无论是生活中还是工作中，我们常常会听到两种说法：一种说"成功率很高，值得干"，另一种说"做成了回报巨大，值得赌"。但你可能没有想过，成功率没告诉你败了会亏多少，回报巨大也没告诉你它发生的概率有多小？

把每种结果发生的概率和它的收益或损失放在一起算一笔总账，这就是期望值思维。

有这样一个游戏。

你不断抛一枚硬币，直到正面朝上才停。如果第一次就正面朝上，你拿2元；如果第一次反面、第二次才正面朝上，你拿4元；如果前两次反面、第三次才正面朝上，你拿8元。每多抛一次，奖金翻倍。

来算一下。第一次出正面的概率是1/2，奖金2元，相乘等于1元；第二次才出正面的概率是1/4，奖金4元，相乘还是1元；第三次概率1/8，奖金8元，结果仍然是1元。

无论第几次才出正面，它对期望值的贡献都是1元。把这些1一直加下去，这个游戏的期望货币值就是正无穷。

如果你只认一条规则——永远选期望货币值最高的那个——那么无论入场费是1万、100万，还是任何一个有限数字，你好像都应该参加。

可现实中，大多数人不会愿意为它付高价。毕竟有一半的概率，你只能拿到2元；四分之三的概率，最多拿到4元；八分之七的概率（前三次中任意一次出正面），最多拿到8元。数学计算没错；人们不愿付高价，也不一定错。

这个被称为"圣彼得堡悖论"的游戏，把两个经常被混在一起的问题摆在了我们面前：

第一个问题，期望值可以回答。第二个问题，你还得考虑个人实际价值、损失承受能力，以及投入的规模。无限的是奖金金额的数学期望，不是这场游戏对每个人的实际价值。同样亏9万块，对一个只有10万积蓄的人，和对一个有10亿资产的人，显然不是同一回事。

期望值很重要。但它不会替你做完所有决策。

只盯着一个结果，你会漏掉什么？

面对不确定的选择，人很容易只盯住一个醒目的数字。看到成功率80%，就觉得它肯定比30%的方案可靠；听说做成了能赚1000万，就觉得值得赌一把；一次投资刚好赚了，又反过来证明自己当初选对了。

这些判断的问题不在于数字是假的，而在于它们只展示了整个分布里的一小片。成功率没告诉你，成了能拿多少、败了会亏多少；最高回报没告诉你，它发生的概率到底有多大；一个已经出现的结果，也没法单独证明你当初的判断过程对不对。

假设有个项目，成功率80%。成了净赚10万，败了净亏100万。它的期望值是：

成功率很高，期望值却是负的。

再看另一个简化假设：成功率只有5%，成了净赚1000万；失败概率95%，但失败只亏5万。期望值是：

成功率很低，期望值却是正的。

这两个例子不是让你照搬结论，只是说明一个道理：

最可能发生的结果，不等于最值得选的行动。

期望值究竟在算什么？

如果结果是有限的、能一个个列出来，期望值的基本算法不复杂：

期望值思维，就是给每个选项列出互不重叠、尽可能覆盖主要可能性的结果，把每种结果的概率和它的价值乘在一起再求和，然后比较各选项的综合预期。

说得直接点：别光问哪种结果最可能发生，还要问每种结果有多大价值、要付出什么代价。用好这个模型，得看清五件事：

1. 有哪些真正可行的选项；

2. 每个选项可能出哪些结果；

3. 结果之间是否互不重叠，覆盖了主要可能性；

4. 每种结果的概率是多少；

5. 每种结果的净收益或净损失是多少，这些估计有多靠谱。

它主要解决的，不是"下一次到底会发生什么"，而是：

这里有个不能跳过的前提：只有不同结果能用同一种有意义的尺度衡量时，才能直接塞进同一个期望值公式。

如果一个结果写着"赚5万"，另一个写着"成长很好"，第三个写"家庭关系受影响"，这三样没法未经处理就直接相加。不能放在同一把尺子上的价值，应该分维度比较，或者当成底线和约束来处理，别强行造出一个看起来很精确的总分。

期望值是100万元，为什么你不会赚到100万元？

假设一个决策有两种结果：90%的概率亏10万，10%的概率赚1090万。期望值是：

但你真的行动一次，不会刚好赚100万。你要么亏10万，要么赚1090万。

期望值描述的，是所有结果按概率平均下来大概在哪个位置，不是下一次最可能出现的结果。对于分布相对稳定、期望值有限、能反复重复的问题，它能帮我们理解大量重复后的长期平均。但它不是预言。

