Tus opciones de privacidad

KiwiBee usa cookies opcionales de Google Analytics, Google Ads y Meta Pixel para entender a los visitantes adultos, medir los registros completados y mejorar las campañas. Las cookies esenciales siempre permanecen activas. El píxel de anuncios de ChatGPT de OpenAI también mide las visitas y las consultas enviadas tras aceptar la publicidad, y puede usar datos de contacto cifrados mediante hash para la atribución. Política de privacidad

Ir al contenido principal

Monte Carlo y la aguja de Buffon

Sobre esta simulación

Monte Carlo y la aguja de Buffon demuestra cómo la aleatoriedad puede resolver problemas geométricos deterministas. En el modo esfera en cubo (3D), puntos aleatorios (x, y, z) caen en un cubo de lado 2R; dado que la esfera inscrita ocupa exactamente π/6 ≈ 52.36% del volumen del cubo, multiplicar la fracción de aciertos dorados dentro por 6 estima π. Los estudiantes también pueden cambiar a la relación clásica círculo en cuadrado 2D (π/4) o a las agujas de Buffon, donde palos de longitud L dejados caer aleatoriamente sobre tablas de piso espaciadas D cruzan una línea con probabilidad 2L/(πD). Arrastrar el emisor superior o disparar ráfagas de 500 muestras impulsa la curva de convergencia en vivo hacia 3.14159 por la ley de los grandes números.

Qué pueden explorar los alumnos

  • Observa cómo las primeras muestras en el modo esfera en cubo (3D) fluctúan ampliamente en el gráfico de convergencia, luego haz clic en lanzar ráfaga de 500 varias veces para ver cómo la curva se estabiliza cerca de 3.1416.
  • Arrastra o haz clic en el anillo emisor dorado brillante sobre el cubo para llover ráfagas concentradas de dardos en el volumen.
  • Cambia el modo de simulación a círculo en cuadrado (2D) y compara el porcentaje de aciertos (~78.5% = π/4) con el porcentaje de aciertos de la esfera 3D (~52.4% = π/6).
  • Selecciona el modo de agujas de Buffon para dejar caer palos 3D sobre líneas pautadas paralelas y ver cómo las agujas que cruzan se iluminan en oro.
  • Usa borrar muestras y ejecuta tres pruebas separadas de N = 500 para observar la variación estadística en la estimación de Monte Carlo.

Objetivos de aprendizaje

  1. 1Deriva las razones de probabilidad geométrica V_esfera / V_cubo = π/6 y A_círculo / A_cuadrado = π/4.
  2. 2Explica cómo la ley de los grandes números garantiza que una proporción de muestra de Monte Carlo K/N converja a la verdadera probabilidad a medida que N crece.
  3. 3Describe cómo la aguja de Buffon conecta la probabilidad geométrica de ángulos y posiciones aleatorias con π.
  4. 4Analiza por qué el error de estimación de Monte Carlo disminuye proporcionalmente a 1/√N.

Preguntas frecuentes de los docentes

¿Por qué 6 veces (aciertos / total) estima π en el modo esfera en cubo 3D?

Un cubo que se extiende de −R a +R tiene una longitud de lado 2R y volumen (2R)³ = 8R³. Una esfera de radio R inscrita dentro de él tiene un volumen (4/3)πR³. Dividir el volumen de la esfera por el volumen del cubo cancela R³ y da (4/3)π / 8 = π / 6, por lo que π = 6 × (V_esfera / V_cubo).

¿Cómo estima π la aguja de Buffon usando palos caídos?

En 1777, Georges-Louis Leclerc, conde de Buffon, demostró que cuando una aguja de longitud L (con L ≤ D) se deja caer aleatoriamente sobre líneas paralelas espaciadas D, la probabilidad de cruzar una línea es P = 2L / (πD). Reorganizar da π ≈ 2L·N / (D·K).

¿Por qué la estimación de π rebota en tamaños de muestra pequeños N?

El muestreo aleatorio tiene un error estándar proporcional a 1/√N. Con solo 50 dardos, unos pocos aciertos afortunados o desafortunados desplazan la proporción en varios por ciento; reducir el error por un factor de 10 requiere 100 veces más muestras.

¿Dónde se utilizan los métodos de Monte Carlo en la ciencia y la ingeniería reales?

Las simulaciones de Monte Carlo son esenciales en física de alta dimensión, transporte de radiación, modelado de riesgos financieros, trazado de rayos en gráficos por computadora y búsqueda de árboles en IA donde las integrales exactas tienen demasiadas dimensiones para resolverse en una cuadrícula.

Insertar esta simulación

Colócala en tu LMS, blog o sitio de clase, gratis.

<iframe src="https://kiwibee.io/es/simulations/monte-carlo-probability-pi-3d-3d-simulation/embed" title="Monte Carlo y la aguja de Buffon | KiwiBee" loading="lazy" allowfullscreen style="width:100%;height:min(70vh,620px);min-height:420px;border:0;border-radius:16px"></iframe>

Sigue explorando

Más modelos científicos interactivos

Del modelo a la evidencia

Combina esta simulación con una ficha imprimible

Usa una ficha para recoger predicciones, observaciones y explicaciones después de que los alumnos exploren.

Lleva la ciencia interactiva a tu aula

El espacio de trabajo gratuito para docentes de KiwiBee reúne en un solo lugar la planificación de clases, las fichas, las herramientas de aula y el libro de calificaciones.

Empieza gratis y crea tu primera clase

o explora el espacio de trabajo docente →