很多人第一次看到这道题，注意力都落在"15 分钟"上，然后凭直觉报一个 0.5 或者 0.25。实际上这道"约会问题"的标准答案是7/16 = 0.4375，它属于概率论里最经典的几何概型：把两个人的到达时刻看成一个平面点，把"能见面"翻译成平面上的一块区域，最后用面积比出结果。这个思路一旦立住，剩下的全是算术。但真正容易翻车的地方不在算术，而在于题干里那句没写出来的"每个人都等可能地在任意时刻到达"。我见过太多人背下了 7/16，被追问一句"如果一个人 12:30 才到，概率是多少"就当场卡壳。这篇就把这道题从图形、假设、代码验证、一般化公式、变式、条件概率到现实偏差，一层层拆开讲清楚，适合刚学概率的读者，也适合拿它练建模思维的从业者。

1. 先给答案：7/16 是怎么从一张正方形图里长出来的

这道题的核心动作只有一步：把"时间"这个一维量，升维成平面上的坐标点。一旦完成这个转换，概率就变成了面积比，不再需要任何复杂的概率公式。我建议所有第一次接触几何概型的人都从画图开始，而不是直接上积分——图形给你的直觉，比公式牢靠得多。

1.1 把"到达时间"变成平面上的一个点

设甲到达的时刻距离 12:00 过了 x 分钟，乙到达的时刻距离 12:00 过了 y 分钟。因为两人都可能在 12:00 到 13:00 之间的任意时刻出现，所以 x 和 y 都落在 [0, 60] 这个区间里。把 (x, y) 作为平面上的一个点，所有这些可能的点构成一个边长为 60 的正方形，左下角是 (0,0)，右上角是 (60,60)。

关键在于：均匀到达等价于这个点在正方形里均匀分布。"均匀"在这里的含义是，落在任何一块区域里的概率，正比于那块区域的面积。这个性质是整道题的地基，后面所有推导都建立在它上面。举个类比：你往一块正方形靶子上随手扔飞镖，扔中某个区域的概率就是这个区域的面积占比——前提是每一处被扔中的可能性相同。

于是"两人相遇的概率"就变成了"随机点落在某个特定区域里的面积占比"。问题从概率问题退化成了几何问题。

1.2 那条 15 分钟宽的斜带子

接下来刻画"相遇"这个条件。题目的规则是：先到的人等后到的人，等待上限 15 分钟；超过 15 分钟还没来，先到的人就走了。这意味着两人能见面，当且仅当两人到达时刻的差不超过 15 分钟。

用坐标写出来就是|x - y| ≤ 15。在平面上，这是两条平行直线 y = x + 15 和 y = x - 15 之间的那条斜带子，以对角线 y = x 为中心线，宽度是 15 分钟（沿坐标轴方向量）。这条带子就是"相遇区"。

带子被正方形的边裁掉了两端。在正方形内部，这条带子的完整形状像一个被截断的长条：从左上角附近斜穿到右下角附近。可以直接看出来，正方形的左下角 (0,0) 附近有一个三角形不属于带子，右上角 (60,60) 附近也有一个同样大小的三角形不属于带子。除去这两个角，剩下的都是能见面的区域。

1.3 用"总减去空"算更省事

直接算带子的面积要做分段积分，比较麻烦。算补集要简单得多。两个"不相遇"的角是等腰直角三角形，直角顶点分别在 (0,0) 和 (60,60)，两条直角边都落在正方形的边上。

看左下角那个三角形：它对应的是 x 很小、y 很大的情况，边界条件是 y - x > 15，即 y > x + 15。这个三角形在 x 轴上的截距是 0 到 45（因为当 y 最大取到 60 时，x 最大只能到 45 才能满足 y > x + 15），所以它的两条直角边长度都是60 - 15 = 45。面积是 45 × 45 / 2 = 1012.5。

