Estimating $\pi$ with a Coin

Il documento descrive un semplice metodo Monte Carlo per stimare il valore di $\pi$ lanciando una moneta, offrendo una nuova interpretazione di $\frac{\pi}{4}$ basata su identità di numeri di Catalan.

L'essenziale

Ecco una spiegazione semplice e creativa dell'articolo di Jim Propp, pensata per chiunque, anche senza una laurea in matematica.

🪙 L'Estimatore di π con una Moneta: Una Storia di Teste, Code e Sorprese

Immagina di essere in una piazza affollata e di avere una moneta in mano. Di solito, usiamo le monete per giocare a "testa o croce" per decidere chi paga il caffè o chi va per primo. Ma Jim Propp, un matematico, ci dice: *"E se usassimo questa moneta per calcolare il numero più famoso della matematica, π (pi greco), che è circa 3,14?"*

Sembra magia, ma è solo una questione di pazienza e di un piccolo trucco statistico.

🎮 Il Gioco: "Fino a quando non vinco"

Ecco come funziona l'esperimento, passo dopo passo:

1. Inizia a lanciare la moneta. Tieni un conto delle "Teste" (H) e delle "Code" (T).
2. Il gioco continua finché... le Teste non superano le Code per la prima volta.
   • Esempio: Se lanci: Coda, Testa, Coda, Testa, Testa.
   • Al primo lancio: 0 Teste, 1 Coda (Perdi).
   • Al secondo: 1 Testa, 1 Coda (Pari).
   • Al terzo: 1 Testa, 2 Code (Perdi ancora).
   • Al quarto: 2 Teste, 2 Code (Pari).
   • Al quinto: 3 Teste, 2 Code (Vittoria! Le Teste hanno superato le Code).
3. Ferma il gioco. Ora calcola una frazione: Quante Teste hai avuto diviso il numero totale di lanci.
   • Nel nostro esempio: 3 Teste su 5 lanci totali = 3/5 (cioè 0,6).
4. Ricomincia da capo. Butta via tutto, riparti da zero e fai lo stesso gioco di nuovo.
5. Ripeti all'infinito. Fai questo gioco mille volte, un milione di volte.

📊 La Magia Matematica: La Media che Diventa π

Ora, prendi tutti quei numeri (3/5, 4/7, 2/3, ecc.) che hai ottenuto in ogni partita e calcolane la media.

Se potessi fare questo esperimento per un tempo infinito, scopriresti una cosa incredibile: quella media si avvicinerà sempre di più a π diviso 4.
$$\text{Media} \approx \frac{\pi}{4} \approx 0,785$$

Se moltiplichi quel risultato per 4, otterrai una stima di π.

🚶‍♂️ L'Analogia del Passeggiatore Ubriaco

Perché succede questo? Immagina un "passeggiatore ubriaco" che cammina su una strada infinita.

• Ogni volta che esce Testa, fa un passo avanti (+1).
• Ogni volta che esce Coda, fa un passo indietro (-1).
• Parte da zero.

Il gioco si ferma nel momento esatto in cui il passeggiatore riesce a fare il primo passo in avanti che lo porta a essere davanti rispetto al punto di partenza (cioè quando le Teste superano le Code).

La matematica dietro questo "passeggiatore" è legata a una sequenza di numeri speciali chiamati Numeri di Catalan (che appaiono in molti problemi di conteggio, come il numero di modi per organizzare una pila di piatti o camminare su una griglia senza cadere). Questi numeri, sommati insieme in un modo molto specifico, "svelano" il valore di π. È come se la struttura nascosta della casualità nascondesse il segreto del cerchio.

⚠️ La Realtà: Non è un Gioco Veloce

C'è un "ma" importante. Sebbene la teoria sia perfetta, nella pratica è estremamente lento.

• L'errore è ostinato: Più lanci fai, più la tua stima migliora, ma molto lentamente. Per raddoppiare la precisione, devi fare 16 volte più lanci!
• L'esempio di Matt Parker: Un famoso divulgatore matematico ha usato 10.000 lanci di moneta (dati vecchi) e ha ottenuto un risultato di 3,22. Non è male, ma è lontano da 3,14. L'errore era circa 0,1, proprio come previsto dalla teoria.
• Il tempo necessario: Per ottenere una stima di π precisa come quella che usiamo in classe (3,14159...), dovresti lanciare una moneta un trilione di volte. A un lancio al secondo, ci vorrebbero 30.000 anni per finire il compito!