一个项目的期望利润是100万，不代表做完一定赚100万；一项投资的期望收益率是10%，也不代表明年正好拿回10%。

那辞职、创业、买房这些可能只做一次的决定，还有必要算期望值吗？有。就算没法重复，期望值也能帮你看清不同选项的整体机会结构。只是决策越难重复，越得重视最坏损失、不可逆后果和估计误差。

期望值能告诉你哪个选项算下来更划算，但没法保证你这一次一定拿到好结果。

便宜250元的普通票，为什么最后可能更贵？

假设你要去外地参加一场重要会议。过去一年你参加过10次类似的会，有2次因为主办方临时调时间而改了行程。所以暂时把这次行程变化的概率估成20%。

当然，10次记录是个很小的样本，20%只能当个粗略起点，不代表真实概率已经被精确锁定了。

为了让案例够清楚，再补三个简化假设：退改签不用补票价差；改期后仍然有合适的航班；除了正文列出的费用，两种方案没有其他不同成本。

你现在有两个选择。

普通票：眼前便宜，改期成本高

普通票1000元，不能免费改签。如果会议时间不变，你只花1000元；如果会议临时改期，原票作废，你得再花1200元买一张临近出发的机票。

因为是临时买，航班时间很差，你还要多住一晚酒店约300元，加上往返交通、餐饮和一天误工，合计约600元。

所以行程改变时，普通票的总成本是：

可退改票：眼前贵，改期成本低

可退改票1250元。如果会议时间变了，你直接改到合适的航班就行，不用重新买票，也省了住宿和误工的开销。

普通票的期望成本是：

可退改票不管行程变不变，成本都是1250元。

在当前假设下，普通票的期望成本是1360元，可退改票是1250元。表面上可退改票贵了250元，但把改期的概率和完整损失算进去之后，它反而便宜了110元。

你原先只看见普通票便宜250元。期望值思维让你接着问：

这个案例还暴露了期望值计算最容易犯的一个错：

哪个假设一变，选择就会反转？

普通票的期望成本可以写成：

这里的1800元，是行程改变后多出来的额外成本。可退改票的固定成本是1250元。

两者成本相同时：

算下来，行程变化概率大约是13.9%。

这个数字不是要你把现实概率精确到小数点后一位。它真正告诉你的东西更简单：只要行程变化概率大致超过14%，在当前假设下，可退改票就开始占优。

现在估计的概率是20%，高于临界点，所以可退改票更值得选。但假如你只能判断行程变化概率大概在5%到30%之间，结论就不稳了。

用前面的公式，概率5%时，普通票的期望成本是1090元；概率30%时，普通票的期望成本是1540元。前一种情况普通票占优，后一种情况可退改票明显占优。

这时候要解决的已经不是"选哪张票"，而是能不能拿到更可靠的信息。你可以继续确认会议时间是否已敲定，了解主办方过去临时改期的频率，看看有没有更灵活的票种，核实改签要不要补差价，以及行程改变后那600元额外损失是不是一定会发生。

这就是敏感性分析：它不在小数点上较劲，而是找出哪个假设一变，决策就会跟着翻。

没有准确概率，期望值还能怎么用？

现实中的概率，很少像抛硬币那样清楚。转行成功率是多少？创业活下来的概率是多少？报一门课之后，升职的机会又是多少？大多数时候，我们只能做出一个粗略判断。

这不等于期望值思维就完全没法用了。你可以先找同类事情的历史数据或基准率，再回看自己过去的实际记录；如果还是拿不出一个确定数字，就用保守、中性、乐观三个区间分别算。

比如你拿不准一个项目的成功率到底是20%还是50%，就分别按20%、35%和50%算出三种期望值。如果三种情况下同一个方案都占优，结论相对稳；如果概率稍微挪一挪，方案排序就反转，那更合适的动作通常不是立刻砸资源，而是先调查、先试、先缩投入。

如果连结果长什么样都不清楚、概率也完全估不出来，就别硬造一个精确期望值了。先列出已知结果，找出最坏后果和关键未知变量，再决定是继续调查、小规模尝试，还是选一个更稳的方案。刚上手的时候不用追求算得多准，先把原先只盯着一个结果的视线，扩成一张包含主要可能性、概率和代价的结果表，第一步就算完成了。

