大家好今天来介绍费米估算法的原理，以下是小编对费米估算法训练的归纳整理，来看看吧。
估算思维—费米估算法
恩里科·费米（Enrico Fermi，1901-1954）是美籍意大利物理学家，1938年获 诺贝尔物理学奖 ，1942年创造了第一次原子核的链式反应，引领科学进入原子时代。值得一提的是，费米还是一位善于启发学生思维的教育家，他特别喜欢用估算的方法来训练学生独立思考问题和处理难题的能力。他说，当你听到一个问题，可你对问题的答案丝毫都不知道，你肯定会认为所提供的信息或已知条件太少了，因而无法解决它；但是当这个问题被分解成几个次级问题，每个问题不漏者用求教专家或书本都能解答时，你就接近于得到准确的答案了。比如，你想知道地球周围的大气质量是多少，这个问题处理起来好像无从下手，但是稍有物理知识的人都知道一个标准大气压约为1.01×105帕，大气有压强完全是因为大气有重力，而地球的半径约为6400千米是我们熟悉的物理量，求出地球的表面积后再乘大气的总重力，就可以得到地球上空气的总质量。这就是著名的“费米估算法”。
“费米估算法”的特点在于解决不提供准确解题必须的全部条件的估算问题。据说，有一次费米在芝加哥大学的课堂上提出了一个古怪的问题：芝加哥市一共有多少位钢琴调音师？见学生们一片茫然，费米提示把这个问题“分解成一些便于操作的小问题，然后鼓起勇气作猜测和假设”。芝加哥有多少居民？可靠的估算是300万；平均每个家庭有多少人？4人；多少家庭有钢琴？大概三分之一，那么全市大约就有25万架钢琴；一架钢琴隔多长时间需要调音？平均5年，那么芝加哥平均每年有5万架次的钢琴需要调音；每个调音师每天能为多少架钢琴调音？4架；假设他一年工作250天，那么他每年约为1000架钢琴调音。由此，费米和学生们推测，芝加哥市大概有50位钢琴调音师。看起来这个答案不太精确，因为调音师的实际数据有可能介于25位～100位之间。然而，事后有人用电话号码簿加以验证，实际统计的结果与费米的猜测十分接近。
费米的意图是想说明，我们可以提出假设，然后估算出相当近似的答案。它的原理是，在任何一组计算里，错误往往会相互抵消。例如，有昌猛人会假设不是每3个耐搜桥，而是每6个家庭有1架钢琴，他同样也可能假设每架钢琴每2年半而不是5年必须调一次音。由于错误的估计往往相互补偿，其计算结果将趋向于相对正确的数字。用理论语言表述就是：费米估算的准确性取决于“平衡（均）律”的作用。“平衡（均）律”在自然界和我们的生活中无处不在。对它的理解是：在猜测过程中的每一个小问题的关键点，你的推测假设都有可能过高或过低，但是如果这样的“点”多取几个，误差往往就会互相抵消。
费米处理问题的方式是将复杂、困难的问题分解成小的、可以解决的部分，从而以最直接的方法迅速解决问题。这种思维方式非常实用，可以帮助我们解决很多日常甚至重要的问题。在上个世纪40年代的一个早晨，世界第一颗试验原子弹在美国新墨西哥州沙漠上爆炸。40秒钟后，震波传到费米和他的同事们驻扎的基地，费米把一些碎纸屑扔向空中让其随风飘落，然后通过迅速计算，费米向他的同事宣布爆炸的能量相当于1万吨烈性炸药，这与精确测量的结果极为接近。大家对这位估算天才钦佩之余但并不惊奇，因为费米估算法早已 闻名遐迩 。
在实际生活中，我们常常需要在信息不全的情况下做出判断决策。要使我们的决定尽可能正确，最有效的策略就是“费米思维”，它对于培养我们的应变能力，以及解决突发事件的能力都有很大帮助，甚至应该成为我们生存和发展的必要心理素质。
Market Size费米估算问题解题思路汇总
解题思路：
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。
计算过程：
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。
