主题
第 11 章 概率思维与期望值
本章结论：决策的理性不在"赌对结果"，而在"用对方法"——可算概率的风险用期望值与贝叶斯更新处理；不可算概率的不确定性（含黑天鹅）用杠铃策略做结构性防护。多数决策错误，是把不确定性当风险来算。
底层命题：任何决策都是在不确定中下注。理性下注 = 用概率加权收益比较选项 + 用新证据持续更新概率 + 对不可量化的极端事件用结构性暴露控制（而非假装能预测）。
SCQA
情境（S）：生活里几乎所有重要选择——换工作、投资、生孩子、创业——都发生在结果未现之前。
冲突（C）：绝大多数人决策时只问"会成功还是失败"，用最坏情况吓自己，或用最好的情况骗自己。少数人学了点概率，又把所有问题都套期望值，对真正不可预测的极端事件毫无防备。
问题（Q）：在不确定中，怎么做决策才理性？
解答（A）：先分清你面对的是"风险"还是"不确定性"——前者可算概率，用期望值和贝叶斯更新；后者不可算概率（含黑天鹅），用杠铃策略控制暴露。把两者混用，是决策最大的错。
11.1 基础概率与贝叶斯更新
人天生是概率盲。对大概率事件，我们容易忽视（"怎么会落在我头上"）；对小概率事件，要么完全无视，要么一旦想起就严重高估（一次空难新闻就能让人不敢坐飞机）。对概率的感受被情绪拉扯，不指向真实频率。
理性决策的第一步，是把"我感觉"换成"概率是多少"。而概率不是一次定死的——贝叶斯定理给出了正确的心智模型：先有一个先验判断（基于历史、经验、常识），然后根据新证据不断更新。新证据越强、越独立，更新幅度越大。
举个直觉例子。你判断一个新同事"靠谱"的先验是 60%。第一次合作他迟到了——这是负证据，下调到 45%。第二次他交的活质量很高——这是正证据，上调回 55%。第三次又迟到——再下调。每次新证据都把你的判断往真相方向拉一点。
贝叶斯更新的关键，不在于算出精确数字，而在于拒绝一次性定死。很多人决策时的毛病，是第一次印象定了之后，再不接受新证据——这正好是确认偏误（详见第 12 章）的反面。先验是起点，不是终点；证据是更新，不是否定。
但贝叶斯有个前提：你得有先验可言。先验来自历史频率、可参照的同类事件、可量化的基础比率。如果你连"这类事历史上发生的频率"都不知道，贝叶斯也无从更新——这正是下一节要处理的边界。
11.2 期望值决策
有了概率，下一步是把它和价值挂钩。期望值（expected value）= 每种结果的价值 × 其概率之和。
公式：EV = P₁·V₁ + P₂·V₂ + … + Pₙ·Vₙ
其中 Pᵢ 是第 i 种结果发生的概率（所有 P 之和为 1），Vᵢ 是该结果对你的价值（可以是金额、效用、分数——只要你能稳定度量）。
期望值的核心好处：逼你同时考虑"回报大小"和"发生概率"。多数人决策时只看一头。要么被高回报勾走（忽略概率极低），要么被最坏情况吓退（忽略概率极低的最坏情况也权重很小）。期望值把两头压缩成一个数，可以直接比较。
用职业选择演示。你有两个 offer：
| 选项 | 结果与概率 | 期望收入 |
|---|---|---|
| A 大厂稳定岗 | 100% 拿到，年薪 40 万 | 40 万 |
| B 创业公司 | 80% 失败（年薪 30 万）+ 20% 成功（期权折现 200 万） | 0.8×30 + 0.2×200 = 64 万 |
B 的期望值（64 万）高于 A（40 万）。期望值告诉你：如果这个赌局能重复很多次，选 B 长期更赚。
但这里有个关键限定，下一节会展开：期望值只在"可重复决策"里有意义。如果是不可重复的一次性大决策（比如这辈子只换一次工作），期望值是参考，不是裁判。
期望值还会被两个东西坑：
- 算错概率：把 1% 的成功算成 20%（这是 wishful thinking）。
- 算错价值：只算钱，不算时间、健康、家庭代价。Vᵢ 必须是对你的总价值，不是表面的金额。
11.3 风险 vs 不确定性：奈特的关键区分
到这里，期望值看起来很美。但它有一个隐藏前提：你必须能给出靠谱的概率。
这一前提在什么时候成立？经济学家弗兰克·奈特（Frank H. Knight）在 1921 年的《Risk, Uncertainty and Profit》（Boston: Houghton Mifflin, 1921）里给了经典区分：
- 风险（risk）：可量化、可计算概率、可保险。掷骰子、抛硬币、保险精算、产品质量合格率——这些都有稳定的历史频率，概率可知。
- 不确定性（uncertainty）：不可量化（奈特称 "true uncertainty"）。新行业的未来格局、一场战争的走向、一项颠覆性技术的影响——没有稳定频率，没有可靠先验。
