Rastgelelikten Bir Sabit Çıkarmak
Bir birim kareye gözleri kapalı milyonlarca nokta atın. Sonra çeyrek çemberin içine düşenleri sayın. Kaç olur? Şaşırtıcı şekilde bu sayının toplam atış sayısına oranı π/4'e yakınsar. Yani:
İşte bu kadar — sadece zar atarak π'yi bulabilirsiniz.
Neden Çalışıyor?
Birim karenin alanı 1. İçindeki çeyrek çemberin alanı π/4 (çember alanı πr²; çeyrek = πr²/4 = π/4 burada r=1). Eğer noktalar homojen rastgele dağılıyorsa, her bölgeye düşen nokta oranı o bölgenin alanına eşittir. Bu olasılığın temel özelliğidir.
| Bölge | Alan | Beklenen orantı |
|---|---|---|
| Birim kare | 1 | %100 (hepsi içeride) |
| Çeyrek çember | π/4 ≈ 0.785 | ~%78.5 (içeride) |
| Köşeler (üçgen) | 1 − π/4 ≈ 0.215 | ~%21.5 (dışarıda) |
n nokta atarsanız ortalama %78.5'i çemberin içine düşer; oran 4 ile çarpıldığında π'ye ulaşırsınız.
Yakınsama Hızı — Monte Carlo'nun Sınırı
Yöntem güçlü ama yavaş. Hassasiyet 1/√n hızıyla iyileşir:
| n (atış) | Tipik hata |
|---|---|
| 100 | ±0.2 |
| 10.000 | ±0.02 |
| 1.000.000 | ±0.002 |
100 katı doğruluk için 10.000 katı nokta gerekir. Bu yüzden π'yi Monte Carlo ile değil Machin formülü veya Chudnovsky algoritması ile hesaplarız (bunlar her iterasyonda basamak sayısını ikiye katlar).
Peki Neden Hâlâ Kullanıyoruz?
Monte Carlo'nun gerçek üstünlüğü yüksek boyutlu integrallerdedir. Klasik (Simpson, trapez vb.) integral yöntemleri n boyutta nokta sayısını 2ⁿ büyütür — 10 boyutta 1000 nokta yetmeyebilir. Monte Carlo'da nokta sayısı boyuta bağlı değildir; her boyutta aynı 1/√n yakınsar.
Bu yüzden gerçek dünyada Monte Carlo şuralarda kraldır:
- Fizik simülasyonları — Brownian hareket, nötron transportu
- Kuantum kimyası — moleküler integraller
- Finansal türev fiyatlama — Black-Scholes ötesi
- Yapay zeka — Bayesian inference, MCMC
- Bilgisayar grafiği — path tracing (Pixar, Cycles renderer)
Tarihsel Hikâye
Yöntemi sistematik kullanan ilk kişi Stanisław Ulam'dı (1946, Manhattan Projesi'nin ardından). Hastalandığı bir sırada solitaire oynarken bir kart oyununun kazanma olasılığını teorik hesapla bulmaya çalıştı; bir noktada "neden binlerce kez oynayıp gözlemlemeyim?" diye düşündü. Bu fikir nötron difüzyon problemlerine uyarlandı.
Adı Monaco'nun ünlü Monte Carlo kumarhanesinden geliyor — rastgeleliğin parasal sembolü.
Sayılar
- Yakınsama hızı: O(1/√n)
- 6 doğru basamak için n: ~10¹²
- Modern π hesabı (Chudnovsky): 100 trilyon basamak hesaplanmış (2022)
- Bu sayfada oynamak için: 100K nokta ≈ 2 basamak doğru π
"Rastgelelik bilen, evrenin yarı yarısını bilir."