기본 실험 (L=1, D=2)
바늘 길이 1, 줄 간격 2로 10,000번 던지면 이론적 교차 확률은 1/π ≈ 31.83%이고, 약 3,183번 교차가 예상됩니다. π 추정값은 2×1/(0.3183×2) ≈ 3.142 정도가 됩니다.
10,000회 시뮬레이션으로 소수점 둘째 자리까지 근사할 수 있지만, 매 실행마다 약간의 변동이 있습니다.
뷔퐁의 바늘 실험
바늘을 던져 π를 추정하는 뷔퐁의 바늘 실험을 시뮬레이션합니다.
입력
바늘의 길이
평행선 사이 간격
회
π 추정값
π 추정값 —
시뮬레이션 계산 중
π 수렴 과정
차트 그리는 중…
실제 π ≈ 3.14159 (시행 횟수가 증가할수록 수렴)
풀이 보기
결과 공유하기
뷔퐁의 바늘 문제는 18세기 뷔퐁이 제안한 기하학적 확률 문제로, 평행선 위에 바늘을 무작위로 던져 선과 교차할 확률로 원주율 π를 추정합니다. 바늘 길이 L ≤ 줄 간격 D일 때 교차 확률은 P = 2L/(πD)입니다. L=1, D=2이면 P = 1/π ≈ 31.83%이고, 시뮬레이션에서 교차 비율로부터 π ≈ 2L/(P×D)로 역산합니다. 시행 횟수가 많을수록 π = 3.14159...에 수렴하는 과정을 수렴 차트로 확인할 수 있습니다. 기하학적 확률과 몬테카를로 방법의 고전적 예시로, 무작위 실험에서 수학 상수를 도출하는 원리를 직관적으로 이해할 수 있습니다.
실생활 예시
이럴 때 이렇게 계산해요.
짧은 바늘 vs 긴 바늘
L=1, D=2(짧은 바늘)이면 교차 확률 31.83%. L=3, D=2(긴 바늘)이면 교차 확률이 약 77.9%로 훨씬 높습니다. 교차 이벤트가 더 자주 발생하므로 통계적 정밀도가 향상됩니다.
바늘을 길게 하면 더 적은 시행으로 π에 수렴하지만, 공식이 복잡해지는 트레이드오프가 있습니다.
교실에서의 이쑤시개 실험
학생 30명이 각각 이쑤시개(6.5cm)를 10번씩 떨어뜨립니다. 줄 간격을 10cm로 설정하면 이론적 교차 확률은 2×6.5/(π×10) ≈ 41.4%입니다. 총 300번 시행으로 약 124번 교차가 예상됩니다.
π ≈ 2×6.5×300/(124×10) ≈ 3.145로 상당히 정확한 근사값을 얻을 수 있습니다. 확률 수업에서 학생들이 직접 체험할 수 있는 훌륭한 실험입니다.
수렴 속도 비교
100회 시뮬레이션으로는 π ≈ 2.8~3.6 범위의 값이 나옵니다. 1,000회면 3.0~3.3, 10,000회면 3.10~3.18, 100,000회면 3.135~3.148로 점점 좁아집니다.
정밀도를 1자리 더 높이려면 시행 횟수를 약 100배 늘려야 합니다. 이 느린 수렴(1/√n)은 몬테카를로 방법의 일반적 특성입니다.
관련 계산기
같이 쓰면 좋아요. 옆으로 넘겨 보세요.
자주 묻는 질문
궁금한 거 모아 봤어요. 눌러서 펼쳐 보세요.
바늘로 어떻게 π를 구할 수 있나요?
짧은 바늘(L ≤ D)의 교차 확률 공식 P = 2L/(πD)를 역산하면 π = 2L/(P×D)입니다. 바늘을 많이 던져서 교차 비율(P)을 구하면, 이 값으로 π를 추정할 수 있습니다. 던지는 횟수가 많을수록 정확해집니다.
바늘이 줄 간격보다 길면 어떻게 되나요?
L > D(긴 바늘)이면 공식이 더 복잡해집니다: P = (2/π)(L/D - √((L/D)²-1) + arccos(D/L)). 이 계산기는 긴 바늘 경우도 자동으로 처리합니다. 바늘이 길수록 교차 확률이 높아져 더 적은 시행으로도 π를 추정할 수 있습니다.
시뮬레이션 횟수는 얼마가 적당한가요?
1,000회면 π의 첫째 자리(3.1...)는 대체로 맞고, 10,000회면 둘째 자리(3.14...)까지 근접합니다. 100,000회 이상이면 셋째 자리까지 정확해지지만, 실용적으로는 다른 π 계산법이 훨씬 빠릅니다.
