用费米估算法解题-北京市有几个加油站

今天来讲一道面试题——北京市有几个加油站。据说是各种产品面试、项目管理面试、自主招生里经常出现,主要考察人的思维能力。

其实没那么玄乎,就是人的估算能力。人人都会估算,但是有些人特别厉害。比如费米,据说第一颗原子弹试爆时,他呆在爆炸中心外10英里处。爆炸40秒后,气浪到达费米所在地,他将事先准备好的碎纸片从离地六英尺高的地方洒落,纸片被气浪卷走,落在两米半开外,他沉吟片刻,得出核爆当量大约是一万吨TNT。一周以后仪器测量结果出炉,基本就是当时的估算值。

这种大师级的估算能力,并没有失传。我大学时候上过一门神课,名字叫强化物理。老师上课基本靠吹牛,顺便掺杂点物理知识,我当时自认为听懂了三分之一,只不过后来考试只答对了两道题。现在基本忘得差不多了,也用不上。唯一用上的有两个,一个是怎么样定义变量进行测量,另一个就是导论课上讲的费米估算法。


心法

我们先来讲心法,费米估算法求出的是一种数量级上的准确。这种准确是由一些要素保证的,首先是模型的准确性,这是基础,无论是物理定律还是生活经验都要经受住检验;其次是变量估计的准确,这个很好理解,你对这个变量越不确定,答案就有可能越不靠谱;第三条很重要,是对第二条的补救,对一个变量组,每个变量都选择可能性最大的值,最后会在概率意义上得到很好的结果(通俗地说,有可能估计大也可能估计小了,但是最后抵消了,所以参数越多,稳定性越好)。

上面是基本心法,只不过后来我又学了别的流派,就常常和两类思维方式搭配起来用,分别是时空结构分析法和利益相关分析法。下面开始讲题。

一、空间分析

假设:一个司机开车在北京城任何一个地方,快没油了,这个司机应该在很短的时间能加到油;

参数:5分钟能加到油,车速50km/h,北京城16000平方千米;

模型分析

加油站个数 = 北京城大小/司机5分钟的活动范围 = 16000/((50*5/60)**2 )= 922;

点评(具体标准参见估算心法):模型比较主观;参数值非常不确定;参数个数很少。

综合表现:二颗星


二、时间分析

假设:加油站总加油能力和市场需求相匹配(在时间上,呈现出一种等量满足的状态);

参数:北京有500万辆车,一辆车10天加一次油,一辆车加一次油5分钟,实际加油时间段是早8点到晚10点共计14个小时,一个加油站2个加油桩,加油桩利用率50%;

模型分析

北京城一天加油能力 = 北京城车辆一天加油需求次数

北京城一天加油能力 = 一个加油站一天加油的车辆数*加油站个数 = 14小时* 50%利用率/5分钟 *2个桩 * 加油站个数 = 168次*加油站个数

北京城车辆一天加油需求次数 =  500万辆车/10 天 = 50万次

可以求得加油站个数 = 50万次/168次 = 2976个;

点评:模型客观;参数值较为确定;参数个数较多。

综合表现:四颗星

三、利益分析

假设:加油站的收入能够支撑起它的营运成本(本例中只考虑人力成本);

参数:北京有500万辆车,一辆车10天加一次油,加一次油200元,毛利润占收入的10%,工资支出占利润的50%,需要5个人支撑起一个加油站的营运,人均月工资5000元;

模型分析

一个加油站一个月的工资支出 = 一个加油站一个月总收入*10%毛利占比*50%工资占比。

其中,一个加油站一个月的工资支出 = 5000元*5人 = 2.5万

一个加油站一个月总收入 = 500万辆车*(一个月30天/10天)*200元/加油站个数 = 30亿/加油站个数

代入可以求得,加油站个数 = 30亿*10%*50% ÷ 2.5万 = 6000个;

点评:模型客观有不足,但是符合实际;参数值不确定,比较依赖经验;参数个数较多。

综合表现:三颗星

三种方法估计出来的值大约从1000到6000,可以得出北京市加油站的数量级应该为“千”,取个均值,大概3000。

你学会了吗?

(本文是补圈外训练营12月训练作业,首发于微信平台 kis_kang)

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 206,602评论 6 481
  • 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 88,442评论 2 382
  • 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 152,878评论 0 344
  • 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 55,306评论 1 279
  • 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 64,330评论 5 373
  • 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 49,071评论 1 285
  • 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 38,382评论 3 400
  • 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 37,006评论 0 259
  • 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 43,512评论 1 300
  • 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 35,965评论 2 325
  • 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 38,094评论 1 333
  • 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 33,732评论 4 323
  • 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 39,283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 30,286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 31,512评论 1 262
  • 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 45,536评论 2 354
  • 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 42,828评论 2 345

推荐阅读更多精彩内容