Estimating $\pi$ with a Coin

El artículo describe un nuevo método de Monte Carlo para estimar $\pi$ mediante el lanzamiento de una moneda, el cual se basa en identidades de series de números de Catalan que, aunque conocidas en la literatura de teoría de probabilidades, se interpretan aquí de una manera novedosa para representar $\frac{\pi}{4}$.

Lo esencial

¡Hola! Imagina que tienes una moneda y un objetivo muy curioso: quieres descubrir el número mágico π (pi, ese 3.14159... que usamos para calcular círculos) sin usar ni una sola regla ni compás, solo lanzando esa moneda al aire.

El artículo de Jim Propp nos cuenta cómo hacer exactamente eso. Aquí te lo explico como si fuera una historia de aventuras:

1. La Regla del Juego: "¡Gana la mayoría!"

Imagina que estás en una carrera entre dos equipos: Cabezas y Colas.

• Lanzas la moneda una y otra vez.
• Llevas la cuenta: ¿Cuántas Cabezas y cuántas Colas han salido?
• La regla de parada: Dejas de lanzar exactamente en el momento en que el equipo de las Cabezas supera por primera vez al equipo de las Colas.

Un ejemplo:

1. Sale Colas (Cabezas 0, Colas 1). ¡Aún no ganamos!
2. Sale Cabezas (Cabezas 1, Colas 1). Empate, seguimos.
3. Sale Colas (Cabezas 1, Colas 2). ¡Colas llevan ventaja!
4. Sale Cabezas (Cabezas 2, Colas 2). Empate de nuevo.
5. Sale Cabezas (Cabezas 3, Colas 2). ¡ALTO! ¡Cabezas ha superado a Colas por primera vez!

En este momento, anotas una "puntuación": ¿Qué porcentaje de los lanzamientos fueron Cabezas?
En el ejemplo: Lanzaste 5 veces y salieron 3 Cabezas. Tu fracción es 3/5 (o 0.6).

2. La Magia de Repetir

Ahora, imagina que haces esto una y otra vez.

• Vuelta 1: Lanzaste hasta que Cabezas ganó. Anotaste 3/5.
• Vuelta 2: Empiezas de cero. Quizás esta vez tardaste más. Anotaste, digamos, 2/3.
• Vuelta 3: Otra vez de cero. Anotaste 4/7.

Si haces esto miles de veces y sacas el promedio de todas esas fracciones, ¡sucede algo increíble! Ese promedio se acercará cada vez más al número π dividido entre 4 (es decir, 3.14159... / 4 ≈ 0.785).

3. ¿Por qué funciona? (La analogía del "Caminante Borracho")

Para entenderlo, imagina a un "caminante borracho" que empieza en el punto cero.

• Si sale Cabeza, da un paso hacia la derecha (+1).
• Si sale Cola, da un paso hacia la izquierda (-1).

El juego termina cuando este caminante llega por primera vez al punto +1 (donde las Cabezas ganan).

• A veces, el caminante se pierde mucho tiempo dando vueltas alrededor de cero antes de lograr ese paso final hacia la derecha.
• A veces, logra llegar rápido.

La matemática detrás de esto (usando algo llamado "números de Catalan", que son como una receta secreta para contar caminos) nos dice que, aunque cada carrera es diferente, si promediamos todos los resultados, la naturaleza nos está revelando el valor de π. Es como si el caos de los lanzamientos de moneda estuviera "esculpiendo" el número pi en el promedio.

4. ¿Es práctico? (La realidad del juego)

El autor es muy honesto: No es una forma rápida de calcular π.

• Piensa en esto: Si lanzas la moneda 10,000 veces en total (repartidas en muchas carreras), tu resultado será aproximadamente 3.22. ¡No es muy preciso!
• Para obtener un resultado muy cercano a 3.14, necesitarías lanzar la moneda un billón de veces.
• Si lanzaras una moneda cada segundo, tardarías más de 30,000 años en terminar.

Así que, aunque es una idea matemática hermosa y elegante, no es útil para calcular π en la vida real. Es más bien un truco de magia matemática para demostrar que el azar y los círculos están conectados de formas sorprendentes.

5. Un dato curioso extra

El autor menciona una variación divertida:

• Si cambias la regla y dices: "Para cuando las Cabezas ganen por 2 puntos en lugar de 1", el promedio mágico deja de ser π/4 y se convierte en ln 2 (un número relacionado con los logaritmos, aproximadamente 0.693).
• Parece que si el margen de victoria es un número par, sale un logaritmo, y si es impar, sale π. ¡El universo tiene sus propias reglas de paridad!

En resumen

Este papel nos invita a ver las matemáticas no como fórmulas aburridas en una pizarra, sino como un juego de monedas. Nos enseña que si tienes paciencia y lanzas una moneda suficiente veces hasta que "Cabezas" gane por primera vez, el promedio de tus resultados te susurrará el secreto del número π. Es una prueba de que, incluso en el azar más puro, hay un orden matemático esperando a ser descubierto.

Resumen técnico

A continuación presento un resumen técnico detallado del artículo "Estimating π with a Coin" (Estimación de π con una moneda), escrito por Jim Propp.

1. Problema y Contexto

El artículo aborda un problema clásico en la teoría de probabilidades y el análisis numérico: la estimación del número $\pi$ mediante métodos de Monte Carlo. Mientras que el método de la aguja de Buffon es bien conocido (donde la probabilidad de que una aguja cruce una línea es $2/\pi$), Propp propone un enfoque alternativo basado en el lanzamiento de una moneda justa. El objetivo es demostrar que el valor esperado de una proporción específica de lanzamientos, deteniéndose bajo una condición de "parada" definida, converge exactamente a$\pi/4$.