结果列到什么程度，才够资格计算期望值？

期望值不是随便捡几个故事，再给它们配上概率。同一个选项列出来的结果，得尽量满足三个条件。

分支要互斥

一个真实结果只能进一个分类。比如不能把"收入提高但通勤变长"既塞进"理想结果"又塞进"生活质量下降"，然后分别算概率。你得重新画结果边界，让每种现实情况只落在一个分支里。

情景要尽量完整

结果分类至少要覆盖最常见的结果、关键的上行结果、现实中的不利结果，以及最坏但仍然合理的结果。如果还有重要情况装不进现有分类，可以单独设一个"其他结果"。

概率要闭合

如果几个结果的概率加起来只有70%，说明还有30%的可能性没被解释。漏掉的部分可能无伤大雅，也可能刚好是决定结论的那块拼图。

哪些结果应该计算，哪些应该设为底线？

列完结果之后，还面临一个问题：不是所有结果都能用同一把尺子量。现实中很多选择还牵扯个人成长、家庭时间、通勤压力、健康影响、职业发展和关系质量，这些价值不一定能精确换算成钱。

假设你在比较两份工作，一份工资更高，但每天通勤三小时；另一份工资略低，但离家很近。这时候别随意给"家庭时间"打8分、"职业成长"打9分，再把这些分数当成能精确加权的客观价值。

更稳妥的做法，是先设好不能突破的底线。比如最低能接受的收入、最长能忍的通勤时间、家庭必须保留的时间、无法接受的健康风险。不满足底线的选项先排除，再对剩下的比较金钱、成长、时间和稳定性。

到这里，你做的已经不是统一的期望值计算了，而是期望值之外的多维度比较和约束判断。

期望值不要求你把人生全换算成钱。不同价值没法可靠地放进同一把尺子时，分开呈现，靠底线和优先级来做决定。

正期望值，为什么仍不能投入全部资源？

一个机会的期望值正，不等于你应该把所有积蓄都砸进去。期望值回答的是：这个机会把概率和收益损失一起算下来，是不是比其他选项更划算。它不直接回答该投多少。

如果一次失败就耗光你的全部资源，你可能根本等不到长期优势兑现。所以算完期望值之后，还得检查：最坏结果扛得住吗？一次失败会不会让你没机会重来？能不能降低单次投入、把一个大决定拆成几个小步骤，或者提前设好退出条件？期望值负责比较机会，风险管理负责决定投入规模。这两件事相关，但不是同一件事。

什么时候该试验，什么时候必须先想清楚？

算完期望值、也检查了风险，还可能遇到一个问题：信息不够，拿不准概率。这时候先试还是先想清楚？

很多拿不准的决定，不需要一上来就做满。你可以先试用，再决定要不要长期买；先做副业，再决定要不要辞职；先小范围投放，再决定要不要加预算。

小规模试验得满足三个条件：决策能拆开，试验成本扛得住，试验结果确实能帮你更新判断。

但不是所有决定都能先试试。手术、婚姻、重大法律承诺这些高度不可逆的选择，没法勉强拆成实验。面对这类决定，与其强调"先试一下"，不如提高证据门槛、找专业意见，认真检查最坏后果。

可逆的、成本低的决定，先行动再更新；不可逆的、代价高的决定，先提高判断质量再行动。在医疗、法律和高风险投资这类事上，概率、后果和约束需要专业知识，别只靠个人主观估计。换句话说，期望值分析告诉你值不值得做，试验还是想清楚告诉你怎么做。

什么样的决定，值得认真算一次期望值？

不是每件小事都值得拉一张计算表。当一个决定比较重要，有两个以上的可行选项，每个选项都可能出现多种结果，而且不同结果的概率、收益和损失差异明显——这时候期望值思维尤其好用。