商铺规模约占商场规模的一半左闹握右，合计30000平方米。
商铺租金约为40 元/平方米/天，估算出年租金为40*30000*365=4.38 亿。
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。
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。
解题思路：
这个问题可以从两个角度去拆解：
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？
从供给角度去分析这个问题会简单一些，我们可以从一个摊主生产煎饼的效率及每年工作时长来拆解估算一年能卖多少个煎饼： 一年内煎饼销量 = 一年内实际出摊天数 *每天生产煎饼个数
计算过程：
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%。所以平均每个小时生产的煎饼数量为：70%*60/3=14个
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。所以平均每天生产的煎饼个数为：14*9=126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126*300=37800个
解题思路：
要分析资讯类APP的DAU天花板，其实这个问题就是转化为 全国网民每天从app获取资讯的总量，而这个总量可以转化为设备数乘以每天活跃的概率。 由于这个问题是2018年今日头条产品笔试题，笔者也偷懒没有去查最新的数据，所以后面的计算过程还是按照2017年的数据进行估算，有兴趣的同学也可以自行估下今年的最新情况。
计算过程：
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台
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=9亿蠢衡台
由于不同年龄段的网民的对app的使用情况差异较大，所以这里需要对人口进行分布估算并加权来获取使用习惯的加权结果。 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：
由于年龄层次的不同，习惯也不尽相同，取以下比例：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
1、拆解大纲，分析估算逻辑：
2020年K12在线英语培训市场规模，已经聚焦在“K12在线英语”这一细分市场。
因此可以尝试采用大市场往下估算：
“K12在线教育”->“K12在线英语”；
或者“K12英语”->“K12在线英语”。
在具体估算市场规模时，可以采用“需求渗透率分解法”，市场人群规模 * 人均客单价。
最终，尝试拆解如下：
2、根据框架，收集相关数据：
Step1. 计算2020年K12英语参培人数
根据Frost&Sullivan的报告：2020年K12英语教培用户规模液档庆将达1740W人；
Step2. 计算2020年K12英语参培中，线上参培人数
根据iiMedia Research(艾媒咨询)数据显示，2020年K12在线渗透率将达18.8%
则，2020年K12在线用户规模=1740W*18.8%=327.12W
Step3. 根据人均支出，计算2020年K12在线英语市场规模
根据36氪研究院2018年的报告：https://36kr.com/p/5117906
家长在K12在线英语教育上的年支出均值为8318.8元
2020年K12在线英语市场规模=327.12W*8318.8元≈272亿
解题思路：