왜 바늘의 위치와 각도가 확률에 영향을 주나요?
바늘이 선과 교차하려면 바늘의 중심 위치와 기울기 각도가 특정 조건을 만족해야 합니다. 바늘 중심에서 가장 가까운 선까지의 거리를 d, 바늘과 선이 이루는 각도를 θ라 하면, d ≤ (L/2)sinθ일 때 교차합니다. 이 기하학적 조건에서 π가 자연스럽게 등장합니다.
뷔퐁의 바늘 실험을 실제로 해볼 수 있나요?
네, 종이에 일정 간격으로 평행선을 긋고 이쑤시개나 성냥개비를 무작위로 떨어뜨리면 됩니다. 100번 정도 던지면 π ≈ 3 정도의 근사값을 얻을 수 있습니다. 교육 현장에서 확률과 π의 관계를 체험하는 훌륭한 실험입니다.
몬테카를로 방법이란 무엇인가요?
무작위 시행을 반복하여 수학적 값을 추정하는 계산 기법입니다. 뷔퐁의 바늘은 몬테카를로 방법의 가장 오래된 예시 중 하나입니다. 현대에는 금융 공학, 물리 시뮬레이션, 인공지능 등에서 널리 사용됩니다.
다른 방법으로도 바늘 실험처럼 π를 구할 수 있나요?
네, 정사각형 안에 원을 그리고 무작위로 점을 찍어 원 안에 들어간 비율로 π를 추정하는 방법도 있습니다. 원의 넓이가 πr²이고 정사각형 넓이가 (2r)²이므로, 비율은 π/4가 됩니다. 뷔퐁의 바늘보다 직관적이지만 수렴 속도는 비슷합니다.
계산 원리
뷔퐁의 바늘 문제에서 바늘(길이 L)을 간격 D인 평행선 위에 던질 때, 바늘 중심에서 가장 가까운 선까지의 거리를 d(0 ≤ d ≤ D/2), 바늘과 선이 이루는 각도를 θ(0 ≤ θ ≤ π)라 하면, 교차 조건은 d ≤ (L/2)sinθ입니다.
짧은 바늘(L ≤ D)의 경우 교차 확률은: P = ∫₀^π ∫₀^{(L/2)sinθ} (2/D) × (1/π) dd dθ = (2L)/(πD). 이 적분에서 sinθ를 0부터 π까지 적분하면 2가 나오고, 여기서 자연스럽게 π가 분모에 등장합니다. 따라서 π = 2L/(P×D)로 역산할 수 있습니다.
이 실험의 정밀도는 1/√n에 비례합니다(n은 시행 횟수). π의 소수점 k번째 자리까지 정확하게 구하려면 약 10^(2k)번의 시행이 필요합니다. 실용적인 π 계산법은 아니지만, 기하학적 확률과 적분의 관계, 그리고 무작위 실험에서 수학 상수가 등장하는 아름다운 예시입니다.
사용 방법
바늘 설정
바늘 길이(L)와 평행선 간격(D)을 입력합니다.
시뮬레이션 설정
시뮬레이션 횟수를 설정합니다.
결과 확인
이론적/시뮬레이션 교차 확률, π 추정값, 수렴 차트를 확인합니다.
용어 사전
- 기하학적 확률
- 기하학적 도형의 길이, 넓이, 부피 등의 비율로 정의되는 확률. 뷔퐁의 바늘에서는 바늘의 위치와 각도가 이루는 영역의 비율로 교차 확률을 구합니다.
- 몬테카를로 방법
- 무작위 시행을 대량으로 반복하여 수학적 값을 추정하는 계산 기법. 뷔퐁의 바늘은 역사상 최초의 몬테카를로 방법 중 하나입니다.
- 원주율(π)
- 원의 둘레와 지름의 비율. 약 3.14159로, 수학과 과학 전반에서 등장하는 기본 상수입니다.
- 수렴
- 시행 횟수가 늘어남에 따라 추정값이 참값에 점점 가까워지는 현상. 뷔퐁의 바늘에서는 시뮬레이션 횟수가 늘수록 π 추정값이 3.14159...에 수렴합니다.
- 적분
- 연속적인 값의 합을 구하는 수학적 연산. 뷔퐁의 바늘 교차 확률은 각도 θ에 대한 적분으로 계산됩니다.
- 균등 분포
- 구간 내 모든 값이 동일한 확률로 나타나는 분포. 바늘의 중심 위치(d)와 각도(θ)가 각각 균등 분포를 따른다고 가정합니다.
- 표준 오차
- 추정값의 불확실성을 나타내는 지표. 시행 횟수 n이 늘면 표준 오차는 1/√n에 비례하여 줄어듭니다.