💡 Perché è comunque interessante?

Anche se non è il metodo più veloce per calcolare π (esistono algoritmi molto più efficienti), questo esperimento è affascinante per tre motivi:

1. Collega mondi lontani: Unisce il gioco d'azzardo (le monete) con la geometria (il cerchio e π) attraverso la probabilità.
2. Dimostra un fatto antico: La prova matematica che il risultato è π/4 conferma anche che π è un numero tra 3 e 4 (poiché la media delle frazioni ottenute è sempre tra 0,75 e 1, e moltiplicando per 4 si sta tra 3 e 4).
3. È un esperimento di classe: Se hai una classe piena di studenti, ognuno può lanciare la propria moneta. Mettendo insieme i risultati di tutti, si ottiene una stima migliore, rendendo la matematica un'attività collettiva e divertente.

In sintesi: Questo articolo ci dice che anche nel caos totale di una moneta lanciata a caso, c'è un ordine nascosto che ci porta dritti al cuore della geometria. È come se l'universo, attraverso il semplice atto di lanciare una moneta, ci sussurrasse il valore di π, anche se ci vorrebbe un'eternità per ascoltarlo chiaramente!

Sommario tecnico

Ecco un riassunto tecnico dettagliato del lavoro di Jim Propp, "Estimating π with a Coin", presentato in italiano.

Titolo: Stima di $\pi$ con una Moneta

Autore: Jim Propp
Data: Novembre 2024 (revisione Marzo 2026)

---

1. Il Problema

Il documento affronta la questione di come stimare il numero $\pi$ utilizzando processi stocastici semplici, in particolare il lancio di una moneta. Mentre il metodo classico di Buffon (lancio di un ago su un piano rigato) è ben noto, l'autore propone un approccio alternativo basato su una "camminata casuale" (random walk) discreta. L'obiettivo è dimostrare che il valore atteso di una specifica frazione calcolata al momento di un arresto stocastico (stopping time) converge a $\pi/4$.

2. Metodologia

Il metodo proposto si basa su un esperimento Monte Carlo definito come segue:

1. Processo di Lancio: Si lancia una moneta equa (probabilità $1/2$per testa e$1/2$ per croce) ripetutamente.
2. Definizione delle Variabili:
   • $H_n$: numero di teste dopo $n$ lanci.
   • $T_n$: numero di croci dopo $n$ lanci.
   • $S_n = H_n - T_n$: una camminata casuale simmetrica semplice su $\mathbb{Z}$, con $S_0 = 0$.
3. Tempo di Arresto ($\tau$): Si definisce $\tau$ come il primo istante in cui il numero di teste supera quello di croci per la prima volta. Formalmente:
   $$\tau = \min\{n \ge 1 : S_n > 0\}$$
   Poiché la camminata cambia di $\pm 1$ ad ogni passo, $\tau$ può assumere solo valori dispari ($2k+1$).
4. Misura da Registrare: Al momento dell'arresto $\tau$, si calcola la proporzione di teste osservate:
   $$\frac{H_\tau}{\tau}$$
   Ad esempio, se la sequenza è T, C, T, C, C (dove T=Testa, C=Croce), l'arresto avviene al 5° lancio quando $H=3$ e $T=2$. La frazione registrata è $3/5$.
5. Stima: Ripetendo l'esperimento molte volte e calcolando la media delle frazioni ottenute, questa media converge al valore atteso $E[H_\tau/\tau]$.