我们先假设加油站总加油能力和市场需求匹配，即供需处在平衡状态（没有加油站特别多没有车来加油；也没有车特别多找不到加油站加油的情况）。那么问题就转化为 北京每天有多少台车需要加油，而每个加油站又能满足多少台车的加油需求。
计算过程：
北京每天加油车数：110万（北京人口2200W，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2200W÷4÷5=110万）
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（0.8*8*60/5×0.8×4+0.3*6*60/5）*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110万÷392=2806个加油站
解题思路：
从需求端出发，我们可以通过北京总人口及乘坐出租车出行的人口比例算出乘客数量，从供给侧估算出每辆出租车每天的运送乘客量，假设出租车和乘客的供需是平衡的（即没有人打不到车，也没有车一天都接不到乘客），得到计算模型：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 ÷ 一辆出租车平均每天载客数
计算过程：
北京的总人口数：2200w，每天乘坐出租车的人口比例（除去自驾、地铁、网约车、公交、其他）估算出租占比不到20%，假设为15%，即北京每天乘坐出租车都乘客数量约为2200w*15%=330w
一辆出租车平均每天正常工作时长16小时（多班倒），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30分钟，即一辆出租车每天可以跑16h*70%/0.5h=22.4趟
平均一趟载客量约2名（载客量1到4名→取2名），则一辆出租车每天都平均载客数为22.4*2=44.8名
那么估算北京出租车数量为：330w/44.8=7.37万辆
解题思路：
对于地域类的市场规模问题，一般可以从需求端切入，因为常驻人口是一个比较容易获取的信息，对不同人群进行划分，针对人群对奶茶的需求程度，计算其渗透率、购买频次及商品单价，最终加权便可以得到杭州每年奶茶店的销售额，计算模型为： 杭州每年奶茶店销售额 = 杭州常住人口*渗透率*饮品平均单价*每人每周续购杯数*52周
计算过程：
杭州的常住人口约为1200万，我们假设小孩、年轻人、中年人及老年人的比例为15%：30%：40%：15%，那我们可以得到人群分布为：
渗透率指的是有多少比例的人会选择喝奶茶，每周续杯数量是指平均每个会选择喝奶茶的客户平均每周会喝多少杯奶茶，这个对于不同年龄段的人群差异是比较大的，我们做了以下的估算：
饮品单价：根据我们的生活常识，蜜雪冰城的奶茶均价8元，喜茶的奶茶均价在30元一杯。所以饮品单价我们可取15元一杯
按照一年52周我们可以估算出杭州每年奶茶店的销售额约为：[(180w*0.1*1)+(360w*0.4*1.5)+(480w*0.1*0.5)+(180w*0.05*0.5)]*15*52=204750万，杭州每年奶茶店销售额约为20亿
费米估算问题套路详解
有这样的一个故事：
在一次芝加哥大学课堂上，费米问学生。芝加哥市有多少调琴师，学生们一脸茫然。费米提示把这个问题 “分解成一些便于操作的小问题，然后鼓起勇气作猜测和假设”。
芝加哥有多少居民？可靠的估算是300万；平均每个家庭有多少人？4人；多少家庭有钢琴？大概三分之一，那么全市大约就有25万架钢琴；一架钢琴隔多长时间需要调音？平均5年，那么芝加哥平均每年有5万架次的钢琴需要调音；每个调音师每天能为多少架钢琴调音？4架；假败雀设他一年工作250天，那么他每年约为1000架钢琴调音。
由此，费米和学生们推测，芝加哥市大概有50位钢琴调音师。
事后有人用电话号码簿加以验证，实际统计的结果与费米的猜测十分接近。
