很多人做决策时，最想要的是一个确定答案。
这家公司会不会成功？
这只股票会不会上涨？
这个项目会不会失败？
这张彩票会不会中奖？
这次创业会不会改变命运？
这些问题都很自然，但它们有一个共同缺陷：它们把复杂世界压扁成了“会”或“不会”。
现实世界很少这样运转。更好的问法是：
这件事有哪些可能结果？
每种结果的概率大概是多少？
每种结果对应的收益、损失和后果是什么？
把它们加权之后，平均下来值不值得？
如果最坏情况发生，我还能不能继续游戏？
这就是概率思维与期望值。
换句话说，这篇文章要解决的不是“如何算一道概率题”，而是：
在一个不确定、会出意外、又无法无限重来的世界里，怎样做更好的下注？
一、先从一个误解开始：好结果不等于好决策
普通人很容易用结果反推决策。
买完股票涨了，就觉得自己判断正确。
创业成功了，就觉得战略英明。
项目失败了，就觉得当初不该做。
彩票中了，就觉得买彩票是个好主意。
但概率世界里，结果和决策质量不是一回事。
一个好决策可能遇到坏结果。比如你有 80% 的概率赢，仍然会碰上那 20% 的失败。
一个坏决策也可能撞上好运。比如你买了一张负期望值的彩票，仍然可能中奖。
所以，概率思维的第一步，是把注意力从“这一次结果怎么样”转向“这个决策过程长期重复会怎么样”。
它不问：
我这次会不会赢？
而问：
如果我反复做同类决策，平均结果会怎样？
这次下注即使赢了，是方法正确，还是运气帮忙？
这次下注即使输了，是方法错误，还是小概率坏结果发生？
赌场老板和赌客的区别就在这里。
赌客关心这一局赢不赢。赌场老板关心规则是否让每一局的平均收益站在自己这边。
二、算术期望值：把剧本摊成一张账
概率思维需要一个最基本的计算动作，这就是算术期望值。
公式很简单：
算术期望值 = 每种结果的概率 x 每种结果的价值，然后加总
假设有一个机会：
- 50% 概率赚 100 万；
- 50% 概率亏 50 万。
它的期望值是：
0.5 x 100万 + 0.5 x (-50万) = 25万
这不代表你每次都会赚 25 万。单次结果只有两种：赚 100 万，或者亏 50 万。
25 万的意思是：如果这个机会可以在同样条件下重复很多次，而且每次亏损都不会让你出局，那么长期平均每次值 25 万。
这就是算术期望值的力量：它让你不只看最好结果，不只看最吓人的结果，也不只看最可能的结果，而是把所有可能结果按概率摊成一张账。
它也立刻暴露出一个关键限制：
期望值只有在你能承受波动、能够重复游戏时，才最有意义。
如果亏 50 万会让你破产，这个机会即使数学期望值为正，也不一定值得做。因为你没有机会等长期平均兑现。
三、彩票为什么是最好的反面教材
中彩票大奖与期望值理论 很适合作为概率思维的入门案例，因为它把人的直觉错误放得很大。
一张彩票最吸引人的地方，是它的上行空间极其漂亮：花很小的钱，可能得到巨额奖金。
但期望值问的不是“如果中了会怎样”，而是：
中奖概率是多少？
所有奖项的概率加权收益是多少？
彩票价格是多少？
长期买下去，平均结果是什么？
大多数彩票的算术期望值对购买者都是负的。也就是说，长期重复购买，平均会亏钱。
这并不神秘。彩票机构要支付奖金、运营成本和公共收入，规则本身就不可能把长期优势留给购买彩票的人。
但人为什么还会买彩票？
因为人不是只按金钱期望值行动。彩票还出售一种心理效用：
- 一段廉价的幻想时间；
- 一个改变命运的故事；
- 对小概率奇迹的情绪体验；
- “万一是我呢”的想象空间。
这就把我们带到下一个合并词条：效用理论。
四、效用理论：同样的钱，对不同人不是同样的价值
效用理论、风险与不确定性 提醒我们：货币金额和人的真实感受并不总是线性关系。
对一个身家 1000 万的人来说，损失 1 万可能只是小波动。对一个只有 2 万现金储备的人来说，损失 1 万可能意味着生活崩溃。
所以，决策不能只看金钱期望值，还要看效用、风险承受力和生存状态。
这也是为什么保险看起来经常是“负期望值”，但仍然合理。
