检验悖论——10分钟一班的车为何要等10分钟以上

大家好，我是 Senko。 本文将解读“检验悖论”。

在一个平均10分钟发一班车的站台，不看时刻表就去等。按常理想，平均等5分钟左右就该到了；可实际上要等得比这久。既不是车晚点，也不是运气差。是测量方式本身就会生出偏斜，而这个机制在日常各处都以同样的形状露脸。

去等平均10分钟一班的车

用一个简单的例子来看。

假设一小时来6班车。平均下来是10分钟一班，但并非精确等间隔，间隔是有起伏的。

比方说这一小时里，间隔依次是 2 分、2 分、2 分、2 分、2 分、50 分。合计60分钟，平均正好10分钟。

现在你不看时刻表，在一个随便的时刻到站。想一想自己会落进哪一段间隔里。

2 分钟的间隔有 5 段，可加起来也只有 10 分钟；而 50 分钟的间隔只有 1 段，却占了这一小时里的 50 分钟。

随便到站的话，约有83%的概率落进那段50分钟的间隔里，短的间隔极少撞上。

把平均等待时间算出来，大约是21分钟。说好10分钟一班的车，却要等两倍以上。

越长的区段越容易撞上

机关出在区段的挑法上。

若把车的间隔一段一段平等地数，平均确实是10分钟。可一旦采用“在随便的时刻到站”这种挑法，区段就不再平等了。

越长的区段，在时间轴上占的面积越大，撞上它的概率也就越高。50分钟的区段比2分钟的区段容易撞上25倍。

这与友谊悖论是完全相同的结构。那边的偏斜是“朋友越多的人，越会反复出现在别人的朋友名单里”；这边的偏斜是“区段越长，越容易被时刻挑中”。

两者都是按样本的大小成比例地更容易被选中，被称作按大小加权的抽样。

另外，若发车间隔毫无起伏、完全等间隔，这个效应就消失了。起伏越大，体感的等待时间越长，是这样一种关系。

等待时间只由起伏决定

刚才用的是极端的例子，其实等待时间能从发车的起伏直接算出来。

把起伏放进式子

设平均间隔为 m、间隔的起伏（方差）为 v，那么平均等待时间是：

（v ＋ m×m）÷（2×m）

起伏为零时，它就是 m÷2，也就是平均间隔的一半。只要按时刻表跑，老老实实的“一半”就是对的。

对于平均10分钟一班的车，只改动起伏，结果如下。

完全随机时，要等的和平均间隔一样长

表里第三行有一点值得留意。车的到达若完全随机（与前一班无关地发生），平均等待时间正好等于平均间隔的10分钟。

不是一半，而是整整一份；而且不管已经等了多久，从那里起还得再等平均10分钟。哪怕已经等了20分钟，剩下的预期也不会减少。

这个性质叫作无记忆性，出现在电话来电、服务器访问这类彼此无关的事件叠加的场面。“该来了吧”这种感觉一次次落空，原来并不是错觉。

大学的班级人数也会出同样的事

再举一个更贴身的例子，常被提到的是课的规模。

假设某所大学宣布“本校平均班级人数为30人”。这个数字并没有撒谎，把所有班的人数加起来除以班数，确实是30人。

可若去问学生“你上的课平均多少人”，回来的数字要大得多。

理由是同一个。200人的大课上坐着200个人，5人的研讨课上只有5个人。以学生为准来数，大课就会被报告出几十倍之多。

校方的数字与学生的实感，两者都是对的，差别只在“数的是班，还是数的是学生”。我想这是读统计时最管用的着眼点。

拥挤与等待的实感为何会错位

弄懂这个结构，生活里的几处别扭就能解释了。

道路空着的时间段其实长得多，可绝大多数司机都经历过堵车。堵的时候路上跑着的车多，这是理所当然的。

餐馆的拥挤也一样。对店家来说冷清的时间更长，可作为顾客上门的人，大半都赶在了热闹的时段。

打听家庭人数的调查若不加处理，也会比实态偏大，因为孩子多的家庭，作为受访者登场的人数也多。

这些都不是谁在撒谎，无非是计数的单位不同，出来的数字就不同。

设计调查的一方要小心的坑

这种偏斜麻烦在于，就算没有恶意也会自己钻进来。列几个常见的形状。

• “用户问卷”：用得越勤的人回答机会越多，容易被汇总成重度用户的声音
• “等待时间的实测”：去问排队的人，等得越久的人越容易在调查期间被逮到
• “平均住院天数”：以在院患者为对象，长期住院的人会被过量收入
• “设备寿命调查”：只查还在运转的个体，短命的早就坏了，不会被选中
• “客户的持续时长”：只查现有签约者，很快就退订的人从数里漏掉了

它们共通的一点是都从“此刻还存在的东西”里取样。持续得越久的东西，在那个瞬间存在的可能性就越高。

三条避坑的做法

对付起来并不难。

第一，先把“什么算作一个”声明清楚。是班还是学生、是机会还是人，只要分开写明，读者的误解就能防掉不少。

第二，以起始时点为准去追踪。住院天数的话，从入院那天起把所有人追下去，偏斜就消失了。统计上把这种思路叫作队列研究。

第三，实在避不开的时候就用权重来校正。既然知道越长的区段越容易被选中，那就乘上与长度成反比的权重重新汇总，便能还原成原本的分布。

这些都不是什么特别的技术。只要养成一开始就确认“这个数字是从什么里取的”的习惯，大半都防得住。

名字的由来与实务上的处理

检验悖论这个叫法，来自品质检验与设备运转时间调查的语境。

想知道某台机器到故障为止的平均时间时，若随手挑某个时点还在运转的机器来查，捡到的就净是“撑得久的个体”；短命的早已坏掉，被选中的机会很少。

医疗领域也有同样的问题。以在院患者为对象去查平均住院天数，长期住院的人会被过量收入，结果比实际偏长。

对付的办法不难，一开始就定下是以个体为单位数，还是以时间或机会为单位数，并把它写明就好。知道这个区分之后，我一见到“平均”这个词，就先确认“把什么算作了一个”。

与概率直觉相悖的悖论

计算本身没错，答案却怎么也和直觉对不上——下面是与此相关的悖论。

结语

本文解读了“检验悖论”。

10分钟一班的车要等20分钟，平均30人的班感觉像100人，原因都在于数的单位在中途被掉了包。两个数字都是对的，只不过量的是不同的东西。

“平均”这个词很有让人自以为懂了的力量，所以这类坑大概还要与我们长久相处下去。

想返回悖论列表的读者请点击下方链接。

我们下一篇文章见。

世界经典悖论大全——哲学、数学、物理、经济学著名悖论完全解读zh.senkohome.com/paradox-list/