费米估算指的是解决未知结果的估算问题， 将复杂的问题拆解成小的、可知结果的部分。
将拆解出来的简单部分赋予实际意义， 如果还不能得出结果，那就继续再拆解 ，直到拆解后的所有部分问题变成一个常识问题或者是比较容易解决的，从而将一个未知结果的问题逐步变得清晰。
在将复杂的问题拆解成小的、可知结果的部分过程中，可能会存在估算，那么这样的估算会不会给最终结果带来很大的误差呢？
比如前面例子中，费米估算芝加哥有1/3家庭有钢琴，如果当时估算的是1/4，那结果就会不准确了吗？
其实在费米估算过程中，我们不是只有一次估算，我们会产生一系列的估算。比如估算芝加哥有1/3家庭有钢琴，同时也会估算一架钢琴平均5年调一次音。这些估算有的过高有的过低，相乘之后会相互抵消，回归到较为准确的平均值。
费米估算不是万能的，有个很重要的前提，我们的估算值是有实际数据或者生活经验支撑的。估算值不能偏离实际结果太远，要从实际结果、常识出发。比如费米在估算芝加哥每个家庭有4个人，换成我们来估算的话，我们不能拍脑袋直接估算芝加哥每个家庭有10个人。
这种脱离实际常识、数据的估算其实是瞎猜，瞎猜怎么能对呢？
最近在分察念早析些产品面试题，发现一些大厂喜欢出这样的估算题目，比如：
这类问题称为Market Sizing问题，有些同学在面试时碰到这类问题，如果没有提前了解这类题型，难以找到比较好的回答思路。
这类Market Sizing题型正好可以通过费米估算的法则来解决，将未知的数逐步拆解成已知的部分，从而将一个未知结果的问题逐步变得清晰。
Market Sizing问题在运用费米估算时，主要是通过需求端、供给端、供需端等角度切入将问题拆解。
费米估算思路
在进行费米问题估算时，需要谨记的一点在于“ 将难获得的数据拆分为易获得的数据 ”， 同时，对拆解后的部分赋予数值时， 避免改变数值真实范围 （按照数据或者经验来赋予较为准确的范围），这并不是一件困难的事情，因为——费米估算是有逻辑套路的。我们从需求端、供给端、供需端三个方面给出案例。
问：“2018年中国消费了多少升啤酒”
（需求端？供给端？供需端？）
要分清楚这个数据是供应端是瓶颈，还是需求端是瓶颈等。这些类别的不同将有着不同的解题思路。 供给端就是从企业的供给能力出发，评估企业能够支持多大的市场规模。而如果是需求端，通常就和人口之类的挂钩了。
那么，很明显，中国啤酒的消费量属于“需求端是瓶颈高培。
列出你的一些常识，从而启发解题方向。通常来讲，每个人的解题思路会因为自己常识的不同而不同。估算能力本质就是将一个复杂的问题，一步步拆成贴近自己常识范围内的题目去解。
构建计算逻辑树，咨询公司又叫它issue tree。我思考了几种思路：
在建立issue tree之前，要讲一个重要的原则，咨询公司叫MECE（读me see），全称是“Mutually Exclusive Collectively Exhaustive”，翻译成中文就是“相互独立，完全穷尽”。我们习惯简称为“不重不漏”。
在按照 MECE 原则将某个整体（不论是客观存在的还是概念性的整体）划分为不同的部分时，必须保证划分后的各部分符合以下要求：
因此，我所列的计算逻辑的要素必须是符合MECE原则。现在开始一步步列出计算逻辑树， 黑色背景代表已经可以在常识范围内进行估算了，深蓝色背景代表则反之。
由于我主要在夏季喝啤酒，因此，我以夏季的日消耗量来进行估算，这也符合我的常识。前面提到，冬季是啤酒淡季，夏季是旺季，因此公式变为：
由于直接估算消耗的体积比较不直观，我们转而估算瓶数，最后再转回体积，公式变为：
而某场所夏季的日消耗瓶数还需要继续拆解，以KTV场所为例：
酒吧单间场所覆盖人数的估算方法和KTV一样。小餐馆较多，无法使用相同的办法。这时候可以取用深圳家中小区人口数和附近饭店的数量去进行估算。
