公交车平均等车时间问题

1 问题

    (1)已知A公交车每5分钟一趟,B公交车每10分钟一趟,某人可以选择乘坐A、B两辆公交车,问这个人平均等公交车的时间。

    (2)已知A公交车平均每5分钟一趟,B公交车平均每10分钟,某人可以选择乘坐A、B两辆公交车,问这个人平均等公交车的时间。

2 思考

    可以看到这两个问法,问题(2)其实只比问题(1)多了平均两个字,但是结束和计算方法完全不同。

2.1 问题(1)

2.1.1 一种车的情况

 我们先假设只有A车,那在问题(1)的答案是什么呢?问题(1)的说法是A车每5分钟一趟,深层的含义其实是:

    1)每隔5分钟必有一辆A公交车经过某个公交站;

    2)等待的时间最长只会是5分钟。

    因此,如果只有A车,等车的最少用时是0分钟,也就是某人刚到某站,车就来了。而最长等车时间是5分钟,也就是某人刚到某站,A车刚走。

    假设某人达到公交站后,A公交车还有 X 分钟到达车站,此时,等车时间就是 X 分钟。X 的取值范围是[0,5],并且我们知道 X 在[0,5]区间中取到某个值会对应一个概率,而所有取值的概率加起来等于1。也就是说其实 X 是一个连续型随机变量。 f(x) = P{ X = x },表示X取值为x的概率,则f(x)就是X的概率密度函数。问题(1)就变成了由概率密度函数计算期望的问题。

E(x) = \int_{0}^{5}f(x)\cdot x dx

    于是,在没有说明人到达车站后,公交车到达车站的时间服从什么分布的情况下,会默认车到达车站的时间的概率是一样的,也就是X服从[0,5]区间上的均匀分布,从而得到 f(x) 为:

f(x) = \begin{cases}\cfrac 15, & x \in [0,5]\\0, &x \notin  [0,5]\end{cases}

    于是最终算得E(x) = 2.5。一看就知道这是合理的答案。

2.1.2 两种车的情况

    由上一小节可知,如果只有A,那等车的时间X服从[0,5]区间上的均匀分布。同理如果只有B车,等车时间Y服从[0,10]区间上的均匀分布。那现在A、B两车同时有会怎么样呢?

    这时就会变成,某人到达车站后,A车还有X分钟到达,B车还有Y分钟到达。我们需要计算出X取值为x,Y取值为y的概率。对应到从标系我们可以看到其实就是计算取以下区域中的某个点的概率。

二维均匀分布

    同理,我们知道,取任意一点的概率是相同的,因此X,Y在这个区域内服从二维均匀分布。

f(x,y) = \begin{cases}\cfrac 1{5\times 10}, & x \in [0,5], y \in [0,10]\\0, &other\end{cases}

    这个时候,等车时间怎么算呢?其实对应这个平面中的每一点,我们的等车时间都是min(x,y),也就是哪种车先到我们就坐哪种车,因此期望计算公式为:

E(x) = \int_{0}^{5}  \int_{0}^{10} f(x,y) \cdot  min(x,y) dxdy                         (1)                                 

二重积分计算

   在上图所示区域中计算二重积分,可以把式(1)变化成以下式子:

E(x) =\frac{1}{50} (  \int_{0}^{5} dx \int_{0}^{x} y dy +   \int_{0}^{5} x dx \int_{x}^{10}  dy)

    最后的计算结果是 2+1/12,也就是平均等车时间是2分5秒。再想想这个答案是合理的,因为只有一辆A车时,平均等车时间是2分30秒,如果有两辆车,等车时间自然会比一车辆短。

2.2 问题(2)

    问题(2)需要关注“平均”这个字眼。

2.2.1 一种车的情况

    假设只有A车,A车平均每5分钟来一趟。那最短等待时间还是0分钟,那最长要等待多久呢?显然不是5分钟了,其实有可能是无穷大,因为题目只说两辆A车到达时间平均间隔5分钟,但是没说固定是5分钟。所以当只有A车的情况下,平均等车时间就是5分钟。

    这个场景其实是与泊松分布和指数分布两个分布有关。下面我们来简单后顾一下这两个分布的定义和作用。

    1、泊松分布:P(x=k;\lambda ) = \frac{\lambda ^k }{k!} e^{-\lambda}

    泊松公布是一种离散型分布,会有以下一些用途:

    (1)一本书中打印错的字数;

    (2)某段固定时间内服务器收到的请求数;

    (3)某医院某小时内出生的婴儿数;

    2、指数分布:f(x) = \lambda e^{-\lambda x}

    这里的 \lambda  就是泊松分布的\lambda 。指数分布用于表示泊松分布中两个事件之间的时间间隔的概率。指数分布的期望为:\frac{1}{\lambda }

    因此,A车到达车站的时间服从指数分布:

f(x) = \frac{1}{5}e^{-\frac{1}{5}x }

2.2.2 两种车的情况

    同理,两种车的情况下,由于两车是相互独立的。所以两种车达到的时间在整个第一象限服从二维分布,概率密度

f(x,y) = \begin{cases}\cfrac 1{5}e^{-\cfrac 1{5}x} \cdot \cfrac 1{10}e^{-\cfrac 1{10}y}, & x \in [0,+\infty], y \in [0,+\infty]\\0, &other\end{cases}

    求期望时同样是在以下区间内求:


二重积分计算

E(x) = \int_{0}^{+\infty} dx \int_{0}^{x} yf(x,y) dy +   \int_{0}^{+\infty} xf(x,y) dx \int_{x}^{+\infty}  dy

    积分的结果是 3+1/3,即3分20秒。同理,这个答案是合理的,因为只有一种A车的情况下,平均等车时间是5分钟,多一种车,等车时间当然缩短了。

最后编辑于
©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 203,324评论 5 476
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 85,303评论 2 381
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 150,192评论 0 337
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 54,555评论 1 273
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 63,569评论 5 365
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 48,566评论 1 281
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 37,927评论 3 395
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 36,583评论 0 257
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 40,827评论 1 297
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 35,590评论 2 320
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 37,669评论 1 329
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 33,365评论 4 318
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 38,941评论 3 307
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 29,928评论 0 19
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 31,159评论 1 259
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 42,880评论 2 349
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 42,399评论 2 342

推荐阅读更多精彩内容