假设某个风险有 1% 概率发生，一旦发生损失 100 万。它的期望损失是：
1% x 100万 = 1万
保险公司如果收你 1.5 万保费，从纯平均值看，你多付了 5000。
但如果那 100 万损失会让你破产、失去房子、影响家人生活，那么你愿意支付这 5000 的差额，把灾难性风险转移出去。
这不是不理性，而是更完整的理性：
小额、可承受、可重复的风险，可以看期望值；
巨大、不可承受、会让你出局的风险，先看生存。
伯克希尔长期经营保险业务，也可以从这个角度理解。保险公司面对大量相对独立的风险，只要定价正确、资本充足，就可以靠大数定律和浮存金获得长期优势。个人则通过支付保费，避免一次低概率事件毁掉人生。
同一笔交易，对双方都可能合理。原因在于双方的资金规模、重复次数、风险承受力和效用函数不同。
五、游戏谬误：现实不是一张规则写好的赌桌
到这里，期望值看起来很有力量。但《黑天鹅》提醒我们一个重要陷阱：不要把现实世界误认为赌场。
游戏谬误——愚人的不确定性 的核心，是把现实中的不确定性误解成游戏中的不确定性。
赌场里的骰子、轮盘、扑克牌有几个特点：
- 规则固定；
- 概率大致可知；
- 结果空间有限；
- 每局相对独立；
- 可以大量重复。
现实世界经常不是这样。
创业、投资、战争、技术变革、金融危机、声誉风险、监管变化，往往有这些特点：
- 规则会变；
- 概率不可精确知道；
- 结果空间可能开放；
- 极端事件会改变整个系统；
- 样本很少，且过去不一定代表未来。
如果你把现实当成赌场，就会犯一个危险错误：用漂亮的概率数字掩盖自己其实不知道。
比如，一个商业计划里写着：
成功概率 35%，中性概率 45%，失败概率 20%。
这看起来很理性。但你要追问：
- 这些概率来自历史基础比率，还是团队感觉？
- 结果空间有没有漏掉灾难情景？
- 行业规则会不会突然改变？
- 技术替代、监管、融资环境、竞争者行为是否会让概率失效？
- 这件事能不能像骰子一样重复？
概率思维不是把每件事都硬塞进数字。真正的概率思维，反而会承认：
有些概率可以粗算；
有些概率只能估计区间；
有些风险无法可靠建模，只能用安全边际、冗余和反脆弱性处理。
六、概率和赔率必须一起看
很多人只看胜率。
胜率高，就觉得好。胜率低，就觉得差。
但胜率不是全部。
假设有两个机会。
机会 A：
- 90% 概率赚 1 万；
- 10% 概率亏 20 万。
机会 B：
- 30% 概率赚 50 万；
- 70% 概率亏 5 万。
机会 A 的胜率很高，但期望值是：
0.9 x 1万 + 0.1 x (-20万) = -1.1万
机会 B 的胜率很低，但期望值是：
0.3 x 50万 + 0.7 x (-5万) = 11.5万
只看胜率，你会选 A。看期望值，你会发现 B 更好。
这就是很多高胜率陷阱的结构：
平时小赚，
偶尔大亏，
长期负期望。
卖出尾部风险、过度加杠杆、短期激进扩张、用补贴换漂亮增长指标，都可能是这种结构。
反过来，很多低胜率机会并不一定差。风险投资就是典型例子：多数项目失败，少数项目回报极大。只要右尾足够厚，组合的期望值仍然可能为正。
所以，芒格式决策看的不是“我有多大把握赢”，而是：
胜率 x 回报，是否足以补偿失败概率 x 损失？
概率和赔率要一起看。
七、投资里的期望值：好公司不等于好下注
投资里最常见的错误，是把“好公司”直接等同于“好投资”。
但概率思维会问：
这家公司有多好？
这种好已经被价格反映了多少？
未来有几种主要情景？
每种情景概率多大？
以当前价格买入，期望值是否为正？
最坏情况是否会伤害本金安全？
一匹马最可能赢，不代表它是好赌注。如果所有人都知道它强，赔率已经被压得很低，那么下注它可能仍然是负期望值。
一家公司也一样。
优秀企业如果价格过高，未来好结果已经被充分计入，投资期望值可能并不高。普通企业如果市场预期过度悲观，而实际结果没有那么糟，也可能形成正期望值。
