
90
■
8
章
観察者バイアス
「バイアス付き
z
」の
zb
を示す。
8.3
待ち時間
乗客が駅に到着してから次の電車が来るまでの待ち時間を
y
とする。前の電車の到
着から乗客の到着までの経過時間を
x
とする。私のこの定義では、
zb = x + y
となる。
zb
の分布がわかっていれば、
y
の分布を計算できる。単純な事例から始めて一般化
することにしよう。前の例と同様に、
zb
が確率
1/3
で
5
分であるか、確率
2/3
で
10
分で
あると仮定しよう。
5
分間にランダムに到着するとすれば、
y
は
0
分から
5
分の間に一様に分布する。
10
分間の間に到着するとすれば、
y
は
0
から
10
の間に一様に分布する。したがって、全体
の分布は、それぞれの間隔の確率にしたがって重み付けした一様分布の混合になる。
次の関数は、
zb
の分布を引数に取って、
y
の分布を計算する。
def PmfOfWaitTime(pmf_zb):
metapmf = thinkbayes.Pmf()
for gap, prob in pmf_zb.Items(
):
uniform = MakeUniformPmf(0, gap)
metapmf.Set(uniform, prob)
pmf_y = thinkbayes.MakeMixture(metapmf)
return pmf_y
PmfOfWaitTime
は、メタ
Pmf
で、各一様分布を確率に対応付ける。それから、「5.6
混合」で見た
MakeMixture
を使って混合を計算する。
PmfOfWaitTime
は