学习内容转载自向阳乔木的开源作品。原版证据分级沿用,未在本轮逐条重新核验;示意曲线与跨领域类比不能直接证明业务结论。

01 · 场景

赌局中断,赌金该按什么比例分

1654 年,法国的赌徒德·梅雷,拿一个“分赌注”的问题,去请教数学家帕斯卡:两个人对赌,约定先赢三局的人,拿走全部赌金,现在比分是一比一,赌局因故中断,赌金该怎么分?按已经赢的局数对半分,显然不对,因为双方最终赢下的机会,并不均等。帕斯卡写信给远在图卢兹的律师费马,几个月里,两人通了七封信,各自用不同的路径,算出了同一个答案:应该按双方最终获胜的概率,加权分配。比如,先赢三局制下,二比一领先的一方,理应拿走四分之三的赌金。这组通信,被后世视为概率论的起点,也留下了期望值思维的雏形:评价一个不确定的前景,不要盯着单次的输赢,要把每一种结果,乘以它的概率,再加总起来看。

02 · 原理

一张图看懂它怎么运转

FIG. 原理图期望值思维 · Expected Value

第四步的加总,是核心:单次的结果,由运气说了算,期望值,才是长期的平均。但最后一步同样重要,期望为正,只是入场券,还得保证,自己活到平均值兑现的那一天。

03 · 证据

常见赌局:每投注 1 单位的期望收益可靠二手

赌场不靠单次的输赢赚钱,靠的是把每一注的期望,压成负数。索普证明,反过来同样成立:找到期望为正的赌局,重复下注,优势自己会兑现。

来源:轮盘与21点的期望值来自标准赔率的数学计算;算牌优势约 1% 出自索普《击败庄家》(1962)

04 · 用法

照着做,一共 5 步

  1. 把不确定的事,拆成有限的几种结果比如投资,分为大涨、小涨、持平、亏损几档,不要只写最可能的那一种。
  2. 给每种结果,估一个概率优先用历史的频率和基础比率,没有数据的时候,用校准过的直觉,并写下估计的依据。
  3. 给每种结果,标上损益的金额收益记正数,损失记负数,别忘了时间成本、税费这些隐性的项。
  4. 概率乘以损益,加总,得到期望值再和替代的选项比较,包括什么都不做的期望值。
  5. 下注之前,先做破产检查问:最坏的结果,我能承受吗?重复多少次,会撞上它?期望为正,也可能中途出局。

05 · 练习

练一练:3 道题,看你会不会用

06 · 边界

什么时候它会坑你

只发生一次的重大决策,比如创业、举家搬迁

模型会说期望为正,就该干。

现实是大数定律,需要足够多的重复次数,一辈子只发生一次的事,平均值兑现不了。

最坏的结果是毁灭性的,比如押上全部身家

模型会说期望为正,就是好赌局。

现实是一次破产,就永久出局,下注的规模,必须留余地,这正是凯利公式要解决的问题。

概率本身估不准,比如全新的市场、极端的行情

模型会说按估出的概率加权就行。

现实是尾部的概率,常被低估几个数量级,输入错了,加总再精确,也是垃圾进,垃圾出。

重复的次数太少,或者中途被迫撤出

模型会说长期平均,终会兑现。

现实是短期的方差,远大于期望,正期望的策略,也可能连亏数年,拿不住,就等于负期望。

08 · 出处

出处与延伸阅读

  1. 帕斯卡与费马关于分赌注问题的通信(1654 年)一手核实搜索原文 ↗
  2. F. N. David《Games, Gods and Gambling》(1962)可靠二手查看原文 ↗
  3. 爱德华·索普《击败庄家》(1962)可靠二手豆瓣搜索 ↗
  4. 彼得·伯恩斯坦《与天为敌》(1996)可靠二手豆瓣搜索 ↗

原版 · 参数实验

胜率九成,什么时候仍然是亏的

模型教学模拟,参数与曲线不是业务预测。

胜率九成、赢一次赚 1 的时候,输一次亏超过 9,期望就转负。胜率降到五成,亏超过 1,就转负。拖动胜率的滑块,看盈亏平衡点是怎么移动的。

BC · 应用补充

先给主判断,再展示依据

  • 主判断:先回答当前问题,给出有证据的首选解释、方案或行动。确实并列时写明比较结果及下一项区分证据,不用罗列可能性代替判断。
  • 判断依据:把关键原始记录、计算和推断连到结论。说明方法实际改变了哪项判断;来源不足时缩小结论范围,仍交付已能成立的部分。
  • 量化口径:按方法原有公式、单位和分母计算。材料编码须去重并单列未知;没有量化依据则给理由明确的定性比较,不编统一分数或未经校准的概率。
  • 反证与改判:指出最强的相反证据、替代解释或敏感变量。写清什么新事实或阈值变化会使首选改变;未经对照的相关性不写成因果。
  • 实际用途:把主判断转成当前可执行的动作、停止条件或下一项验证。负责人、预算和期限按已知材料填写;不为完成模板发明业务事实。
  • 适用范围:保留各方法自己的产出与失效条件。表达教程不承担业务结论;未核定资料不自动推荐;临床条目按其专项范围交付知识、行为应对或就诊准备。

BC · 应用补充

开始前,准备什么

最小输入

  • 当前要做的决定及可选行动
  • 与原模型变量对应的事实、约束和反例;类比条件必须另行核对

应留下的产出

  • 当前问题与模型的对应关系、适用边界和待验证的行动

BC · 应用补充

把这个方法交给 Agent

写下当前问题,生成包含方法编号、材料清单和边界的请求。内容只在当前页面处理。

查看 Agent 接口 →

BC · 应用补充

出处与证据范围

转载学习材料。verified / secondary / draft 沿用原站分级,并非本库本次重新核验。跨领域类比不是因果证据。

  1. 向阳乔木 · 思维模型 Wiki:期望值思维

    支持转载正文、名称和来源分级的追溯;不表示本库独立核验了全部论据或证明业务效果。

名称与整理说明

沿用原版中英文名称;不声称译名由本库首创或所有术语均有唯一译法。

步骤来自原版 howto;最小输入与产出为本库接入约定。

登记版本 2026-10-25.3。来源状态沿用登记表,不表示所有来源均在本次重新核验。