平行线的夹角,取锐角,记作 θ\theta。

由"线距是 1,针在中点量起",知

0≤d≤12,0≤θ≤π2.0 \le d \le \frac{1}{2}, \qquad 0 \le \theta \le \frac{\pi}{2}.

写出"压线"的条件。

把针看成一根杠杆,中点到线是它的"垂距",它在垂直于线方向的有效投影是 12sin⁡θ\dfrac{1}{2}\sin\theta。只要中点到线的距离比这个投影还小,针就会跨过那条线:

d<12sin⁡θ.d < \frac{1}{2}\sin\theta.

这一步没有神秘之处,就是把"斜着的针在垂直方向占多宽"算出来。

"随机"是什么意思——全篇的关键。

随手一扔,到底在随机化什么?

书里的假设是:(d,θ)(d,\theta) 这一对数,在长方形

0≤θ≤π2,0≤d≤120 \le \theta \le \frac{\pi}{2}, \qquad 0 \le d \le \frac{1}{2}

内均匀取值。注意这里不是在随机化"针的位置点",也不是在随机化"角度"单独一个量,而是在 (d,θ)(d,\theta) 这个矩形里均匀撒点。

均匀取值意味着:压线的概率 = 长方形里落在 d<12sin⁡θd < \dfrac{1}{2}\sin\theta 那块区域的面积比。

算面积。

长方形面积:

π2⋅12=π4.\frac{\pi}{2}\cdot\frac{1}{2} = \frac{\pi}{4}.

压线区域 EE 的面积是一次积分:

Area(E)=∫0π/212sin⁡θ dθ=12[−cos⁡θ]0π/2=12(0−(−1))=12.\text{Area}(E) = \int_0^{\pi/2}\frac{1}{2}\sin\theta\,d\theta = \frac{1}{2}\Big[-\cos\theta\Big]_0^{\pi/2} = \frac{1}{2}(0-(-1)) = \frac{1}{2}.

于是

P(E)=Area(E)长方形面积=1/2π/4=2π.P(E) = \frac{\text{Area}(E)}{\text{长方形面积}} = \frac{1/2}{\pi/4} = \frac{2}{\pi}.

答案出来了,而且 π\pi 真的就在里面。

倒过来就是一整套"用针算 π\pi"的流程:

π=2P(E).\pi = \frac{2}{P(E)}.

投 nn 次针,数其中压线次数 mm,mn\dfrac{m}{n} 估 P(E)P(E),于是 π≈2nm\pi \approx \dfrac{2n}{m}。

原书的实验数字。

书里的程序 BuffonsNeedle 投了一万次针,最后估计 π=3.139\pi = 3.139。看着只差 0.0030.003,但作者特意提醒了一句:这次准得有点运气。原因是 P(E)P(E) 的估误差控在千分位,经 π=2/P(E)\pi = 2/P(E) 一放大就明显了。真正靠谱的误差量级不是 0.0010.001,大约是 5/n5/\sqrt{n}——一万次针的话允许 0.050.05 的偏差,这次只是刚好落在好的那一侧。想用针把 π\pi 算到高精度,得投几百万次,没人真这么干。

这里的"随机"值得停下来吵一架

这个例子有个隐蔽的前提,原书在正文里专门点破了一次:"读者应当警惕这种样本空间的描述。"为什么?

因为"随手一扔"这四个字,和上一篇生日问题里完全不是一个用法。

生日问题里,随机化的是离散的、可数的结果(每个人落在那 365 天里哪一天),彼此不打架。

而这里,一根针有两个自由度。你可以在角度上均匀扔,也可以在中点位置上均匀扔,还可以在别的方式上"均匀"。这三种均匀,会给出不同的答案。 同书下一个例子(Example 2.1.5,贝特朗弦悖论)就把这事推到了极端:同一个问题,三种都合理的"随机",给出 1/21/2、1/31/3、1/41/4 三个答案。

布丰投针的干净,是建立在"我们明确声明了在 (d,θ)(d,\theta) 矩形上均匀"这个前提上的。不声明前提,连答案都不唯一。

一句话留给学生:"均匀"必须说清施加在哪个量上。

在课堂上怎么办

这个例子能做实操,而且比想象中便宜。

一支马克笔,一张方格纸,一盒牙签。把全班分成几组,每组投 100 次,把压线次数报上来。汇总成大数,用 π≈2n/m\pi \approx 2n/m 反推,跟 3.14163.1416 对一眼。

分组投 100 次得出的估计会散得很难看——但要的就是这个场面:有的组算出 2.82.8,有的算出 3.63.6。这时候再讲原书那句"我们没权利期待这么准",学生才真的信。

如果有条件,让学生顺手改一个参数再投:针长改成 2,压线概率会变。让他们先猜、再算、再投,看理论跟实验对不对得上。这一下就把 P(E)=2πP(E)=\dfrac{2}{\pi} 里那个"针长=线距"的特殊性给记住了。

学生最容易栽在哪

课堂提问

  1. 针长改成 1/21/2、22,压线概率会怎么变?π\pi 的算式还成立吗?
  2. 既然这实验能算 π\pi,为什么没人真靠它算 π\pi 的高精度值?误差从哪里来?
  3. 同一个"随机",贝特朗弦问题给出 1/21/2、1/31/3、1/41/4 三个答案(Example 2.1.5)。这和本例题里 2/π2/\pi 的唯一性矛盾吗?
— Y. · 2026-10-08
布丰投针——用一根针算出圆周率 · 概率经典例读第3讲