右上角那个三角形由对称性可知面积完全相同，也是 1012.5。两个加起来是 2025。相遇区的面积就是 3600 - 2025 = 1575。

概率 = 1575 / 3600 = 0.4375 =7/16。

用公式表达就是：P = 1 - (T - w)² / T²，其中 T = 60 是总时间窗口，w = 15 是等待时长。代入得 1 - 45² / 60² = 1 - 2025/3600 = 1575/3600。这个过程心算就能完成，不需要动笔。

2. 三个没写在题干里、但你必须默认的假设

很多人觉得这道题的难点是算面积，其实不是。面积计算是最简单的一环。真正的难点在于：题干给的信息是残缺的，你必须自己补全三个假设才能动笔。而这三个假设一旦被替换，答案立刻变样。这就是为什么同一道题在不同场合会被追问出完全不同的版本。

2.1 均匀到达：整个 60 分钟里每一秒都等可能

题干只说"约好 12:00 到 13:00 之间见面"，没说每个人具体怎么分布。用面积法求解时，我们默认了 x 和 y 在 [0, 60] 上均匀分布。这个假设的现实含义是：甲在 12:00 到 13:00 之间的任意时刻到达的可能性完全相同，乙也一样。

现实里这个假设通常不成立。约 12 点见面，很多人会赶在 12:00 到 12:10 之间出现，也可能有人因为吃午饭拖到 12:40。分布一旦偏离均匀，"面积法"给出的 7/16 就不再是正确答案，只能作为参考。如果你要在真实场景里估这个概率，第一步该做的是估分布，而不是套公式。

不过有一点值得说明：均匀假设在很多笔试和面试场景里是隐含约定，出题人默认你会这么理解。缺省状态下按均匀处理没有错，但你要知道自己用了一个假设，而不是一个已知条件。

2.2 相互独立：两个人不打电话、不互相等

第二个隐含假设是独立性：甲的到达时刻不影响乙的到达时刻。两人没有实时沟通，不会因为对方说"我快到了"而调整自己的出发时间。有了独立性，(x, y) 才是一个在正方形里均匀分布的点。

如果两人保持通话，那就完全是另一个问题：一旦允许沟通，"能否见面"接近确定事件，等待规则就形同虚设。这道题之所以有意思，恰恰因为信息不通畅。用博弈论的语言说，这是一个协调博弈，双方只能靠事先约定的规则来提高见面的机会。

2.3 边界上的等号：≤15 还是 <15 其实无所谓

题干说"不超过 15 分钟"，那么正好等 15 分钟算不算？严格地讲，|x - y| = 15 是一条直线，面积为零，对最终概率没有影响。在连续分布下，单点、单条线的概率都是 0，取不取等号都不改变结果。

这个细节经常被拿来当"思维严谨性"的考察点，但它对答案毫无影响。真正需要注意的是另一种情况：如果题目改成"按分钟取整"的离散模型，边界就变得重要了，因为这时每条线都有正概率。这个坑我们放在第 3 节里专门讲。

提示：判断"边界是否重要"的方法很简单——看它是连续的还是离散的。连续模型下边界测度为 0，可以忽略；离散模型下每一点都有质量，必须逐一数清楚。

3. 用代码把 7/16 跑出来：蒙特卡洛的收敛与抖动

解析解算出来之后，最舒服的验证方式是写几行模拟代码跑一遍。这不是不相信数学，而是模拟能帮你看清哪些环节是"结构性"的、哪些是"巧合"。当你改动一处假设，解析公式可能要重新推半天，模拟却只要改一行。

3.1 二十行代码验证解析解

思路很直白：反复抽样两个 [0, 60] 上的均匀随机数，判断差的绝对值是否不超过 15，统计命中比例。下面是一个向量化版本，跑一百万次大约一两秒：

import numpy as np rng = np.random.default_rng(2024) def simulate(n=1_000_000, T=60.0, w=15.0): x = rng.uniform(0, T, n) y = rng.uniform(0, T, n) hit = np.abs(x - y) <= w return hit.mean(), hit.sum() p, k = simulate() print(f"命中次数 {k}, 估计概率 {p:.5f}") print(f"解析解 {1575/3600:.5f}")