要不要接一份新工作、买保险、报一门贵的课、投一个项目，或者为低概率风险付预防成本，都属于这类。

如果决定随时能反悔，最坏损失也很小，就别搞复杂计算了，先动起来通常更有效。判断值不值得深入分析，可以看两个变量：

损失越大、越难反悔，越值得认真用期望值思维。

在谈判、定价和竞争这些场景里，还要多看一步：你的行动可能会改变对方的行为，原来的概率也会跟着变。这时候一次静态计算只能当起点，得根据反馈继续更新。

30秒内，怎样完成一次期望值检查？

日常用不着每次拉一套复杂表格，先问三个问题就够了。

第一，还有哪些可能结果？别光盯着自己最期待、最害怕或者最容易想到的那个。

第二，每种结果大概有多可能，价值或代价多大？一开始不用追求精确数字，用大致区间判断就行。

前两个问题属于期望值思维。算完之后再补一个风险问题：如果判断错了，最坏结果还扛得住吗？

一次完整的期望值分析，要走哪六步？

日常小事用上面三个问题快速判断就够了。当三个问题给出的答案不够稳，或者决定的代价足够大，就需要往下走六步。

列选项

别光写"做"和"不做"，还要考虑延后、降低投入、小规模试验、找人合作、买保险或者设退出条件。"不行动"也要当成一个真实选项，因为它同样可能带来收益、损失和机会成本。

分结果

给每个选项列出互不重叠、尽量覆盖主要可能性的结果，至少检查最常见的结果、关键的上行结果、现实中的不利结果，以及最坏但仍然合理的结果。实在归不进分类的重要情况，可以列为"其他结果"。同一个选项下各结果的概率，原则上应合计100%。

估概率

概率可以参考同类事件的基准率、自己过去的记录、小规模试验、可靠的专业判断和已经出现的新证据，同时标上估计可信度是高、中还是低。

能用同一种尺度衡量的结果，把概率和价值乘在一起再求和；不能统一衡量的价值，分维度比较或者设成约束。

算价值

对每种结果算"概率×结果价值"，再把同一个选项下的结果加起来，比较不同选项的期望值或期望值区间。如果所有选项都不好，别硬选一个，可以重新设计方案。

找阈值

找出哪个概率、成本或收益稍微变一变，就会改推荐方案。如果一个方案在保守、中性和乐观三种情景下都占优，结论相对稳；如果结论对某个假设高度敏感，就优先核实那个假设。

时间来不及继续调查，就用当前最可信的概率区间做保守情景比较，优先排除扛不住的最坏结果。

定行动

最终输出不只是一句"选A"。还要说明推荐方案、期望值或区间、关键假设、结论可信度、反转条件、最坏结果、行动规模、停止条件和更新条件。

一个方案在合理的概率和价值区间内稳定占优，最坏结果可以承受，而且继续获取信息也不太可能改变选择——这时候就可以停止分析，开始行动了。到了这一步就该行动了。期望值思维不是无限拖延决定的借口。

结果出来后，怎样判断当初有没有做错？

高期望值的决策也可能失败，负期望值的决策也可能偶然成功。买彩票中大奖，不说明买彩票是靠谱的财富策略；经过合理分析的项目失败了，也不自动说明当初选错了。

实际结果只是事前多种可能中的一个实现。评价决策，要回到做决定的那个时刻，检查：当时掌握了哪些信息？概率估计有没有依据？有没有漏掉重要结果？是不是低估了损失、高估了收益？有没有识别出结论反转的条件，有没有控制住扛不住的风险？

最好在行动前把判断写下来：我估计成功率是多少、依据是什么、哪个条件变了我会改主意、什么情况下该停。结果出来之后再对照看：这到底是正常概率下出现的不利结果，还是当初概率就算错了？是漏掉了重要结果，还是成本、收益或外部环境已经变了？

复盘的目的不是证明自己当时聪明还是蠢，是让下一次估计更靠近现实。

期望值给出方向，风险决定行动

现在再回到开头那个期望货币值为正无穷的游戏。它揭示的，不是期望值没用，而是期望值有清楚的边界。

没有期望值，我们很容易只看成功率、最诱人的结果和眼前成本；可如果光看期望货币值，又会忽略同一笔损失对不同人的实际影响、最坏结果扛不扛得住、投入规模会不会威胁基本生活，以及这个决定还能不能反悔。

所以下次有人告诉你"这个项目成功率很高""这个机会一旦成了，回报巨大"或者"这个方案眼前最便宜"——别急着答应，也别急着拒绝。

先问两个期望值问题：

算完之后，再做一次风险检查：

这是思维模型系列的第57篇。期望值不能保证你这一次拿到理想结果，但它能防止你只因为成功率高、回报诱人或者一次结果漂亮，就错判了一个行动的整体价值。

如果你身边正有人因为"成功率很高"准备投入全部资源，或者因为"成功概率太低"放弃一个下行空间有限的机会，可以把这篇文章转给他。

别光问哪种结果最可能发生。问：