2. Metodología

El método se basa en la teoría de caminatas aleatorias simples y tiempos de parada.

• Definición del Proceso: Se considera una secuencia de lanzamientos de una moneda justa.
  • $H_n$: Número de caras (heads) en los primeros $n$ lanzamientos.
  • $T_n$: Número de cruces (tails) en los primeros $n$ lanzamientos.
  • $S_n = H_n - T_n$: Una caminata aleatoria simétrica en los enteros $\mathbb{Z}$, comenzando en $S_0 = 0$.
• Condición de Parada ($\tau$): Se define el tiempo de parada $\tau$ como el primer instante en que el número de caras supera al número de cruces:
  $$\tau = \min\{n \ge 1 : S_n > 0\}$$
  Dado que la caminata cambia en pasos de $\pm 1$, $\tau$ solo puede tomar valores impares ($2k+1$).
• Variable de Interés: Se registra la fracción de caras en el momento de la parada:
  $$\frac{H_\tau}{\tau}$$
  Donde, si $\tau = 2k+1$, entonces $H_\tau = k+1$ y $T_\tau = k$.

3. Derivación Matemática y Resultados Clave

El autor demuestra que el valor esperado de esta fracción es $\pi/4$.

• Distribución de Probabilidad: La probabilidad de que el tiempo de parada ocurra en $n = 2k+1$ está relacionada con los números de Catalan ($C_k$):
  $$P(\tau = 2k+1) = \frac{1}{2 \cdot 4^k} \frac{1}{k+1} \binom{2k}{k}$$
• Cálculo del Valor Esperado:
  El valor esperado $E[H_\tau/\tau]$ se calcula sumando sobre todos los posibles $k$:
  $$E\left[\frac{H_\tau}{\tau}\right] = \sum_{k \ge 0} P(\tau = 2k+1) \cdot \frac{k+1}{2k+1}$$
  Sustituyendo la probabilidad y simplificando, la serie resultante es:
  $$E\left[\frac{H_\tau}{\tau}\right] = \frac{1}{2} \sum_{k \ge 0} \frac{1}{4^k} \frac{1}{2k+1} \binom{2k}{k}$$
• Conexión con la Función Arcoseno:
  La serie de potencias para $\arcsin(x)$ es:
  $$\arcsin(x) = \sum_{n=0}^{\infty} \frac{1}{2^{2n}} \binom{2n}{n} \frac{x^{2n+1}}{2n+1}$$
  Evaluando en $x=1$, se obtiene $\arcsin(1) = \pi/2$. Por lo tanto:
  $$E\left[\frac{H_\tau}{\tau}\right] = \frac{1}{2} \arcsin(1) = \frac{\pi}{4}$$

4. Contribuciones Principales

1. Interpretación Probabilística Nueva: Aunque las identidades de series relacionadas con los números de Catalan y la función arcoseno son conocidas en la literatura clásica (implícitas en fuentes como [2]), la interpretación de $\pi/4$ como el valor esperado de la proporción de caras al momento de la primera ventaja en un lanzamiento de moneda parece ser una contribución original del autor.
2. Prueba Probabilística de Desigualdades: El artículo ofrece una prueba probabilística elegante del hecho conocido de que $3 < \pi < 4$. Dado que la fracción$H_\tau/\tau$es siempre mayor que$1/2$(y a menudo igual a 1), su valor esperado debe estar estrictamente entre$3/4$y$1$, lo que implica que$\pi/4$ está en ese rango.
3. Generalización a Diferentes Superávits:
   • Si la condición de parada cambia a que las caras superen a las cruces por +2 (en lugar de +1), el valor esperado de la proporción cambia a $\ln(2)$.
   • El autor sugiere (basado en derivaciones no verificadas de IA) que para un superávit $a$, el resultado involucra $\pi$ si $a$ es impar y $\ln(2)$ si $a$ es par, aunque esto se deja como conjetura para investigación futura.

5. Significado y Limitaciones Prácticas

• Eficiencia de Estimación: El artículo advierte que, aunque el método es teóricamente exacto, es extremadamente ineficiente para estimar $\pi$ numéricamente.
  • La tasa de convergencia del error es del orden de $1/N^{1/4}$, donde$N$ es el número total de lanzamientos.
  • Un ejemplo citado muestra que con 10,000 lanzamientos, la estimación fue 3.2266 (error ~0.08).
  • Para obtener una precisión cercana a 3.14, se requerirían aproximadamente un billón ($10^{12}$) de lanzamientos, lo que tomaría más de 30,000 años a un ritmo de un lanzamiento por segundo.
• Comparación con Otros Métodos: Se menciona que existen algoritmos basados en monedas (como el de Flajolet, Pelletier y Soria) que son mucho más eficientes que este método específico.
• Valor Educativo: El método es ideal para demostraciones en aulas o clubes de matemáticas para ilustrar conceptos de caminatas aleatorias, tiempos de parada y la conexión entre combinatoria (Catalan) y constantes trascendentes, a pesar de su lentitud práctica.

Conclusión

El artículo de Jim Propp establece un vínculo elegante y novedoso entre la teoría de la probabilidad discreta y la constante $\pi$. Proporciona una demostración rigurosa de que el valor esperado de la proporción de éxitos en el momento de la primera ventaja en una caminata aleatoria simétrica es $\pi/4$, sirviendo tanto como una curiosidad matemática profunda como una herramienta pedagógica, aunque no como un método práctico de cálculo numérico.