檢驗(等待時間)悖論(inspection / waiting-time paradox)
你在一個隨機的時刻抵達公車站。公車平均每 10 分鐘來一班。你也許預期等待約 5 分鐘——平均間隔的一半。然而你一次又一次等得更久,而你落入的那個間隔感覺比典型的更長。這就是檢驗悖論,而它不是運氣不好:它是內建於你抽樣方式中的、真實而不可避免的偏誤。
其機制是長度偏誤抽樣。藉由在一個隨機瞬間出現,你更可能落在一個「長」間隔內而非短的,純粹因為長間隔覆蓋了時間軸的更多部分——一個 20 分鐘的間隔給你的「在其間到達」的機會,是 10 分鐘間隔的兩倍。所以你實際經歷的間隔不是一個典型間隔;它朝向較大值被尺寸偏誤,其平均為 E[T^2]/E[T],這個值總是至少為 E[T](且只要間隔有任何變動就嚴格更大)。你的等待平均是「那個」被膨脹的間隔的一半,而非普通平均的一半。對卜瓦松過程,數字很鮮明:平均間隔是 1/lambda,然而你所檢驗的間隔平均為 2/lambda——長兩倍——而由無記憶性,你的剩餘等待仍平均為 1/lambda,而非 1/(2*lambda)。
這確實違反直覺,而且出現在每一個你抽樣「正在進行中的任何區間」之處:你隨機遇到的家庭比平均家庭更大(你更可能遇到來自大家庭的人)、你打斷的電話比平均電話更長、你隨機抓到的檔案比平均檔案更大。解法是對抽樣方式誠實:對間隔取平均與對時間取平均是不同的運算,而長度偏誤抽樣系統性地偏好長的。它是一種偏誤,而非謬誤,也不是底層速率上的錯誤。
公車按 lambda = 1(每 10 分鐘)為卜瓦松,所以平均間隔是 10 分鐘。一位隨機到達的乘客所落入的間隔平均為 2/lambda = 20 分鐘,是平常間隔的兩倍。乘客自己的剩餘等待平均為 1/lambda = 10 分鐘(不是 5),因為這個被膨脹間隔的前段在他們到達之前就已用掉了。
以隨機瞬間抽樣會更常讓你落入長間隔:被檢驗的間隔平均為 E[T^2]/E[T]。
這是一種抽樣偏誤,不是運氣差,也不是速率錯了。被檢驗的間隔平均為 E[T^2]/E[T] >= E[T];只有當所有間隔都相同(變異數為零)時才相等。