MatematykaPrawdopodobieństwo i przypadek — intuicja często przegrywa z rachunkiem

Przychodząc na przystanek w losowej chwili, częściej trafiasz na długą przerwę niż krótką

Paradoks inspekcji wynika z tzw. próbkowania zależnego od długości. Jeśli odstępy między zdarzeniami mają różne długości i wybierzesz losową chwilę, długi odstęp ma większą szansę zawierać tę chwilę niż krótki. Dlatego przerwa, którą obserwujesz „od środka”, jest przeciętnie dłuższa niż typowa przerwa wybrana z listy odstępów. W wersji autobusowej nie można po prostu wziąć połowy średniego odstępu między autobusami, jeśli odstępy są zmienne. Zjawisko nie jest pechem pasażera, lecz konsekwencją sposobu próbkowania czasu.

Dwie średnie z dwóch sposobów losowania

Wyobraźmy sobie naprzemienne przerwy 2 i 18 minut. Jeśli wybierzemy losowo jedną przerwę z listy, średnia wynosi 10 minut. Jeśli jednak wybierzemy losową chwilę na osi czasu, aż 90% całkowitego czasu leży wewnątrz osiemnastominutowych przerw. Z punktu widzenia przypadkowego obserwatora długa przerwa jest więc znacznie bardziej reprezentowana niż wynikałoby z samej liczby przerw.

Dlaczego „połowa średniej” może zawieść

Gdy wszystkie odstępy są dokładnie równe, losowe przyjście rzeczywiście daje średnie oczekiwanie równe połowie odstępu. Przy zmiennych przerwach najpierw pojawia się efekt selekcji: częściej wpadamy do długich odstępów. Dopiero wewnątrz wylosowanego w ten sposób odstępu jesteśmy gdzieś między jego początkiem a końcem. Zmienność wydłuża więc typową obserwowaną przerwę.

To nie musi dotyczyć autobusów

Autobusy są tylko obrazowym przykładem. Ten sam mechanizm pojawia się przy długości połączeń sieciowych, okresach bezawaryjnej pracy, czasie trwania zdarzeń, wielkości grup czy nawet liczbie znajomych. Jeśli obserwujemy obiekt przez losowo wybraną jednostkę czasu, osobę lub połączenie, szansa trafienia może być proporcjonalna do jego wielkości. Wtedy próbka widziana przez obserwatora nie ma tego samego rozkładu co lista obiektów.

Formalna idea: size-biased sampling

W teorii procesów odnowy interwał zawierający losowo wybrany punkt czasu jest „próbkowany długością”: interwał dwa razy dłuższy ma mniej więcej dwa razy większą szansę zostać trafiony przez losowy punkt. Literatura dotycząca inspection paradox formalizuje to jako stochastyczne powiększenie obserwowanego interwału względem zwykłego interwału między zdarzeniami.

Ważny warunek modelu

Nie każdy system autobusowy spełnia prosty model niezależnych odstępów, a rozkład Poissona ma szczególne własności pamięciowe. Dlatego nie należy automatycznie przenosić konkretnej liczby oczekiwania na każdy rzeczywisty rozkład jazdy. Uniwersalny jest mechanizm selekcji: jeśli interwały różnią się długością i przychodzimy w losowej chwili, dłuższe interwały mają większą szansę znaleźć się w naszej próbce.

Szersza lekcja o danych

Paradoks inspekcji to przykład błędu wynikającego nie z rachunku, lecz z tego, jak zbieramy obserwacje. Średnia „dla losowego obiektu” i średnia „dla losowego obserwatora znajdującego się wewnątrz obiektu” mogą się różnić. W analizie danych pytanie o procedurę próbkowania jest więc fundamentalne: reprezentatywność nie jest własnością samego zbioru liczb, tylko relacją między populacją a sposobem wyboru próby.

Wariancja odstępów kontroluje siłę efektu

Gdy odstępy są niemal jednakowe, paradoks inspekcji jest słaby; gdy ich długości mocno się różnią, bias może być duży. Intuicyjnie losowy punkt czasu waży interwał proporcjonalnie do jego długości, więc rzadkie bardzo długie przerwy mogą zdominować doświadczenie obserwatora. To tłumaczy, dlaczego sama średnia odstępu jest niewystarczającą informacją o typowym oczekiwaniu pasażera. Dwa systemy mogą mieć identyczną średnią częstotliwość zdarzeń, ale zupełnie inne odczuwane czasy czekania, jeśli jeden jest regularny, a drugi ma wysoką zmienność. W zastosowaniach oprócz średniej trzeba więc znać rozkład lub przynajmniej jego zmienność.

#czas oczekiwania#inspection paradox#próbkowanie#size bias
Źródła i weryfikacja
Otrzymuj codzienne losowe ciekawostki