根据MECE原则，还有一个其它场所需要预估。其他消费场所的消耗瓶数，则为以上四种消费场所总消耗瓶数的某个百分比即可。至此，整个计算逻辑树如下，树根已经为黑色背景可估算了。
1）计算“单间场所覆盖人数”
老家县城城区人口约20万人，KTV印象中在5 - 15家左右，酒吧1~3家，取个均值，算下来：KTV单位覆盖人数=20W人/10家KTV=2W人。酒吧单位覆盖人数=20W人/2家酒吧=10W人。
深圳家中小区加上园区办公楼估算有5000人左右，附近饭店在约有10家。因此，小餐馆单位覆盖人数=5000人/10家餐馆=500人。家庭单位覆盖人数直接取3人，三口之家。
2）计算“目标消费人群数量”
KTV，酒吧，小餐馆，我理解农村是比较少的，忽略不计。前面讲到我的常识中，农民是8亿人口，那么这三种场所的目标消费人群为6亿（14亿-8亿），家庭则为完整的14亿。
计算“单间场所日消耗瓶数”，即“平均每天消费人次” X “人均消费瓶数”。
以下数据均为估算：
3）两个快速计算的技巧
至此，计算都比较简单。那么后面的计算过程如果按照传统的计算，将会非常耗时且容易出错，在面试过程中这么操作是不现实的，为了应对这种情况，《Case Interview Secrets 》给出了两个技巧：
计算“场所数量”，即“目标消费人群数量” ÷ “单间场所覆盖人数”。
计算“各场所啤酒夏季日消耗瓶数”，即“单间场所日消耗瓶数”乘“场所数量”。
计算“最终结果”：
算完以上之后，由于KTV和酒吧占比很小，所以你可以放心取整数了。四种场所总计=2700千瓶+540千瓶+240百万瓶+70百万瓶≈（2.5+0.5+240+70）百万瓶约等于310百万瓶
那么以上，我们估算了四个主要消费场所的量，我已经很难想到其它大的消费场所了，因此我估算其他场所只占消耗量的10%。则总计=310+310*10%=310+31约等于340百万瓶。
前面提到我是按照旺季的消耗量去预估的，因此数据是偏高的。我需要打一个季节折扣。这个折扣我根据自己的理解设定为80%。
则总计=340X80%=340X100%-340X20%=340-68约等于=340-70=270百万瓶。
一年365天，则一年总计=270X365=250X400=100000百万瓶=1000亿甁。
每瓶容积为0.45升，则 中国2018年啤酒消耗量=1000X0.45=450亿升。
我用excel精确计算后的结果为453亿升，可谓相当接近了。
朋友告知第三方给出的数据在400-450亿升之间。能够碰巧在这个区间也需要一部分运气。《Case Interview Secrets 》作者谈到，这类估算问题，如果与真实数据误差在20%以内，就算是非常完美的估算结果了。当然更加重要的还是解题的思路。一步步将未知的问题拆成若干自己相对已知的范围里去解题。
供给端：
楼下星巴克一年卖咖啡收益？
1、列常识
2、逻辑树（拆解公式）
3、数据整合，得到最终结果
星巴克一年营业额 =一杯咖啡均价X(每天闲时产能+每天忙时产能)X365天 =30X(480+192)X365 =736 万
供需结合：
以小见大
“香港有多少个自助提款机？”
被面试的学生来自港中文大学，知道港中文约有10000名师生，有5台ATM取款机。
在 \"供给与需求满足一定比例\" 的假设下，推测一台ATM机能够满足2000人的取款需求。
全香港大概有700万人口，需要3500台ATM机
以大见小
“XX县城有多少金融行业从业人员？”
作出假设：全国大概800W金融行业从业人员
在【供给与需求满足一定比例】的假设下，800W金融从业人员服务与14亿中国人，1个金融从业人员可以服务175人。
XX县城的金融从业人员数量=XX县城总人数/175
