第四階段開始，今天先不寫程式碼，用一個生活化的例子，理解這個系列真正想解決的核心問題。

一個簡單的思考實驗

假設 Google Maps 告訴你：「從你家到公司需要 30 分鐘」。這句話聽起來很精確，但它其實隱藏了一個假設：30 分鐘是「平均」或「多數情況」下的時間，不是「保證」。

實際上，你出門的那一天，可能因為：

• 公車正好誤點 5 分鐘
• 路口塞車多花 3 分鐘
• 你走路比平常慢一點

真正花費的時間，其實是一個機率分布 ，而不是單一數字。有時候 28 分鐘就到了，有時候要 40 分鐘。

「平均時間」為什麼會讓人遲到？

這是最關鍵的一點：如果你每次都照著「平均 30 分鐘」去抓出發時間，代表大約有一半的日子，你實際花費的時間會超過這個平均值——也就是說，用平均值當作依據，長期下來你有接近 50% 的機率會遲到！

這正是為什麼我們需要的不是「平均會花多久」，而是「如果我想要有 90% 的把握不遲到，我應該預留多久」。這兩個問題的答案，往往差了好幾分鐘。

用生活例子理解「信心水準」

想像你要接朋友的班機，你不會只抓「班機平均準點率」，而是會多留一點緩衝時間，因為「接不到人」的代價，遠比「早到等一下」高。這種「依照後果調整緩衝時間」的直覺，其實就是機率決策的核心精神——這也是研究上「報童問題（newsvendor problem）」常用來類比的情境：報販要決定進多少報紙，進太少會少賺，進太多會浪費，最佳決策要同時考慮兩種代價的機率。

今天不寫程式碼，但要記住這句話

明天，我們會用一個簡化的、不需要深奧數學的方式，把這個概念變成實際可以寫進程式的邏輯。

核心精神先記住一句話：好的出發時間建議，應該基於「你願意承擔多少遲到風險」，而不是單純的平均時間。