估算类问题-费米问题

考点

  首先,这是属于学术界数量估算中的“费米问题”。

  其次,考察候选人的:逻辑思考、分析和心理抗压能力。

方法

  1. Top-down、Bottom-up

例子

1. 请你估算一下一家商场在促销时一天的营业额?

  从商场规模、商铺规模入手,通过每平方米的租金,估算出商场的日租金,再根据商铺的成本构成,得到全商场日均交易额,再考虑促销时的销售额与平时销售额的倍数关系,乘以倍数,即可得到促销时一天的营业额。具体而言,包括以下估计数值:

(1) 以一家较大规模商场为例,商场一般按6 层计算,每层大约长100 米,宽100米,合计60000 平方米的面积。

(2) 商铺规模约占商场规模的一半左右,合计30000平方米。

(3) 商铺租金约为40 元/平方米,估算出年租金为40*30000*365=4.38 亿。

(4) 对商户而言,租金一般占销售额20%左右,则年销售额为4.38 亿*5=21.9 亿。计算平均日销售额为21.9 亿/365=600 万。

(5) 促销时的日销售额一般是平时的10 倍,所以大约为600万*10=6000 万。

 

2. 胡同口的煎饼摊一年卖多少个煎饼?

供给角度:问题转换成求摊主一年生产多少个煎饼?

需求角度 : 问题转换成一年内顾客购买了多少个煎饼?

一年内煎饼销量=一年内实际出摊天数*每天生产煎饼个数

每天生产煎饼个数=平均每小时生产煎饼个数*平均每天工作小时数

平均每小时生产煎饼个数=60/每生产一个煎饼所需要的时间

汇总得到 : 一年卖出的煎饼数(总)=一年内实际出摊天数 * 60 / 每生产一个煎饼所需要的时间 * 平均每天工作小时数

 

我们假设摊主6点出摊,工作到上午10点,下午4点出摊,工作到晚上9点,共计9小时。

假设每生产一个煎饼所需要的时间是3分钟,但是并不是每时每刻都有人在购买煎饼,所以假设真正在制造煎饼的时间占70%。

每天生产的煎饼个数为=60/3*9*70%=156个

考虑到摊主不会一年都全勤,其中有考虑下雨、节假日、城管等等因素,一年假设出摊300天。

所以,一年所卖的煎饼数为156*300=46800个。

 

3. 预测国内资讯类APP的DAU天花板 

2018今日头条产品笔试题
方法1:
 
  Max(DAU) = 手机网络新闻用户规模 * 经常使用手机浏览新闻资讯的网民占比 * 使用新闻客户端获取新闻占比

手机网络新闻用户规模:6.2亿(数据源自中国互联网络信息中心2017年数据)

经常使用手机浏览新闻资讯的网民占比:85%(数据来源CNNIC2017年数据)

使用新闻客户端获取新闻占比:35.2%(数据来源CNNIC2017年数据)

Max(DAU)= 6.2 * 85% * 35.2% = 1.86 亿

 

方法2:

依然是供给与需求的角度的对比:

供给角度:国内各大资讯类App作品对用户的吸引活跃次数 = 国内各大资讯类App对手机端用户(独立IP)的访问数量统计

需求角度:国内网民每天访问资讯类APP(去掉重复)的次数统计

国内网民每天访问资讯类APP(重复不计)的次数统计=独立移动设备数量*平均访问资讯类App次数(重复不计)

独立移动设备数量 = 网民人数 * 人均拥有独立设备数量

平均访问资讯类App次数由于人口年龄层次的不同导致习惯不同,为此我们取加权平均数。

平均访问资讯类App次数=(不同年龄层次的人口数量 * 不同年龄层次访问次数)/ 网民总数量

资讯类APP的DAU天花板=网民人数*人均拥有独立设备数量*(不同年龄层次的人口数量 * 不同年龄层次访问次数)/ 网民总数量

 

网民人数为7.5亿(据新浪财经的2017年互联网数据报告得知)

假设,每5个人(一个小家)里有一台平板电脑,则估计人均拥有独立设备为1.2

独立移动设备数量=网民人数*人均拥有独立设备数量=7.5亿*1.2台=9亿台

人口年龄分布我们划分为0-18岁,18-30岁,30-50岁,50-无穷大四个层次,由于样本总体是网民,所以我们假设比例:

0-18岁占 30%

18-30岁占40%

30-50岁占25%

50-无穷大占5%

由于年龄层次的不同,习惯也不尽相同,取以下比例:

0-18岁   平均每天访问0.2个APP(考虑到未成年人对这一块需求较小,5个人里有一个人保持每天一次的日活)

18-30岁   平均每天访问0.7个APP(10个人里7个人保持日活)

30-50岁   平均每天访问0.5个APP(10个人里5个人保持日活)

50-无穷大平均每天5% 平均每天访问0.1个APP(10个人里1个人保持日活)

故平均访问资讯类App次数=30%*0.2+40%*0.7+25%*0.5+5%*0.1=0.515次

国内网民每天访问资讯类APP(重复不计)的次数统计=独立移动设备数量*平均访问资讯类App次数(重复不计)=9*0.515=4.635(亿/次)

做到这里,我们顺手计算一下头条的DAU,假设头条市场占有率为20%,腾讯20%,网易20%,其他等共计40%,那么头条的DAU应该是4.635*20%=9270万,腾讯亦然。

算完以后,特地找了头条数据中心给出的数据,2016年头条的日均DAU为7800万

不过现在都是2018年了,头条的DAU应该达到了9000万+了吧。

 

4. 试估算中国K12课外英语辅导的市场

试估算中国K12课外英语辅导的市场(K12:kindergarten through twelfth grade的简写,是指从幼儿园(Kindergarten,通常5-6岁)到十二年级(grade12,通常17-18岁),在中国等同于小学到高中毕业阶段)。

涉及用户:教师端(供应端)、学生端(需求端)

计算模型:市场=K12英语培训学生数 × 英语培训年均花费

     K12英语培训学生数 = 中国处于K12的总人数 * 参与课外培训率 *  参与课外培训中英语辅导学生比例

 

假定2018年中国K12课外英语辅导数据如下:(脑海中想象着top-down法)

在线中小学生总计2.24亿(中国总人口14亿,中国人均寿命75岁,年龄人数按照均匀分布,则中小学生总人数为14/74×12=2.24)

中国处于K12的总人数为2.184亿,(高中三年,高中入学率为90%,则K12人口总数量为2.24×9/12+2.24×3/12×90%=2.184亿)

参与课外培训率约为60%,

参与课外培训中英语辅导学生约为60%,

英语辅导年平均费用2000/人,

据此估算:市场规模为2.184×60%×60%×2000=1572.48亿

 

5. 芝加哥有多少个调音师

计算模型:调音师 = 每天所需调钢琴数 ÷ 每个钢琴师每天可调钢琴数

从需求端进行分析,弹钢琴属于一个中等需求,但国外孩子兴趣浓,家长喜欢让孩子有丰富的课外活动,我们需要知道芝加哥的总钢琴数、每个钢琴师每天可跳钢琴数(top-down法)

 

假设所需数据数据如下:

共需调弦钢琴总数为37.5万个(芝加哥人口500万,每4个人组成一个家庭,30%的家庭中有钢琴,则500万÷4×30%=37.5万个钢琴,每个钢琴5年调弦一次

每个钢琴师每天可调弦数为4个

据此估计芝加哥有调弦师:375000÷(5×365)÷4=51位

 

6.北京有多少个加油站?

类似问题:中国有多少个加油站?(万年经典too)

计算模型:加油站数 = 需加油车数 ÷ 每个加油站平均加油时长

需求分析:加油站的主要任务是提供为汽车加油的需求,汽车加油对于有车的人属于强需求,假设加油站总加油能力和市场需求匹配(在时间上呈现市场需求等量满足的情况)。我们需要知道北京每天共有多少台车加油,以及每天加油站可加油车数

假设所需数据如下(参数及模型分析):

北京每天加油车数:100万(北京人口2000W,每4人一个家庭,每个家庭一台车,每台车5天加油一次,则为2000W÷4÷5=100万)

加油站每天可加油车数为:392个(每个桩加一次油需要5分钟,每天作业14小时,8小时加油站加油桩利用率为80%,6小时加油桩利用率为30%,加油站有4个桩,则每天可加油数为

8 ÷(5/60)×0.8×4+6 ÷(5/60)×0.3×4=392个)

据此估计北京的加油站数为 每天总需加油车数÷每个加油站每天可加油数 为100万÷392=2551个加油站

答:北京共需加油站2551个。

 

类似问题:上海有多少个加油站?