3. Contributi Chiave e Dimostrazione

Il contributo principale del paper è la dimostrazione rigorosa che:
$$E\left[\frac{H_\tau}{\tau}\right] = \frac{\pi}{4}$$

Dettaglio della Dimostrazione:

• Probabilità di Arresto: Per avere $\tau = 2k+1$, la camminata deve rimanere $\le 0$ per i primi $2k$passi, tornare a$0$al tempo$2k$, e poi fare un passo verso$+1$. Il numero di tali percorsi è dato dai numeri di Catalan$C_k = \frac{1}{k+1}\binom{2k}{k}$.
  La probabilità è:
  $$P(\tau = 2k+1) = \frac{1}{2} \cdot \frac{1}{4^k} \cdot \frac{1}{k+1} \binom{2k}{k}$$
• Valore della Frazione: Quando $\tau = 2k+1$, si ha $H_\tau = k+1$ e $T_\tau = k$. Quindi la frazione è $\frac{k+1}{2k+1}$.
• Calcolo del Valore Atteso:
  $$E\left[\frac{H_\tau}{\tau}\right] = \sum_{k \ge 0} P(\tau = 2k+1) \cdot \frac{k+1}{2k+1}$$
  Sostituendo le espressioni e semplificando:
  $$= \frac{1}{2} \sum_{k \ge 0} \frac{1}{4^k} \frac{1}{2k+1} \binom{2k}{k}$$
• Connessione con l'Arcoseno: La serie risultante corrisponde esattamente allo sviluppo in serie di potenze della funzione arcoseno valutata in $x=1$:
  $$\arcsin(x) = \sum_{n=0}^{\infty} \frac{1}{2^{2n}} \binom{2n}{n} \frac{x^{2n+1}}{2n+1}$$
  Ponendo $x=1$, si ottiene $\arcsin(1) = \frac{\pi}{2}$.
  Di conseguenza:
  $$E\left[\frac{H_\tau}{\tau}\right] = \frac{1}{2} \cdot \frac{\pi}{2} = \frac{\pi}{4}$$

4. Risultati e Osservazioni

• Convergenza Lenta: Sebbene il metodo sia teoricamente corretto, la convergenza pratica è estremamente lenta. L'errore statistico decresce come $1/N^{1/4}$, dove$N$ è il numero totale di lanci.
  • Esempio: Con 10.000 lanci, l'errore atteso è circa $0,1$. Matt Parker ha ottenuto una stima di$3,2266$ con questo numero di lanci.
  • Per ottenere una precisione vicina a $3,14$, sarebbero necessari circa un trilione di lanci (richiedendo oltre 30.000 anni a un lancio al secondo).
• Generalizzazioni:
  • Se si arresta quando le teste superano le croci di 2 (invece di 1), il valore atteso della proporzione è $\ln(2)$.
  • Per un eccesso generico $a$: sembra che per $a$ dispari si ottengano espressioni con $\pi$, mentre per $a$ pari si ottengano espressioni con $\ln(2)$, sebbene queste estensioni siano ancora congetturali secondo l'autore.
• Conferma Indiretta: Il fatto che $E[H_\tau/\tau] = \pi/4$ fornisce una "prova probabilistica" del fatto che $\pi$ è strettamente compreso tra 3 e 4, dato che la frazione è sempre $\ge 1/2$ (e spesso 1), rendendo l'atteso $> 3/4$ e chiaramente $< 1$.

5. Significato e Rilevanza

• Novità Interpretativa: Sebbene le identità legate ai numeri di Catalan e le serie per $\pi$ siano note in letteratura probabilistica classica, l'interpretazione specifica di $\pi/4$ come valore atteso della proporzione di teste al momento del primo superamento delle croci sembra essere nuova.
• Contesto Storico: Il lavoro collega la teoria dei tempi di arresto e le camminate casuali a un problema di stima numerica accessibile, offrendo un esempio didattico per classi o club matematici (anche se poco efficiente computazionalmente).
• Confronto con Altri Metodi: L'autore nota che esistono algoritmi basati su monete più efficienti (es. quelli di Flajolet, Pelletier e Soria), ma questo metodo ha valore euristico e pedagogico per la sua semplicità concettuale.
• Riconoscimenti: Il paper riconosce che una formula equivalente era stata derivata implicitamente da Gerhold e Hubalek in un contesto diverso (rapporti sessuali nelle famiglie), ma l'interpretazione tramite il lancio di monete è originale in questo lavoro.

In sintesi, il paper offre una elegante connessione tra la teoria delle probabilità discreta, i numeri di Catalan e la costante $\pi$, dimostrando come un processo stocastico semplice possa, in teoria, rivelare la natura di $\pi$, pur essendo impraticabile per calcoli ad alta precisione a causa della sua lenta convergenza.