跑出来大概会在 0.4373 到 0.4378 之间浮动，具体数值取决于随机种子。如果写成 for 循环逐次抽样，逻辑一样，速度会慢上百倍，验证性质的工作没必要那样写。

顺带说一个细节：判断条件写成<=还是<，结果不会有可见差别，因为浮点数恰好相等的情况几乎不可能出现。这从侧面印证了上面关于边界的讨论。

3.2 为什么模拟值总在 0.4375 上下飘

蒙特卡洛估计的误差是可以量化的。每次试验是一个伯努利事件，成功率 p = 0.4375，n 次独立试验后估计值的标准差是 sqrt(p(1-p)/n)。代入 p(1-p) = 0.2461：

这张表说明一件事：想要多一位精度，试验次数要翻一百倍。所以拿模拟去"证明" 7/16 是不现实的，它只能佐证。想验证到小数点后三位，一百万次足够；想验证更精确的值，应该回去检查解析推导。

还有一个常见误区：有人跑出 0.440 就以为解析解错了。0.440 距离 0.4375 差 0.0025，对于十万次试验的模拟来说完全在正常波动范围内（约 1.6 个标准差）。判断模拟结果是否异常，要拿标准差的倍数去比，而不是凭感觉看小数点后几位。

3.3 换成离散的"整分钟"会怎样

现实里没人按"12:07:23.451"这种精度约时间。如果把模型改成"两人都在 61 个整点时刻中随机选一个"，答案是多少？

这个问题我建议你亲手算一遍，因为它的结果和连续模型的差异非常能说明问题。

取时刻为 0, 1, 2, ..., 60，共 61 个值，总的组合数是 61² = 3721。对每一个 x，满足 |x - y| ≤ 15 的 y 的数量是 min(60, x+15) - max(0, x-15) + 1。分段统计：

• x 从 0 到 15：数量从 16 递增到 31；
• x 从 15 到 45：数量恒为 31；
• x 从 45 到 60：数量从 31 递减到 16。

加总得 1651，概率是 1651/3721 ≈0.4437，比 0.4375 略大。

如果用 0 到 59 这 60 个时刻，总组合数为 3600，逐段求和结果是 1620，概率正好是0.45。

两种离散化方式，结果分别是 0.4437 和 0.45，都不等于 0.4375。这不是算错了，而是离散化把边界"加厚"了：连续模型里 |x-y| = 15 是一条零面积的线，离散模型里它是一批有正概率的点对，被算进了命中区。如果你的程序里出现这种差异，先检查是不是把连续问题离散化了，再去怀疑公式。

4. 把 60 和 15 换成字母：一般公式与几个常见变式

把具体数字换成符号，是检验自己是否真正理解一道题的标准动作。如果换掉 60 和 15 之后你还能立刻写出表达式，说明你掌握的是方法；如果必须重新画图重推，说明你记住的是答案。

4.1 一般公式 P = (2Tw - w²)/T² 的推导

设总时间窗口为 T，等待时长为 w，且 0 ≤ w ≤ T。相遇条件是 |x - y| ≤ w，正方形边长为 T，总面积 T²。不相遇的两个三角形，直角边长都是 T - w，各占 (T - w)² / 2，合计 (T - w)²。

于是：

P = [T² - (T - w)²] / T² = (2Tw - w²) / T²

这个式子可以写成更直观的形式：P = w/T × (2 - w/T)。令 r = w/T（等待时长占总窗口的比例），则 P = r(2 - r)，这是一条开口向下的抛物线，在 r = 1 时取到 1，在 r = 0.5 时等于 0.75，在 r = 0.25 时等于 0.4375。

这个形式透露了一个重要信息：概率对 w 不是线性的。等待时间翻倍，概率并不会翻倍。r 从 0.25 涨到 0.5，概率从 0.4375 涨到 0.75，涨了约 0.31；r 再从 0.5 涨到 0.75，概率只涨到 0.9375，涨幅降到 0.19。越往后越不划算。