常见的费米估算问题都可以套用以上三种方法进行解答。在实际的面试过程中，更加推荐大家从需求端或者供给端出发，进行公式的拆解。一定要记住：关注拆解的过程，可适当引用“瞎诌”的假设数据，不用管结果的正确性！！看完费米估算的思路，有兴趣的朋友们可以拿出纸和笔，做做题呀~~~（1）估算永和豆浆一年的油条销量？（2）上海理发店有多少tony老师？（3）长沙一年的燃油税费是多少？（这是我面网易考拉的原题）
Emmm……好像很多人表示，不知道怎么获取XX城市有多少人的信息，怎么估计每个年龄阶段的人数占比信息……其实吧，这些数据是要背的（对的，你没看错，要背……）。在面试网易考拉的时候，面试官让我推算长沙一年燃油税费，我在做数据假设的时候说道长沙有800W人，这时候面试官小哥哥翻出手机开始查，完了抬头看着我说：你数据感挺不错（哈哈哈内心偷笑中）
引用文章：
费米估算 产品面试中的估算问题解法
费米问题 如何快速评估一个价值范围？
你的城市有多少理发店？费米估算问题套路详解（1）
你的城市有多少理发店？费米估算问题套路详解（2）
费米问题是什么 费米悖论介绍
费米问题
对于“费米问题”，它是在科学研究中用来做量纲分析、估算，以及清晰地验证一个假设的估算问题。关于这一问题的命名，是来自于美国科学家恩利克·费米。此外，对于这类问题通常包括了关于给定限定信息的有可能计算的数量的猜想的验证。
物理学家费米
首先对于这一问题背后的主要人物费米来说，他是一位出色的物理学家。不仅是意大利罗马大学理论的物理学教授，还获得过诺贝尔物理学奖，甚至在他的影响下人类开始迈入原子能时代。此外，他不仅是一位天才的科学家，也是一位善于启发的教育家。他为了开发学生们的智力和才能恩利克·费米简介，他提出了一个新型的思维方式，也就是费米思维，延伸而来就是“费米问题”。
关于这一费米问题的来源，主要的时间是在1945年扥时候发生的一件事情。当时由于世界上的第一颗原子弹在美国新墨西哥州沙漠地区爆炸。费滑绝米于是把笔记本里的一页顷让樱纸撕碎了，一感到震波，他即把举过头顶的抓着小纸片的手松开。当碎纸飘扬而下，在费米身后2.5m处落地，经过心算之后的费米宣布，原子弹能量相当于10000tTNT当量。而另一些尖端的仪器设备则花了数星期时间来分析波速、波压，得到的结果证明费米的瞬时估算是准确的。
于是后来恩利克·费米简介，他为了在学生们中间推广自己的这种思想，于是会经常提出一种比较特殊类型问题，而这也就是目前所知的“费米问题”。
费米悖论
1950年中的一天，当诺贝尔奖获得者、物理学家费米在和别人讨论飞碟及外星人的相关问题的时后，说了一句话：“他们都在哪儿呢？”这句看起来似乎很简单的问话，其实实际上就是著名的“费米悖论”。
费米悖论
关于“费米悖论”的产生，他是源于物理学家费米在讨论外星人的问题基础上提出的。此外关于这个问题更加具体的探讨是在1975年时期，由麦克·哈特发表的一篇文章中，因此有的时候也被叫做是麦克·哈特悖论。另一个与此紧密相关的问题是大沉默——即使难以星际旅行，如果生命是普遍存在的话，为什么我们探测不到电磁信号？
当时有人想要尝试通过寻找地外文明的证据来解决这一费米悖论，甚至还提出了这些生命可能不具备人类的智慧。此外也有学者认为高等地外文明根本不存在，或者非常稀少以至于人类不可能联系得上。而这样的地球殊异假说则被认为是对费米悖论提供了一种解释的答案。在此之后，从哈特开始，很多人开始在费米悖论的基础上开始发展关于地外文明的科学理论或模型。雀丛
在费米悖论中，它主要讲述的就是有关“尺度”和“概率”这两大问题的论点和稀缺的证据之间的矛盾，并认为宇宙显著的尺度和年龄等因素，意味着高等地外文明应该是存在的。但是这个假设至今还没有被认可，因为这一假设没有得到充分的证据支持。
费米问题——用已知理论推算未知问题
转自： 费米问题——用枣昌已知理论推算未知问题
产品经理面试中经常会遇到面试官让你在缺少数据的情况下 对某个未知项目规模进行估算。
比如武汉某个地铁站附近的奶茶生意如何，我还有机会开新店吗？这种题目考察的是背后的逻辑思维，结果并不重要。
