期望值

​

什麼是期望值？

期望值（Expected Value，簡稱EV）是概率論和決策科學中的一個基本概念，用於量化不確定事件的平均結果。透過將每個可能結果的價值與其概率相結合，EV提供了一個單一的數字，代表你在多次重複中可以期望平均獲得或失去的收益。

「期望值不是關於預測單一結果，而是關於理解重複決策的長期平均值。」

例如，如果你有50%的機會贏得100美元，50%的機會什麼都得不到，期望值是（0.5 × 100美元）+（0.5 × 0美元）= 50美元。這並不意味著你每次都會贏得50美元——相反，如果你多次重複這個賭注，你將平均每次獲得50美元。

​

期望值的三層理解

• 入門：將每個可能的結果乘以其概率，然後相加。10%贏得1,000美元的機會，期望值是100美元。
• 實踐：使用期望值來比較具有不同風險特徵的決策。較高的期望值並不能保證任何單一情況下都能獲得更好的結果，但在多次重複時確實會如此。
• 進階：考慮效用——結果對你的主觀價值。100美元的收益對金錢不多的人可能比富有的人更有價值。EV計算應考慮你的效用函數。

​

起源

期望值概念源於17世紀對博弈遊戲的研究。法國數學家布萊斯·帕斯卡（Blaise Pascal）和皮埃爾·費馬（Pierre de Fermat）在1650年代解決博弈問題時發展了基礎概率理論。「期望值」這個術語本身是後來才有的，但數學原則成為概率論的基石。 隨著20世紀統計學和決策理論的發展，這一概念變得更加重要。今天，期望值在從金融和保險到撲克策略和商業投資分析等各個領域都至關重要。

​

核心要點

​

應用場景

​

經典案例

​

傑夫·貝索斯的決策框架

在創立亞馬遜之前，傑夫·貝索斯開發了一種系統性地評估職業機會的方法，這種方法深深依賴於期望值思維。1990年代初，他在對沖基金D.E. Shaw工作，面臨著一個選擇：留在利潤豐厚的華爾街職業，還是追求銷售圖書線上這一風險很大的創業機會。 貝索斯創造了一個「遺憾最小化框架」，他描述為想像自己80歲時，問哪個決定會最小化遺憾。但其背後是清晰的EV計算：互聯網正以每年2,300%的速度增長，線上圖書銷售的潛在市場雖然不確定，但如果成功的話提供天文數字的上行空間。 留在D.E. Shaw的期望值是正向但有上限的——不錯的薪水、穩定的事业。創立亞馬遜的期望值非常不確定但沒有上限。貝索斯計算出，即使失敗概率很高，巨大的潛在上行空間使EV為正。 這種EV思維——「最大化你能贏的人生維度數量」——成為亞馬遜公司哲學的核心。該公司多次進入具有高失敗風險但巨大潛在上行空間的業務：AWS、Kindle、Prime。 教訓：理解期望值幫助你做出隨著時間累積成巨大優勢的經過計算的風險。

​

邊界與失效場景

期望值分析有重要的局限性：

1. 罕見事件難以加權概率：黑天鵝事件——極不可能但影響巨大的結果——很難準確納入EV計算。
2. 效用是非線性的：對大多數人來說，100萬美元的收益價值不是10萬美元收益的10倍。EV假設線性效用，這可能不反映真實偏好。
3. 概率估計經常出錯：EV只和你的概率估計一樣好。對概率估計過度自信會導致糟糕的決策。
4. 需要重複試驗：EV只在多次重複中顯現。如果你只能嘗試一次，即使是有90%機會輸掉一切的正向EV賭注可能仍然風險太大。

​

常見誤區

​

相關概念

​

一句話總結