等车问题

摘录自《python科学计算》一书

A,B两路公交车，平均发车间隔时间分别是5分钟和10分钟，某乘客在站点S可以任意选择两者之一乘坐，假设A和B到达S的时间无法确定，计算该乘客的平均等车时间。

方法一、用随机数模拟的方法求出近似解

from scipy import stats
import numpy as np
T=100000
A_count=T/5
B_count=T/10

A_time=np.random.uniform(0,T,A_count)
B_time=np.random.uniform(0,T,B_count)

bus_time=np.concatenate((A_time,B_time))
bus_time.sort()

N=200000
passenger_time=np.random.uniform(bus_time[0],bus_time[-1],N)

idx=np.searchsorted(bus_time,passenger_time)
mean_time=np.mean(bus_time[idx]-passenger_time)*60

结果为200s，即10/3分钟。两辆车之间的平均间隔也为200s，似乎直觉上应该等待时间小于平均间隔，但是会有更多的乘客出现在时间间隔较长的时间段。所以其实结果也就是找一个平均，敲好两辆快的在两辆慢的中间的平均间隔时间。
所以如果慢的是12分钟，快的6分钟，等待的平均间隔就是240s。
方法二、
可将假设A和B到达S的时刻无法确定，理解为公交车到达S站点的时刻是完全随机的。因此单位时间之内到达S站点的公交车次数符合泊松分布，而前后两辆公交车的时间差符合k=1的伽玛分布。
根据概率论，事件之间的时间间隔应符合伽玛分布，伽玛分布的概率密度函数公式如下，他描述第k个事件发生所需的等待时间的概率分布。

k=1表示相邻两个事件间的间隔的分布，而k=2表示相隔一个事件的两个事件间的间隔的分布。
平均等待时间的公式是
x是两辆公交车之间的间隔时间，f（x）是x的伽玛分布概率密度函数，所以f(x)dx是时间间隔为x出现的概率。由于观察者效应，乘客出现在较长时间间隔的概率也较大，所以xf(x)dx可以看作与乘客出现在时间间隔为x段的概率成比例的量。分母的积分将其归一化，分子的x/2是该时段的平均等待时间。因为公交车的间隔几乎不会太长，所以上限取一个较大的值即可。

from scipy import stats
import numpy as np
from scipy import integrate
t=10.0/3
bus_interval=stats.gamma(1,scale=t)
n,_=integrate.quad(lambda x:0.5*x*x*bus_interval.pdf(x),0,1000)
d,_=integrate.quad(lambda x:x*bus_interval.pdf(x),0,1000)
mean_time=n/d*60