4.2 等待时间对照表：从 5 分钟到 30 分钟

固定 T = 60，把常见的等待时长都算一遍，方便你直接拿去用：

（5 分钟那一栏的正确结果是 575/3600 ≈ 0.1597，可以直接用公式 2×60×5 - 25 = 575 验证。）

从表里能读出一个反直觉的结论：在这个模型下，即使愿意等 15 分钟，见面的概率还不到一半。原因是"两人都不在中间时段到达"这类情况占的比例相当大——比如一个人在 12:00 到、另一个人在 12:50 到，这样的组合数量并不少。

想要把概率提到 0.75，等待时间得占到整个窗口的一半，也就是 30 分钟。这个数字在现实里是不可接受的，也解释了为什么"约一个宽泛的时间窗口"这种约定方式效率很低。

4.3 两个人的到达窗口错开时会掉多少

现实里经常出现这种约定：甲 12:00 到 13:00 之间到，乙 12:30 到 13:30 之间到。两个窗口错开半小时，但都不是很确定。这时正方形变成了矩形，问题性质变了。

设甲的时刻 a ∈ [0, 60]，乙的时刻 b ∈ [30, 90]，做变量替换 b' = b - 30 ∈ [0, 60]。相遇条件是 |a - b' - 30| ≤ 15，即 b' 落在 [a - 45, a - 15] 里。

对每个 a，符合的 b' 在 [0, 60] 内的长度是：

• a < 15 时，区间上界 a - 15 < 0，落在 [0,60] 外的部分全部无效，长度为 0；
• 15 ≤ a ≤ 45 时，下界 ≤ 0，有效长度是 a - 15；
• 45 ≤ a ≤ 60 时，下界在 [0, 15] 内，上界在 [30, 45] 内，有效长度恒为 30。

积分：∫(15→45)(a - 15)da + ∫(45→60)30da = 450 + 450 = 900。总面积仍是 3600，概率 = 900/3600 =0.25。

错开半小时之后，在同样等 15 分钟的前提下，概率从 0.4375 掉到 0.25，掉了将近一半。原因很直观：甲早到的时候（12:15 之前），乙的窗口还没开始，甲怎么等也等不到。这一段占掉了甲四分之一的可能到达时间，白白浪费。

这个变式有实际意义：如果你和朋友的时间窗口天然错开，先把窗口对齐比延长等待时间更划算。把乙的出发时间往前挪半小时，概率能恢复到 0.4375，相当于凭空多等了近 10 分钟的效果。

4.4 非对称等待：一方等 10 分钟、另一方等 20 分钟

再换一个变式：甲先到时只肯等 10 分钟，乙先到时愿意等 20 分钟。这时的相遇区域不再是那条对称的斜带子，而是两块宽度不同的区域拼起来的。

条件是：x < y 时要求 y - x ≤ 10；x > y 时要求 x - y ≤ 20。

上三角那块（x < y）的面积，对 x 积分 min(10, 60 - x)：x ≤ 50 时取 10，x > 50 时取 60 - x。积分得 500 + 50 = 550。

下三角那块（x > y）的面积，对 y 积分 min(20, 60 - y)：y ≤ 40 时取 20，y > 40 时取 60 - y。积分得 800 + 200 = 1000。

总面积 1550，概率 = 1550/3600 ≈0.4306。

有意思的地方在于：10 和 20 的平均值是 15，但结果比对称的 15 分钟情况（0.4375）略低。差得不多，只有 0.007 左右，原因是对称时两块区域在边界处的"拼接"更紧凑。这个结论说明，让两人等一样长，比一个人多等一个人少等要略好一点，虽然优势很小，实际意义有限。

5. 条件概率与平均值：被追问时最容易翻车的两个点

这类题在笔试和面试里很少只问一个"求概率"就结束。最常见的追问是往条件概率方向走，或者问平均等待时间。这两类问题都有陷阱，而且陷阱的位置很隐蔽。

5.1 "已知 A 先到"为什么不改变概率

一个常见的追问：已经知道甲先到，他最终能等到乙的概率是多少？

直觉会告诉你"应该比 0.4375 大"，因为甲既然先到了，就一定会等，而乙只要在 15 分钟内出现就行。但这个直觉是错的，正确答案仍然是0.4375。

理由很干净：条件"甲先到"相当于把样本空间从整个正方形缩小到对角线以上的那个三角形，面积是 1800。而相遇区域 |x - y| ≤ 15 恰好关于对角线 x = y 对称，它在那个三角形里占的面积正好是一半，即 787.5。面积比 787.5/1800 = 0.4375。

换句话说，斜带子被对角线切成面积相等的两半，这源于 x 和 y 的完全对称。这个等式是"对称性"送的礼物，不是什么普遍规律。如果两人的分布不对称，或者等待规则不对称，这个结论立刻失效——比如上一节的 10 分钟对 20 分钟，甲先到时等到乙的概率是 550/1800 ≈ 0.3056，和 0.4306 差得很远。

同样需要区分清楚的是另一种问法：已知甲在 12:20 到达，他见到乙的概率是多少？这就变了。甲到达后，乙的时刻必须落在 [5, 35] 这个区间里（因为甲在 20 分，往后等 15 分钟到 35 分，往前推算 15 分钟是 5 分），区间长度 30，概率是 30/60 =0.5，比 0.4375 大。

这张表值得反复看："知道谁先到"和"知道谁几点到"是两种强度完全不同的信息。前者只给了序关系，对概率毫无影响；后者给了一个具体位置，直接改变了条件分布。很多人在这两种问法之间混为一谈，答得很自信但错得很干脆。

表格里还有一个小规律：甲在 12:15 到 12:45 之间到达时，概率恒为 0.5，因为等待窗口完全落在 [0, 60] 内部，不会被边界裁掉。越靠近两端，被裁掉的部分越多，概率越低。

5.2 若真的见了面，平均等了多久

另一个常见的追问：见面成功的那些情况里，先到的人平均等了多久？

这需要算条件期望。两人到达时刻之差的绝对值 d = |x - y|，在正方形上，d 的密度函数是 f(d) = 2(T - d)/T²，这里 T = 60。这个式子来自"距离为 d 的等值线是两条线段，总长度 2(T-d)"，再除以总面积。

要算的是 E[d | d ≤ 15] = E[d · 1{d≤15}] / P(d ≤ 15)。分母是 0.4375。分子是 ∫(0→15) d · 2(60 - d)/3600 dd，展开后得 3.125。

于是条件期望 = 3.125 / 0.4375 =50/7 ≈ 7.14 分钟。

这个结果还算好记：见面成功的场合下，先到的人平均只等了 7 分多钟。因为多数成功的情况是两人到达时间比较接近，真正"卡在 15 分钟边缘"的情形贡献了一部分，但主导的是小时间差。

顺带可以算另一个数字：不管见没见到，两人到达时刻差的期望是 T/3 = 20 分钟。这 20 分钟里有 15 分钟是白等的（超过 15 分钟的部分意味着见不到面），这个对比挺能说明问题的。

6. 现实里这个模型会怎么坏掉

公式算得再漂亮，现实里也不会真的按均匀分布走。我见过不少人把 7/16 当成一个"真理"往外讲，比如"我们约在整点之间见，见到的概率只有 44%"，这话在特定前提下成立，换个场景就完全不准了。知道模型会在哪里失效，比记住答案更有用。

6.1 人的到达从来不是均匀的

真实的到达时间至少有三个特征：一是偏向窗口开头，约 12 点见面的人，大量会集中在 12:00 到 12:15 之间；二是偏向整点或半点，12:15 这种时刻比 12:13 更受欢迎；三是存在迟到尾部，少数人会拖到很晚。

这三点对概率的影响方向不同。前两点让两人的到达时间更"聚集"，增加了见面的机会；迟到尾部的存在又拉开了差距，降低了机会。到底哪一边占上风，必须靠数据说话，不能拍脑袋。

一个极端的例子可以说明均匀假设多重要：假设甲一定在 12:00 到 12:20 之间到，乙一定在 12:40 到 13:00 之间到。这时两人的时间差至少是 20 分钟，永远超过 15 分钟，概率是 0。同样的等待规则，同样的总窗口，概率从 0.4375 直接归零。窗口一样不代表机会一样，这是建模时最容易被忽略的一点。

6.2 换一个分布重跑模拟

想知道非均匀分布下的概率，最省事的办法是改模拟代码。下面这个例子假设两人的到达时间都集中在中段，用标准差为 8 的正态分布模拟，并裁剪到 [0, 60] 区间：

import numpy as np rng = np.random.default_rng(7) n = 2_000_000 a = np.clip(rng.normal(30, 8, n), 0, 60) b = np.clip(rng.normal(30, 8, n), 0, 60) print(f"集中到达时的相遇概率: {np.mean(np.abs(a - b) <= 15):.4f}")

跑出来会落在0.8 附近，比均匀分布的 0.4375 高出一大截。原因很直观：两人的到达时刻都挤在中间一段，时间差自然就小。这说明"约定得越具体，越容易见到"——哪怕具体的时间本身并不准确，只要双方对"大概什么时候"的认知一致，效率就上来了。

反过来，如果经常有一方会迟到，模拟里可以给其中一个人加一个右移的偏移量：

a = np.clip(rng.normal(25, 8, n), 0, 60) # 通常准时 b = np.clip(rng.normal(38, 10, n), 0, 60) # 习惯性晚一点 print(f"一方习惯性迟到: {np.mean(np.abs(a - b) <= 15):.4f}")

这种情况下概率会掉到 0.5 上下。一个人的迟到习惯，对见面的伤害远大于等待时间的延长——把等待时间从 15 分钟加到 20 分钟只能把概率从 0.4375 提到 0.5556，而纠正一个平均迟到 13 分钟的坏习惯，影响幅度是另一个量级。

6.3 等待时长该设多少：一个粗糙的成本视角

理论上，等待时间越长见面概率越高，w 取到 T 时概率是 1。但等人的时间是有成本的，所以这是个权衡问题，不是单目标优化。

粗略地建一个模型：见面的收益记为 R，每等一分钟的成本记为 c。给定等待时长 w，见面的概率 P(w) = w/T × (2 - w/T)，见面的情况下平均等待时间大约是某个关于 w 的增函数。期望净收益大致是 P(w) × R 减去等待成本。

当 w 从小往大增加时，P(w) 的增长越来越慢（抛物线），而成本近似线性增长，所以存在一个最优点。这个最优点具体在哪，取决于 R 和 c 的比值——如果见面的价值很高，多等一会儿无所谓；如果只是随便碰个面，等待超过十几分钟就该走了。

这套分析当然很粗糙，但它给了一个比"凭感觉定 15 分钟"更靠谱的思考框架：等待时长应该和"见面的价值 / 时间成本"的比值挂钩，而不是一个固定的数字。重要客户可以等半小时，顺路碰头十分钟就够了。

提示：如果你只是想要一个经验数字，在双方都在宽窗口内随机到达的前提下，等待时长取窗口总长的 1/4 到 1/3 是性价比比较高的区间，对应概率 0.44 到 0.56。再往上加，每多一点概率都要付出不成比例的等待代价。

7. 常见错误清单：从算错面积到单位混用

这道题的错误率相当高，而且错误的类型很集中。我把见过的问题整理成一份清单，你可以在自己算完之后对着检查一遍。这些问题看起来都是小失误，但在笔试现场，一个就足够让整道题归零。

7.1 面积算成 45×45 的一半

最常见的一种错误：算出直角边是 45，然后下意识地写 45 × 45 / 2 = 1012.5，把这个数当成"不相遇的总面积"，再用 1 减去 1012.5/3600 得到 0.71875。

错在忘了有两个三角形。左下角和右上角各一块，必须乘 2。正确的不相遇面积是 2025，占总面积 3600 的 0.5625，所以才有了 0.4375 这个答案。

口诀记一下：不相遇面积 = (T - w)²，不是一个三角形，而是两个三角形拼起来的正方形。因为两个直角边为 (T-w) 的等腰直角三角形，正好能拼成一个边长为 (T-w) 的正方形。用这个视角看，公式 P = 1 - (T-w)²/T² 就变得非常自然了。

7.2 把带子宽度当成 30

另一种错误：把相遇条件的边界写成 |x - y| ≤ 30，理由是"两个人各有 15 分钟的等待，加起来 30 分钟"。

这个逻辑听着有道理，但混淆了"时间差"和"各自等待时长"两个概念。相遇条件只取决于时间差，而这个差的上限就是单侧的等待时长 15 分钟。甲先到等 15 分钟，意味着乙最多比甲晚 15 分钟到；反过来乙先到也一样。所以边界始终是 15，不是 30。

如果把边界错写成 30，算出来的是 1 - 900/3600 = 0.75，正好是答案表里 w = 30 的那一行。这个巧合说明什么？说明**"两人各等 15 分钟"和"时间差不超过 30 分钟"在规则上并不等价**，前者对应 |x-y| ≤ 15，后者对应 |x-y| ≤ 30。只是两个错误恰好撞上了同一组数字，容易让人自我确认。

7.3 小时和分钟混着用

最后这个错误最朴素，也最致命：算面积时一边用 T = 1（小时），一边用 w = 15（分钟）。结果分母是 1，分子是一堆以分钟为单位的数，算出个几百几千，直接乱掉。

这类错误在代公式的时候特别容易犯，因为公式 P = 1 - (T - w)²/T² 里的 T 和 w 必须同单位。有两条防线：一是统一换成分钟，T = 60、w = 15，全程用分钟；二是算完之后做量纲检查，概率必然在 0 到 1 之间，如果算出来大于 1 或是个负数，一定是单位或符号出了问题。

还有一个相关的坑：把"12:00 到 13:00"理解成一个"小时窗口"之后，有人会把 w 也写成 0.25 小时，这本身没错，但中途又混用 60 分钟做分母，照样出错。选定一种单位后，整道题从头到尾都不要换。

8. 我个人对这道题的几点体会

这道题我前后给别人讲过很多遍，最大的感受是：它的价值根本不在 7/16 这个数，而在于"把条件翻译成几何区域"这个动作。会做这道题的人，换个场景照样能建出类似的模型——比如两个人随机时刻登录系统、在同一个 5 分钟窗口内才可能协作；比如两台设备每隔一段时间上报心跳，只有落点接近时才能配对；比如两个快递员在同一片区随机到达，等待超过某个阈值就算失败。这些都是同一个结构。

反过来，只记住答案的人，一遇到"窗口错开"或者"其中一方迟到"就完全无从下手。所以我在给自己复习的时候，从来不背公式，而是每次都重新画那个正方形，把带子和两个角画出来，然后从面积比一路推下来。这个过程花不到一分钟，但保证了我不会记混 w 和 2w 的关系。

另外一点体会是关于模拟的。模拟的最大作用不是验证答案，而是让你敢于改动假设。当解析公式推不动的时候（比如三个人、非均匀分布、非对称等待），改一行代码就能得到估计值，这种自由度是纸笔给不了的。但也要清楚模拟的局限：它只能告诉你"这个假设下大概是多少"，永远不能告诉你"这个假设对不对"。后者需要看现实数据。

最后留一个可以自己动手的小练习：把人数从 2 加到 3，规则改成"任意两人之间时间差不超过 15 分钟就算有人碰到面"，用模拟估一下概率是多少，再想想能不能解析地算出来。我试过几次，解析路径相当麻烦，得对三维立方体做体积分割，而模拟跑几十万次就能给出一个稳定的估计值。这种"解析难、模拟易"的对比，本身就是一道很好的建模练习。