Vos choix de confidentialité

KiwiBee utilise des cookies facultatifs Google Analytics, Google Ads et Meta Pixel pour comprendre les visiteurs adultes, mesurer les inscriptions finalisées et améliorer ses campagnes. Les cookies essentiels restent toujours actifs. Le pixel publicitaire ChatGPT d’OpenAI mesure aussi les pages vues et les demandes envoyées après consentement publicitaire, et peut utiliser des coordonnées hachées pour la mise en correspondance. Politique de confidentialité

Passer au contenu principal

Monte Carlo et aiguille de Buffon

À propos de cette simulation

Monte Carlo et aiguille de Buffon démontre comment le hasard peut résoudre des problèmes géométriques déterministes. En mode sphère dans un cube (3D), des points aléatoires (x, y, z) pleuvent dans un cube de côté 2R ; comme la sphère inscrite occupe exactement π/6 ≈ 52,36% du volume du cube, multiplier la fraction d'impacts intérieurs dorés par 6 estime π. Les élèves peuvent également passer au rapport classique cercle dans un carré 2D (π/4) ou aux aiguilles de Buffon, où des bâtons de longueur L jetés sur des lattes de parquet espacées de D traversent une ligne avec une probabilité 2L/(πD). Glisser l'émetteur suspendu ou déclencher des rafales de 500 échantillons entraîne la courbe de convergence en direct vers 3,14159 par la loi des grands nombres.

Ce que les élèves peuvent explorer

  • Observez les premiers échantillons en mode sphère dans un cube (3D) fluctuer largement sur le graphique de convergence, puis cliquez plusieurs fois sur Lancer une rafale de 500 pour voir la courbe s'établir près de 3,1416.
  • Glissez ou cliquez sur l'anneau émetteur doré lumineux au-dessus du cube pour faire pleuvoir des rafales concentrées de dards dans le volume.
  • Basculez le mode de simulation sur cercle dans un carré (2D) et comparez le pourcentage d'impacts (~78,5% = π/4) avec le pourcentage d'impacts de la sphère 3D (~52,4% = π/6).
  • Sélectionnez le mode aiguilles de Buffon pour jeter des bâtons 3D sur des lignes quadrillées parallèles et voir les aiguilles qui se croisent s'illuminer en or.
  • Utilisez Effacer les échantillons et exécutez trois essais distincts de N = 500 pour observer la variance statistique dans l'estimation de Monte Carlo.

Objectifs d'apprentissage

  1. 1Dérivez les rapports de probabilité géométrique V_sphère / V_cube = π/6 et A_cercle / A_carré = π/4.
  2. 2Expliquez comment la loi des grands nombres garantit qu'une proportion d'échantillons de Monte Carlo K/N converge vers la vraie probabilité à mesure que N grandit.
  3. 3Décrivez comment l'aiguille de Buffon relie la probabilité géométrique d'angles et de positions aléatoires à π.
  4. 4Analysez pourquoi l'erreur d'estimation de Monte Carlo diminue proportionnellement à 1/√N.

Questions fréquentes des enseignants

Pourquoi 6 fois (impacts / total) estime-t-il π en mode sphère dans un cube 3D ?

Un cube s'étendant de −R à +R a une longueur de côté de 2R et un volume de (2R)³ = 8R³. Une sphère de rayon R inscrite à l'intérieur a un volume de (4/3)πR³. Diviser le volume de la sphère par le volume du cube annule R³ et donne (4/3)π / 8 = π / 6, d'où π = 6 × (V_sphère / V_cube).

Comment l'aiguille de Buffon estime-t-elle π à l'aide de bâtons jetés ?

En 1777, Georges-Louis Leclerc, comte de Buffon, a montré qu'lorsqu'une aiguille de longueur L (avec L ≤ D) est jetée aléatoirement sur des lignes parallèles espacées de D, la probabilité de croiser une ligne est P = 2L / (πD). En réarrangeant, on obtient π ≈ 2L·N / (D·K).

Pourquoi l'estimation de π oscille-t-elle pour de petites tailles d'échantillons N ?

L'échantillonnage aléatoire a une erreur standard proportionnelle à 1/√N. Avec seulement 50 dards, quelques impacts chanceux ou malchanceux décalent le rapport de plusieurs pourcents ; réduire l'erreur d'un facteur 10 nécessite 100 fois plus d'échantillons.

Où les méthodes de Monte Carlo sont-elles utilisées en sciences et en ingénierie réelles ?

Les simulations de Monte Carlo sont essentielles en physique de grande dimension, en transport de rayonnement, en modélisation des risques financiers, en lancer de rayons pour infographie et en recherche arborescente par IA où les intégrales exactes ont trop de dimensions pour être résolues sur une grille.

Intégrer cette simulation

Placez-la dans votre ENT, votre blog ou le site de la classe — gratuitement.

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

Continuer à explorer

D'autres modèles scientifiques interactifs

Du modèle à la trace écrite

Associez cette simulation à une fiche imprimable

Utilisez une fiche pour recueillir les prédictions, les observations et les explications après l'exploration des élèves.

Faites entrer les sciences interactives dans votre classe

L'espace enseignant gratuit de KiwiBee réunit au même endroit la préparation des séances, les fiches, les outils de classe et le carnet de notes.

Commencez gratuitement et créez votre première classe

ou découvrez l'espace enseignant →