学界把这种不可量化的不确定性称为 Knightian uncertainty（奈特式不确定性）。
这是本章最重要的一组区分。期望值对风险有效，对不确定性失效。把不确定性当风险处理——硬编一个"成功率 30%"算期望值——是决策最大的错。你算出的数字精确到小数点后两位，但那个 30% 本身就是拍脑袋。
判断你面对的是风险还是不确定性，用下面这个框：
text
┌─────────────────────────────────────────────┐
│ 问 1：这件事有大量历史先例吗？ │
│ - 有 → 可能是风险 │
│ - 无 → 可能是不确定性 │
├─────────────────────────────────────────────┤
│ 问 2：概率能从数据估出来，且各方基本认同？ │
│ - 能 → 是风险，用期望值 │
│ - 不能、争议大 → 是不确定性，换策略 │
├─────────────────────────────────────────────┤
│ 问 3：最坏结果会让游戏停止吗（破产/丧命）？ │
│ - 会 → 即使是风险，也要按不确定性处理 │
└─────────────────────────────────────────────┘注意问 3 的关键：当最坏结果不可逆、足以让你出局时，期望值会骗人。一个期望值很高的赌局，如果 1% 的破产可能性真的发生，你就没有下一次翻盘的机会——这时"长期平均收益"对你无意义。这正是为什么个人理财里"先存够应急金再谈投资"是底线，不是保守。
奈特区分的另一层含义：真正赚大钱的，往往不是承担风险的人，而是承担不确定性的人。风险被算清楚了就能被定价、被保险、被竞争压缩利润。不确定性没人能定价，敢承担的人稀缺，所以回报高——但代价是这条路没有公式可循。
11.4 黑天鹅与杠铃策略
奈特式不确定性的极端形态，是塔勒布（Nassim N. Taleb）所说的黑天鹅。在《The Black Swan: The Impact of the Highly Improbable》（Random House, 2007；2010 第二版）里，塔勒布给了三特征：
- 稀缺性（outlier）：超出常规预期，没有任何历史先例能给出可信概率。
- 极端影响：一旦发生，影响巨大。
- 事后可预测性（retrospective predictability）：事前不可预测，但事后被错误地"合理化"成"其实早有迹象"。
第三点最反常识，也最关键：黑天鹅的本质就是事前不可预测。事后回头看，所有人都能讲出一套"必然如此"的故事，但事前没人真信。互联网泡沫、2008 年金融危机——都是教科书级的黑天鹅。
既然不可预测，唯一理性的是"准备"，不是"预测"。 塔勒布给出的工具叫杠铃策略（barbell strategy），最早见于《黑天鹅》（2007, p.207）：
一端极度保守（85–90% 资源投入最安全处），另一端极度投机（10–15% 投入高风险高回报处），主动回避"中等风险"的中间地带。
为什么回避中间地带？因为"中等风险"是个陷阱——它既不够安全（跌起来照样伤筋动骨），又不够激进（涨起来也赚不了多少）。它的"中等"是账面上的，真实的下行风险被低估了。杠铃策略的核心，是把"安全"和"冒险"放在同一个组合里，让两者各司其职：大头保命，小头押注黑天鹅；黑天鹅不来，你损失有限（10–15%）；黑天鹅来了，小头的高赔率足以撬动整体收益。
杠铃策略在个人发展上的应用：
- 主业稳定（85–90%）：一份能持续产出收入、积累资历、抗周期的本职工作。这部分的逻辑是"可预测、可保险"——是奈特意义上的风险，用期望值管理。
- 副业冒险（10–15%）：业余投入高风险高赔率的方向——写公开内容、做小产品、学一个交叉领域、参与开源。这部分的逻辑是"暴露于正黑天鹅"——单个项目大概率不响，但只要中一次（爆款、合作、被猎头发现），回报可能数倍于主业。
- 回避中间地带：在没有安全垫的情况下，不要"全职创业"。"中等风险"的全职创业既不够安全（随时断粮），又不够可重复（单点押注，失败一次就出局）。
杠铃策略和"全押"思维的差别，可以用一句话总结：全押思维追求"赢一次大的"，杠铃策略追求"输很多次小的，赢一次极大的"。前者需要你预测对，后者只需要你活到黑天鹅来临。
工具：概率决策三件套
① 期望值计算表
面对一个有多重结果的选项，填这张表：
| 结果 i | 概率 Pᵢ | 价值 Vