> ## Documentation Index > Fetch the complete documentation index at: https://meta.niceshare.site/llms.txt > Use this file to discover all available pages before exploring further. # 期待値 > 期待値は、すべての可能な結果とその確率を考慮したときの意思決定の平均結果です。計算方法と活用方法を学びましょう。 **カテゴリ**: モデル
**タイプ**: 確率モデル
**起源**: 数学、17世紀〜現在
**別名**: EV、数学的期待値、平均値 **先に答えると** — 期待値とは、意思決定のすべての可能な結果の加重平均であり、各結果が起こる確率で重み付けされます。不確実な状況から長期的に期待できる平均結果を教えてくれます。 ## 期待値とは期待値（EV）は、不確実なイベントの平均結果を定量化する確率論と意思決定科学の基本概念です。各可能な結果の値とその確率を組み合わせることで、EVは多くの試行を繰り返したときに平均して得られる（または失う）ものを表す単一の数値を提供します。 > 「期待値は単一の結果を予測するものではなく、繰り返された意思決定の長期的な平均を理解するためのものだ。」たとえば、100ドルを獲得する確率が50%、何も得られない確率が50%の場合、期待値は（0.5 × 100ドル）+（0.5 × 0ドル）= 50ドルです。これは毎回50ドル獲得できるという意味ではなく、このベットを何度も繰り返すと、1回あたり平均50ドルになるということです。 ### 3つの深さで知る期待値 * **初心者**: 各可能な結果にその確率を掛けて足し合わせます。1,000ドルを獲得する確率が10%なら、期待値は100ドルです。 * **実践者**: 期待値を使って、異なるリスクプロファイルの意思決定を比較しましょう。より高い期待値は単一のケースでより良い結果を保証するものではありませんが、多くの試行を繰り返せばそうなります。 * **上級者**: 効用 — あなたにとっての結果の主観的価値 — を考慮しましょう。100ドルの利益は、お金が少ない人にとって、裕福な人にとってよりも価値が高いかもしれません。EV計算には効用関数を組み込むべきです。 ## 起源期待値の概念は、17世紀の偶然のゲームの研究から生まれました。フランスの数学者ブレーズ・パスカルとピエール・ド・フェルマーは、1650年代にギャンブルの問題を解決しながら基礎となる確率論を開発しました。「期待値」という用語自体は後に作られましたが、数学的原理は確率論の礎となりました。この概念は、20世紀の統計学と意思決定理論の発展とともにさらに重要性を増しました。今日、期待値は金融や保険からポーカー戦略、ビジネス投資分析に至るまで幅広い分野で不可欠となっています。 ## 要点完全なEV計算には、最も可能性の高いものだけでなく、すべての可能な結果を含める必要があります。確率は低いが価値の高い結果を見逃すと、計算が劇的に変わる可能性があります。数百万円を獲得する小さなチャンスは、控えめな金額を獲得する高い確率よりもEVが低い場合があります。確率と報酬の両方が重要です。 EVは多くの繰り返しで平均して何が起こるかを記述します。単一のインスタンスでは、実際の結果は期待値から大きく逸脱する可能性があります。完璧なEV計算であっても、リスク許容度が異なる人々は異なる選択をする場合があります。自分のリスクプロファイルを理解することが不可欠です。 ## 応用場面投資家は期待値を使って機会を評価します。スタートアップへの投資は90%の失敗確率（全額損失）があっても、10%の20倍リターンの確率でプラスのEVになる可能性があります。プロのポーカープレイヤーは、勝利の確率とポットサイズに基づいて、ベット、コール、フォールドの各判断の期待値を計算します。保険料は期待値を使って計算されます。期待される医療費は、カバレッジに対して支払うべき金額を決定します。製品立ち上げには不確実な結果が伴います。EV分析は、新製品立ち上げの潜在的なリターンと失敗のコストを定量化するのに役立ちます。 ## 事例 ### ジェフ・ベゾスの意思決定フレームワーク Amazonを創業する前、ジェフ・ベゾスは期待値思考に深く依存したキャリア機会を評価するための体系的なアプローチを開発しました。1990年代初頭にヘッジファンドD.E. Shawで働いていたベゾスは、高収入のウォール街のキャリアに留まるか、オンラインで本を売るというリスキーなベンチャーを追うかの選択に直面しました。ベゾスは、80歳になった自分を想像し、どの選択が後悔を最小限にするかを問う「後悔最小化フレームワーク」を作りました。しかし、その根底には明確なEV計算がありました：インターネットは年間2,300%で成長しており、オンライン書籍販売の潜在的な市場は不確実でしたが、成功すれば天文学的な上昇余地がありました。 D.E. Shawに留まる期待値は非常にポジティブでしたが上限がありました — 良い給与、安定したキャリア。Amazonを立ち上げる期待値は非常に不確実でしたが上限がありませんでした。ベゾスは、高い失敗確率があっても、巨大な潜在的な上昇余地がEVをポジティブにすると計算しました。このEV思考 — 「勝てる人生の次元の数を最大化する」 — はAmazonの企業哲学の中核となりました。同社は、失敗リスクが高いが潜在的な上昇余地が巨大な事業に繰り返し参入してきました：AWS、Kindle、Prime。教訓：期待値を理解することで、時間とともに巨大な優位性に複利で膨らむ計算されたリスクを取れるようになります。 ## 境界と失敗モード期待値分析には重要な限界があります： 1. **まれなイベントの確率重付けが困難**: ブラック・スワン・イベント — 非常に起こりにくいが影響の大きい結果 — をEV計算に正確に組み込むのは困難です。 2. **効用は非線形である**: 100万ドルの利益は、ほとんどの人にとって10万ドルの利益の10倍の価値はありません。EVは線形効用を仮定していますが、実際の好みはそうではないかもしれません。 3. **確率の見積もりはしばしば間違っている**: EVは確率の見積もりの質に依存します。確率を過信すると、間違った意思決定につながります。 4. **繰り返しが必要**: EVは多くの繰り返しでのみ発現します。一度しか試せない場合、すべてを失う確率が90%のプラスEVのベットは依然としてリスクが高すぎるかもしれません。 ## よくある誤解 EVは多くの繰り返しでの平均を記述するものであり、単一のインスタンスで何が起こるかを記述するものではありません。プラスEVのベットでも負けることがあります。ポジティブなEVにはしばしば重大なリスクが伴います。100万ドルを獲得する1%のチャンスはポジティブEV（1万ドル）ですが、99%の確率で何も獲得できません。実世界の意思決定には、未知の確率と定量化できない結果が伴うことがよくあります。EVはガイドであり、正確な計算式ではありません。 ## 関連概念金銭計算を超えて、人々が異なる結果に主観的価値をどのように割り当てるか。意思決定における潜在的なリスクを特定・評価するプロセス。意思決定とその結果をマッピングする視覚モデル。 ## 一言で言うと可能性や報酬だけでなく、期待値に基づいて意思決定を行いましょう。多くの繰り返しの中で、EV主導の選択は優れた結果に複利で膨らみます。