1、上海加油站的数目 = 上海年总耗油量 ÷ (365 x 加油站日平均耗油量)
2、加油站日平均耗油量 = 轿车日平均耗油量 x 加油站日均加油的车的数量
3、轿车日平均耗油量 = 轿车平均日跑公里 ÷ 每升汽油平均跑的公里

   轿车日平均耗油量 2L/天(轿车平均日跑公里:25公里。每升汽油平均跑的公里:一般的城市道路行驶,油耗大约是8升/百公里,1升汽油大约可以行驶12.5公里。轿车平均日跑公里 ÷ 每升汽油平均跑的公里= 25 ÷ 12.5 = 2L/天)

  加油站日均加油的车的数量538辆(上海是交通非常繁忙的城市。一天24h,23:00-7:00视为休息时间,也就是说假设加油站一天有16h的工作时间,假设一辆车加一次油的时间是5分钟。加油站的油口有2个的,4个的,6个的,8个的。平均下来我们就按4个算。那么一个加油站一天加油的车平均的数量为4 x (16 x 60 ÷5) = 768辆但是加油站也不可能16h不间断连续工作,每天的油品也不是无限的。所以这个数量打个7折。就是说一个加油站一天加油的车的平均的数量为768 x 0.7 = 538辆)

  加油站日平均耗油量 = 538 x 2 = 1076 L/天

  上海年总耗油量由2016年上海市国民经济和社会发展统计公报给出的数据可得2016年上海液化气的销售总量为39.79万吨

    一升93号汽油的重量大约是0.725千克。
    上海加油站的数目 = 上海年总耗油量  ÷ (365 x 加油站日平均耗油量)= 39.79 x 10000 x 1000 ÷ (365 x 1076 x 0.725)= 735个

 

7. 北京有多少辆出租车?

计算模型:北京出租车数=北京的总人口数 × 北京每天乘坐出租车的人口比例 ÷ 一辆出租车的平均载客数/天 
细化考虑: 


北京的总人口数:普通大城市人口规模10的6次幂,考虑北京属于超大规模人口城市,估算为10的7次幂 
北京每天乘坐出租车的人口比例:现有出行方式(自驾、地铁、出租、公交、其他)估算出租占比20%以下估算为15% 
一辆出租车的平均载客数/天:正常工作时长8小时,除去等待时长、空载时长,拉客时长大概占70% 
平均完成一趟乘客的运送耗时20分钟 
平均一趟载客量1到4名→取2名 
则一辆出租车的平均载客数/天约为:34位 (8 * 60 / 20 * 70% * 2 = 33.6)
综合上述对问题的细分,可以估算出最终结果。(10^7 * 15% / 34 )

8. 美国飞机的乘客数有多少?

两个角度回答这个问题。
1. 从美国总人口数入手。 

考虑求解此问题的可行公式:美国飞机的乘客数=美国的总人口数×平均乘坐次数/人/年
问题变成估算:美国总人口数(这个数据要记住,估算问题常用到,3×10的8次幂)
平均乘坐次数/人/年:考虑大多数一年出差一次(2次),少部分频繁出行→取平均的话,3次
即可求解啦。

2. 从美国飞机场的运客能力入手。

考虑求解此问题的可行公式:美国飞机的乘客数=机场数×(航班数/机场)×(乘客数/航班)×365天/年


9. 估算深圳市丰田汽车的数量?

层级拆解:深圳市汽车(第一层)、丰田汽车(第二层)、丰田(横向可以是特斯拉)

分析思路1:Top-down

    1. 先假设已知深圳市全市共有机动车300万辆;(一层)
    2. 在深圳市几个车流密集区域采样,记录每100辆车中丰田车的占比,取平均占比;(二层)
    3. 假如平均占比为25% ,那么得出:300万×25%=75万辆。

分析思路2:Bottom-up

    1. 先假设已知深圳全市有「特斯拉」8万辆;(与丰田是横向同层)
    2. 在深圳某地多点采样得出:在每100辆汽车车中,「特斯拉」车的占比为2%,丰田车的占比为20%;
    3. 那么得出:8万/2%*20%=80万辆。(利用横向反推)

补充边界

(1)在对丰田汽车采样的时候,选择什么地点呢?(证明边界有考虑)

    • 选择密集的区域就正确?如口岸、机场、商场等是否有影响数据的真实性?
    • 若只取口岸附近的车流密集区,则占比有可能偏高。(香港牌保姆车多数是什么品牌?)
    • 那么应该取多少个才比较“均衡”呢?

(2)在对特斯拉进行采样时,该怎么分析?(证明你对特斯拉有研究,知道是可以充电)

    • 若取样地点是「特斯拉充电桩」附近,同样也会造成数据偏高的情况;
    • 特斯拉在深圳属于什么定位?

