También existe la opción de aproximar $\pi$ utilizando Integración de Monte Carlo .
La idea es la siguiente: Si estamos de acuerdo en que el área de un círculo es $\pi r^2$ para simplificar, construimos un círculo de área $\pi$ al establecer $r=1$ . Colocando este círculo totalmente dentro de otra región de área conocida, preferiblemente inscribiéndolo en un cuadrado de lado 2, entonces tenemos una relación entre el área del círculo y el área total del cuadrado (en este ejemplo esa relación es $\frac{\pi}{4}$ ).
El método de Montecarlo funciona mediante la aproximación de áreas basada en la relación entre el número de puntos de muestra que se encuentran dentro de nuestra región de interés y el número total de puntos de muestra que elegimos para probar. Si extendemos una secuencia uniformemente distribuida de $N$ puntos sobre nuestro cuadrado de área 4, y llamamos al número de puntos que caen dentro del círculo inscrito $p$ entonces podemos decir $\frac{\pi}{4} = \frac{p}{N}$ .
Mi implementación de esto en Matlab requiere decenas de miles de puntos de prueba para lograr 3,14159xxxx, pero no lo he probado para secuencias de baja discrepancia, o cualquier otro conjunto de puntos distribuidos uniformemente.
2 votos
Ya que no se ha mencionado todavía, recomendaría a los interesados que miraran "Pi and the AGM" de Borwein y Borwein: amazon.com/dp/047131515X
0 votos
Si sólo se trata de los primeros dígitos, intente wolframalpha.com/input/?i=pi+to+1000+digits