投资里的期望值不是要求你精确预测未来，而是要求你把未来拆成几个主要情景：
- 乐观情景：增长超预期，估值稳定或提升；
- 中性情景：公司正常发展，回报一般；
- 悲观情景：竞争加剧，利润下滑；
- 灾难情景：商业判断错误，本金大幅受损。
然后问：
每种情景概率是多少？
每种情景大概赚多少、亏多少？
加权之后是否值得？
如果最坏情况发生，我是否还能继续投资？
这就是为什么安全边际和能力圈如此重要。
能力圈让你的概率估计不至于完全靠想象。安全边际则保护你免受估计错误、尾部风险和坏运气伤害。
八、商业决策里的期望值：先改变下注结构
商业决策也可以用期望值看，但更好的做法不是一开始就算得很精，而是先改变下注结构。
一个创业方向可能只有 10% 的成功概率，但如果失败成本很低，成功后收益巨大，它仍然值得尝试。
另一个项目可能有 70% 的成功概率，但如果失败会拖垮现金流、损害品牌、消耗团队一年时间，它未必值得做。
所以，商业里的概率思维会让你更重视小实验。
好的创业路径通常不是：
先讲一个巨大愿景，然后一次性押上全部资源。
而是：
先用低成本实验获取信息，再决定是否加大下注。
常见做法包括：
- 先访谈，再做产品；
- 先小范围试点，再全国复制；
- 先验证付费意愿，再扩大投放；
- 先用手工流程跑通，再开发自动化系统；
- 先用小订单验证供应链，再签长期合同。
这些动作的本质，是提高信息价值，降低失败成本，让后续的大决策拥有更好的期望值。
九、正期望值也不是全押许可证
知道一个机会是正期望值之后，还有一个问题：
该下注多少？
如果一个机会有 60% 概率翻倍，40% 概率亏光，它的数学期望值为正。但如果你每次都把全部身家押进去，只要遇到一次亏光，你就出局。
出局以后，长期平均对你没有意义。
所以，成熟的概率思维不是：
我有优势，所以全押。
而是：
我有优势，但我仍然可能错；
我要下注到足以受益，但不能错一次就完蛋。
芒格和巴菲特都强调在高确定性、高赔率机会中下重注，但这和鲁莽全押不是一回事。前者建立在能力圈、价格、长期生存能力和冗余之上；后者只是把幸运误认为确定性。
期望值解决“值不值得下注”。仓位解决“下注多少”。安全边际解决“算错了怎么办”。
十、概率估计从哪里来
期望值计算最难的不是公式，而是概率估计。
你怎么知道某件事有 30% 还是 70% 概率？
更可靠的方法包括六种。
第一，看基础比率。
同类公司成功率是多少？同类项目延期概率是多少？同类并购失败率是多少？同类疾病、事故、投资策略的历史结果是什么？
第二，看样本量。
你看到的是两个故事，还是几百个样本？样本是否有代表性？有没有幸存者偏差？
第三，看机制。
这个结果为什么会发生？因果链条是否清楚？关键变量是否可观察？
第四，看反面证据。
什么事实会证明你错了？历史上类似判断为什么失败？最强反对意见是什么？
第五，做贝叶斯更新。
先有粗略先验，再根据新证据修正。不要因为一条新闻就从 30% 跳到 90%，也不要因为旧观点有面子成本而拒绝更新。
第六，复盘校准。
如果你经常说“70% 把握”，长期看，其中大约 70% 应该真的发生。否则你不是在表达概率，而是在表达自信的语气。
概率思维不是天生准确的，它需要记录、反馈和长期训练。
十一、什么时候不要只看期望值
期望值很重要，但它不是唯一标准。
第一，最坏情况不可承受时，不能只看平均值。
破产、永久失去信用、重大健康损害、法律灾难、声誉毁灭，都不能用“平均下来还不错”轻轻带过。
第二，不能重复的重大决策，不能简单套赌场逻辑。
人生中很多选择无法无限重来。选专业、婚姻、重仓投资、创业、健康冒险，都要额外重视可逆性和安全边际。
第三，开放系统里的概率可能会变。
技术、监管、战争、金融危机、平台规则、竞争格局都会改变概率本身。昨天的基础比率未必适用于明天。
第四，尾部风险可能主导结果。
小概率大损失可能吞掉多年收益。很多策略看起来长期稳定，只是因为真正的大损失还没发生。
第五，不能只看金钱结果。
