مونٹی کارلو پائی اور بوفن کی سوئی 3D

اس سمیولیشن کے بارے میں

مونٹی کارلو اور بوفن کی سوئی یہ ظاہر کرتی ہے کہ بے ترتیبی کس طرح تعیناتی جیومیٹرک مسائل کو حل کر سکتی ہے۔ Sphere in Cube (3D) موڈ میں، سائیڈ 2R کے کیوب میں رینڈم پوائنٹس (x, y, z) برسا رہے ہیں۔ چونکہ جڑا ہوا دائرہ کیوب کے حجم کا بالکل π/6 ≈ 52.36% گھیرتا ہے، اس لیے سونے کے اندر کے ہٹس کے کسر کو 6 سے ضرب دینے سے π کا تخمینہ لگتا ہے۔ طلبا کلاسک 2D Circle in Square تناسب (π/4) یا بوفن کی سوئیوں پر بھی سوئچ کر سکتے ہیں، جہاں D کے علاوہ اسپیسڈ فلور بورڈز پر گرائی جانے والی لمبائی L کی چوبیں 2L/(πD) کے امکان کے ساتھ لائن کو عبور کرتی ہیں۔ اوورہیڈ ایمیٹر کو گھسیٹنا یا 500-سیمپل برسٹ فائر کرنا لارج نمبرز کے قانون کے ذریعہ لائیو کنورجنس منحنی خطوط کو 3.14159 کی طرف چلاتا ہے۔

طلبہ کیا دریافت کر سکتے ہیں

Sphere in Cube (3D) موڈ میں ابتدائی نمونوں کو کنورجنس چارٹ پر وسیع پیمانے پر اتار چڑھاؤ کرتے ہوئے دیکھیں، پھر منحنی خطوط کو 3.1416 کے قریب بستے ہوئے دیکھنے کے لیے Drop 500 Burst پر کئی بار کلک کریں۔
حجم میں ڈارٹس کے مرتکز برسٹ برسا کرنے کے لیے کیوب کے اوپر چمکتے ہوئے گولڈ ایمیٹر رنگ کو گھسیٹیں یا اس پر کلک کریں۔
سمولیشن موڈ کو Circle in Square (2D) میں تبدیل کریں اور 3D اسفیئر ہहिट پرسنٹیج (~52.4% = π/6) کے ساتھ ہٹ پرسنٹیج (~78.5% = π/4) کا موازنہ کریں۔
متوازی رولڈ لائنوں پر 3D چوبیں گرانے کے لیے Buffon's Needles موڈ کو منتخب کریں اور کراسنگ سوئیوں کو سونا روشن ہوتے ہوئے دیکھیں۔
کلیئر سیمپل استعمال کریں اور مونٹی کارلو تخمینے میں شماریاتی فرق کا مشاہدہ کرنے کے لیے N = 500 کے تین الگ الگ ٹرائلز چلائیں۔

تدریسی مقاصد

1جیومیٹرک امکان کے تناسب V_sphere / V_cube = π/6 اور A_circle / A_square = π/4 اخذ کریں۔
2وضاحت کریں کہ لارج نمبرز کا قانون اس بات کی ضمانت کیسے دیتا ہے کہ مونٹی کارلو سیمپل تناسب K/N جیسے جیسے N بڑھتا ہے سچے امکان کے ساتھ متارب ہوتا ہے۔
3بیان کریں کہ بوفن کی سوئی بے ترتیب زاویوں اور پوزیشنوں کے جیومیٹرک امکان کو π سے کیسے جوڑتی ہے۔
4تجزیہ کریں کہ مونٹی کارلو تخمینے کی خرابی 1/√N کے متناسب طور پر کیوں کم ہوتی ہے۔

اساتذہ کے عام سوالات

3D اسفیئر ان کیوب موڈ میں 6 بار (ہٹس / کل) پائی کا تخمینہ کیوں لگاتا ہے؟

−R سے +R تک پھیلنے والا کیوب سائیڈ کی لمبائی 2R اور حجم (2R)³ = 8R³ رکھتا ہے۔ اس کے اندر جڑا ہوا رداس R کا ایک اسفیئر حجم (4/3)πR³ رکھتا ہے۔ اسفیئر کے حجم کو کیوب کے حجم سے تقسیم کرنے سے R³ منسوخ ہو جاتا ہے اور (4/3)π / 8 = π / 6 ملتا ہے، لہذا π = 6 × (V_sphere / V_cube)۔

