> ## 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. # 期望值 > 期望值是考慮所有可能結果及其概率後決策的平均結果。學習如何計算和應用期望值來做出更好的決策。 **類別**: 模型
**類型**: 概率模型
**起源**: 數學，17世紀至今
**別名**: EV、數學期望、平均值 **快速回答** — 期望值是決策所有可能結果的加權平均值，其中每個結果乘以其發生的概率。它告訴你從任何不確定情況下長期平均可以期望獲得的結果。 ## 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。 ## 核心要點完整的EV計算必須包括每種可能的結果，而不僅僅是可能性最大的。忽略不太可能但價值很高的結果會顯著改變計算結果。贏得小額的高概率可能比贏得大額的低概率有更低的EV。概率和收益都很重要。 EV描述的是多次重複後的平均結果。在任何單一實例中，實際結果可能與期望值有很大差異。即使有完美的EV計算，不同風險承受能力的人也可能做出不同選擇。了解你的風險偏好至關重要。 ## 應用場景投資者使用期望值來評估機會。一項新創公司投資可能有90%的失敗概率（損失所有資金）但有10%的機會獲得20倍回報，產生正向EV。專業撲克玩家根據獲勝概率和彩池大小，計算每個決定——是否下注、跟注或棄牌——的期望值。保險費是用期望值計算的。預期的醫療費用決定了你應該願意為保險支付多少。產品發布涉及不確定的結果。EV分析有助於量化推出新產品相對於失敗成本的潛在回報。 ## 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 EV描述的是多次重複的平均結果，不是任何單一實例中會發生什麼。正向EV的賭注仍然可能輸。正向EV通常伴隨著重大風險。1%贏得100萬美元的機會有正向EV（10,000美元），但有99%的機會什麼都得不到。現實世界的決策往往涉及未知的概率和無法量化的結果。EV是一個指南，不是精確的公式。 ## 相關概念人們如何超越金錢計算為主觀價值分配不同的結果。識別和評估決策中潛在風險的過程。繪製決策及其可能後果的視覺模型。 ## 一句話總結根據期望值做決策，而不僅僅是可能性或收益 alone（單獨考慮）。經過多次重複，EV驅動的選擇會累積成優越的結果。