健康、关系、自由、声誉、价值观、时间和注意力，都可能进入效用函数。它们不容易精确折算成钱，但仍然是真实成本。
这也是这篇文章把 效用理论、风险与不确定性 和 游戏谬误 一起并入的原因：概率思维不是让人迷信数字，而是让人知道什么时候数字有用，什么时候数字不够。
十二、一个可执行的使用清单
面对重要选择时，可以按这个顺序走：
- 先列结果：乐观、中性、悲观、灾难情景分别是什么？
- 估概率：每种情景大概概率是多少？依据是基础比率、样本、机制，还是愿望？
- 估后果：每种结果带来的收益、损失和非金钱后果是什么？
- 算粗账：算术期望值大概是正还是负？
- 看效用：同样的损益，对你现在的财富、现金流、健康、声誉和心理承受力意味着什么？
- 查尾部：有没有小概率但不可承受的损失？
- 问重复：这件事能不能重复？大数定律有没有机会发挥作用？
- 防游戏谬误：这里的概率是不是像骰子一样清楚？规则会不会变？结果空间有没有漏掉黑天鹅？
- 调结构：能不能用小实验、分阶段投入、保险、合同、冗余或安全边际降低下行？
- 定下注：如果要做，下注多大才既能受益，又不会错一次就出局？
- 设更新点：哪些新证据会让你提高或降低概率估计？
- 做复盘：结果出来后，复盘概率估计、下注规模和决策过程，而不是只复盘输赢。
十三、和其他模型的关系
它和大数定律相连。
期望值要在足够多次重复中显现。没有足够样本，短期结果可能严重偏离期望。
它和条件概率与基础比率相连。
基础比率是概率估计的起点。没有基础比率，期望值计算容易被故事污染。
它和贝叶斯更新相连。
概率不是一次性判断。新信息出现后，应该持续更新概率和期望值。
它和不对称性与凸性相连。
当上行空间和下行风险不对称时，期望值会发生巨大变化。有限损失、巨大上行，是很多好机会的结构。
它和安全边际相连。
安全边际用来保护你免受概率估计错误、尾部风险和不可预见事件的伤害。
它和决策树理论相连。
决策树把不同路径、概率和结果显性化，是期望值计算的结构工具。
它和能力圈相连。
能力圈越清晰，概率估计越可靠。圈外判断的最大风险，是你以为自己在算概率，其实只是在编数字。
十四、最后记住这一点
概率思维与期望值让你从“猜对未来”转向“管理不确定性”。
不要只问会不会发生；
要问概率多大、赔率如何、后果多重、能否承受。
算术期望值把结果摊成一张账。彩票案例提醒你，不要被巨大但极低概率的上行诱惑。效用理论提醒你，平均金额不等于真实价值。游戏谬误提醒你，现实世界不是规则固定的赌场。
好的决策，不是每次都带来好结果。好的决策，是长期站在正期望值的一边，同时避免一次错误就出局。
芒格式理性的核心不是假装确定，而是承认不确定，然后在不确定中做更好的下注。
来源说明
- 《查理·芒格的思维模型·完整版》：提供“概率思维与期望值”和“算术期望值”的基础框架，并通过赛马彩池投注、保险、风险投资、凯利公式、安全边际、尾部风险等材料，说明芒格式决策不是追求确定性，而是追求长期正期望值和可生存的下注结构。
- 《魔鬼数学：大数据时代，数学思维的力量》：提供“中彩票大奖与期望值理论”“效用理论、风险与不确定性”等材料。本文把彩票作为负期望值但高心理吸引力的案例，把效用理论作为“金钱平均值不等于真实价值”的边界条件。
- 《黑天鹅：如何应对不可预知的未来》：提供“游戏谬误——愚人的不确定性”的反例框架。本文用它提醒读者，不要把赌场、骰子和彩票这类规则固定的概率，误用于开放系统、尾部风险和黑天鹅事件。
- 本文覆盖并合并了 TODO 中的
概率思维与期望值 / 算术期望值 / 效用理论、风险与不确定性 / 中彩票大奖与期望值理论 / 游戏谬误——愚人的不确定性。其中，算术期望值是计算动作，中彩票大奖与期望值理论是案例，效用理论、风险与不确定性是边界，游戏谬误——愚人的不确定性是对滥用概率模型的警告。 - 本文也与资料库中“大数定律”“条件概率与基础比率”“贝叶斯更新”“不对称性与凸性”“安全边际”“决策树理论”“能力圈”等模型互相连接。