这种估算问题来源于芝加哥大学的一个课堂上，费米问学生：“芝加哥市有多少调琴师？”学生们一脸茫然。费米提示把这个问题“分解成一些便于操作的小问题，然后鼓起勇气作猜测和假设”。芝加哥有多少居民？可靠的估算是300万；平均每个家庭有多少人？4人；多少家庭有钢琴？大概三分之一，那么全市大约就有25万架钢琴。一架钢琴隔多长时间需要调音？平均5年，那么芝加哥平均每年有5万架次的钢琴需要调音；每个调音师每天能为多少架钢琴调音？4架；假设他一年工作250天，那么他每年约为1000架钢琴调音。由此，费米和学生们推测，芝加哥市大概有50位钢琴调音师。事后有人用电话号码簿加以验证，实际统计的结果与费米的猜测十分接近。
费米问题在科学研究中用来做量纲分析、估算和清晰地验证一个假设的估算问题。这类问题通常包括关于给定限定信息的有可能计信族算的数量的猜想的验证。
例子1
回到开头的问题：武汉光谷广场地铁站附近的奶茶生意如何，我还有机会开新店吗？
首先，我们需要地铁口一天的人流量，找相关工作人员询问可知，早高峰时期此处我们估计15000人；
接着群体抽样，例如某个公司的上班族在奶茶购买上占比公司总人数的20%，即大约有3000人在当天会购买奶茶；
其次按人均购买1杯/天计算，那么一天会有3000杯的销量；再加凳坦扒上大约20%的外卖订单，预计总销量大约3600杯。
假设平均每家店每天卖出300杯（可以通过晚间去奶茶店查看队号，笔者上一次下午6点拿到的是280多号），附近有15家奶茶店，则销量大约为4500杯。说明在这里开新店机会很小。
例子2
武汉有多少辆出租车？该问题的解构公式有多种：
出租车数量=出租车专用设备销售量
出租车数量=公司A出租车数量+公司B出租车数量
出租车数量=出租车公司上班人数
出租车数量=城市人口*人均乘车概率*人均打车次数
出租车数量=城市人口/10000*每万人拥有出租车数量
出租车数量=全市出车占比*主干道车流占比*通过的出租车数量
方法一
首先解构问题
武汉常驻人口有 1300万 ，假设每天打车人群为1/10，即每天打车的有130万人；
出租车司机通常都是两班倒，即每个司机每天工作12小时；
每天每辆车服务多少人= 高峰期 每辆车服务人数+ 平峰 每辆车服务人数。
a.高峰期一般是早高峰和晚高峰，差不多4个小时（7：30-21：30、18：00-20：00），这个时间段出租车的 非空乘率 约90%；高峰期一个乘客约30分钟。高峰期每辆出租车服务人数=4*60*90%/30≈7人；
b.平峰期估算8小时，出租车平均空乘率估算60%；平峰期没有堵车问题，平均每个乘客约15min。平峰期每辆出租车服务人数=8*60*60%/15≈20人。
最后得到的武汉的出租车数量=130万/（7人+20人）=4.8万辆
方法二
也可以不考虑以上的细分场景：
武汉常驻人口有1300万，假设每天打车人群为1/10，一次平均打车时长为20min，所以一辆车24h的拉客次数是72次，而能够满足这些乘客需求的车辆为：打车人数/打车时间=130/72 ≈1.8万辆
方法三
从需求的角度出发，给出另一种算法：
①假设武汉有常住人口 1300万 ，其中
②考虑经济能力，假设务工人员一般平均为4人拼车，学生为3人拼车，白领为2人拼车，其他人群为2.5人拼车；
③在 有车但需要乘出租车 的人群中，主要为白领和其他人群，分别占比60%和40%；在 没车需要乘出租车 的人群中，包括四类人群，假设其中占比为务工人员10%，学生20%，白领40%，其他30%；
④综上，武汉出租车总量为（5%*60%/2+5%*40%/2.5+10%*10%/4+
更多内容继续阅读： 费米问题——用已知理论推算未知问题
以上就是小编对于费米估算法的原理 费米估算法训练问题和相关问题的解答了，希望对你有用