 

其他

离你最近的超市在午夜十二点时货架上有几瓶330ml的可乐?(2018路口笔试题)

估算一下北京小吃店的数量?

估算一下中国在过去一年方便面的市场销售额是多少?

估算一下长江的水的质量?

估算一下一个行进在小雨中的人5 分钟内身上淋到的雨的质量?

估算一下东方明珠电视塔的质量?

估算一下中国去年一年一共用掉了多少块尿布?

估算一下杭州的轮胎数量?

广州海珠区有多少间7-11便利店?

珠海海怡湾畔小区的入住户数有多少?

 

参考网址

  1. 7.2.4 如何回答快速估算类问题?
  2. 笔试必考:中国有多少个加油站?(估算类问题方法论构建)
  3. 今日头条 产品 2018暑期实习笔试
  4. 费米估算类问题-解决方法
  5. 估算类问题的回答思路
  6. 估算:上海有多少加油站?
  7. 产品经理面试策略:针对问数量、估算的“面试问题”如何进行思考和回答?




转载于:https://www.cnblogs.com/haimishasha/p/11140702.html

费米-狄拉克分布是一种描述量子统计力学中粒子行为的概率分布,主要用于解释费米子(例如电子、质子等)在不同能量状态下的占据情况。以下是关于大学物理实验中的费米-狄拉克分布的概念、公式计算以及实际应用的详细介绍: --- ### 费米-狄拉克分布的基本概念 费米-狄拉克分布适用于半经典近似条件下的费米子系统。其核心思想在于,在给定温度下,一个能级被单个费米子占据的概率取决于该能级的能量和系统的化学势。 --- ### 费米-狄拉克分布的数学公式 费米-狄拉克分布可以用以下公式表示: $$ f(E) = \frac{1}{e^{(E-\mu)/kT} + 1} $$ 其中: - $ f(E) $ 是某一能量态 $ E $ 被占据的概率; - $ E $ 是粒子的能量; - $ \mu $ 是化学势(通常接近费米能级 $ E_F $ 在绝对零度时); - $ k $ 是玻尔兹曼常数; - $ T $ 是热力学温度。 当温度趋于绝对零度 ($ T=0K $),只有低于费米能级的状态会被完全占据,而高于费米能级的状态则不会被占据。 --- ### 如何进行费米-狄拉克分布的计算 为了计算某个特定条件下费米-狄拉克分布的具体值,可以采用如下步骤: 利用数值方法或解析法求解分布函数。对于简单的理论分析,可以直接代入已知参数来估算结果。例如:假设某金属材料的费米能级为 $ E_F = 5 eV $,环境温度为室温 (约 $ T = 300 K $),可以通过公式计算任意能量水平上的占据概率。 ```python import numpy as np def fermi_dirac_distribution(E, mu, T): """ Calculate the Fermi-Dirac distribution function. Parameters: E : float or array-like Energy level in electron volts (eV). mu : float Chemical potential (Fermi energy at absolute zero), in eV. T : float Temperature in Kelvin. Returns: Probability that a state with energy E is occupied by a particle. """ if T == 0: return 1 if E < mu else 0 else: kB = 8.617e-5 # Boltzmann constant in eV/K exponent = (E - mu) / (kB * T) return 1 / (np.exp(exponent) + 1) # Example usage Ef = 5.0 # Fermi energy in eV temperature = 300 # Room temperature in K energy_levels = np.linspace(0, 10, 100) # Range of energies to evaluate probabilities = fermi_dirac_distribution(energy_levels, Ef, temperature) print(probabilities[:10]) # Print first few probabilities for demonstration ``` --- ### 费米-狄拉克分布在大学物理实验中的应用 1. **半导体特性研究** 在固体物理学领域,费米-狄拉克分布广泛应用于理解导体、绝缘体和半导体的行为。特别是在硅基器件的设计过程中,需要精确掌握载流子浓度随温度变化的关系。 2. **低温物理测量** 对于超导现象的研究而言,准确测定样品内部自由电子数量至关重要。此时借助此模型能够很好地预测临界转变点附近的变化规律。 3. **核磁共振谱线形状模拟** 当原子核处于外加磁场作用之下发生跃迁吸收射频信号形成NMR图谱时,也会涉及到似的统计权重分配过程。 4. **光学性质表征** 利用光泵浦技术激发目标物质至更高激发态再观察辐射衰减曲线同样离不开这一基础原理的支持。 ---
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值