بوفن کی سوئی گرائی گئی چھڑیوں کا استعمال کرتے ہوئے پائی کا تخمینہ کیسے لگاتی ہے؟

1777 میں جارجز لوئس لیک کلرک، کامٹے ڈی بوفون نے دکھایا کہ جب لمبائی L کی ایک سوئی (L ≤ D کے ساتھ) D کے علاوہ فاصلے پر متوازی لائنوں پر بے ترتیب طور پر گرائی جاتی ہے، تو لائن کو عبور کرنے کا امکان P = 2L / (πD) ہوتا ہے۔ دوبارہ ترتیب دینے سے π ≈ 2L·N / (D·K) ملتا ہے۔

چھوٹے سیمپل سائز N پر پائی کا تخمینہ ادھر ادھر کیوں اچھلتا ہے؟

بے ترتیب نمونے لینے میں معیاری خرابی 1/√N کے متناسب ہوتی ہے۔ صرف 50 ڈارٹس کے ساتھ، چند خوش قسمت یا بدقسمت ہٹس تناسب کو کئی فیصد تک شفط کرتے ہیں؛ خرابی کو 10 کے عنصر سے کم کرنے کے لیے 100 گنا زیادہ نمونوں کی ضرورت ہوتی ہے۔

असली سائنس اور انجینئرنگ میں مونٹی کارلو کے طریقے کہاں استعمال ہوتے ہیں؟

مونٹی کارلو سمولیشنز اعلی جہتی فزکس، تابکاری کی نقل و حمل، مالیاتی خطرے کی ماڈلنگ، کمپیوٹر گرافکس رے ٹ্রেসিং، اور AI ٹری تلاش میں ضروری ہیں جہاں عین انٹیگرلز کو گرڈ پر حل کرنے کے لیے بہت زیادہ جہتیں ہوتی ہیں۔

یہ سمیولیشن اپنی سائٹ میں شامل کریں

اسے اپنے ایل ایم ایس، بلاگ یا کلاس کی ویب سائٹ پر لگائیں — مفت۔

<iframe src="https://kiwibee.io/ur/simulations/monte-carlo-probability-pi-3d-3d-simulation/embed" title="مونٹی کارلو اور بوفن کی سوئی | KiwiBee" loading="lazy" allowfullscreen style="width:100%;height:min(70vh,620px);min-height:420px;border:0;border-radius:16px"></iframe>

دریافت جاری رکھیں

کوئی بھی دالہ لکھیے اور فوراً اُس کی شکل دیکھیے۔ موازنے کے لیے تین رنگوں میں بیک وقت تین تک بنائیے، منحنی سے قدر پڑھنے کے لیے سراغ نقطہ کھینچیے، اور دیکھیے کہ ہر ایک صفر کو کہاں کاٹتا ہے۔

—

چرخی گھمائیے، سکہ اچھالیے یا پانسا پھینکیے، اور ستونوں کے دو گروہ دیکھیے: شکلیں جو امکان بتاتی ہیں، اور جو نتائج آپ کو واقعی ملے۔ دس چکر کچھ ثابت نہیں کرتے؛ چند سو کے بعد دونوں میں فرق کرنا مشکل ہو جاتا ہے۔

—

m سرکائیے اور خط کو جھکتے دیکھیے؛ b سرکائیے اور اُسے اوپر نیچے پھسلتے دیکھیے۔ یا خط کے دونوں نقطے کھینچیے اور وہ مساوات پڑھیے جو خط آپ کو لکھ کر لوٹاتا ہے۔ 'چڑھائی بٹا چال' والی سیڑھی خط پر چڑھتی ہے، تاکہ ڈھلان ایسی چیز بن جائے جسے آپ گِن سکیں۔

—

دو اجسام، تین اجسام اور N اجسام کی کششِ ثقل کی جھلک

دو اجسام کے مدار کا تین اجسام کی آٹھ نما حرکت سے موازنہ کریں، پھر بارہ تک اجسام شامل کریں۔ ابتدائی کمیت، رفتار اور مقام بدلیں؛ راستے اور توانائی کی عددی خطا دیکھیں۔

—

منحنی کے نیچے کے رقبے کا تخمینہ پٹیوں سے لگائیے اور چنیے کہ ہر پٹی اپنی بلندی کہاں سے لے: بایاں کنارہ، دایاں کنارہ، وسط، یا ڈھلوان چوٹی۔ پٹیوں کی تعداد بڑھائیے اور خطا کو گرتے دیکھیے، جبکہ چلتا مجموعہ اپنے الگ منحنی کی صورت بنتا جاتا ہے۔

—

ماڈل سے شواہد تک

طلبہ کے دریافت کرنے کے بعد ان کے اندازے، مشاہدات اور وضاحتیں لکھوانے کے لیے ورک شیٹ استعمال کریں۔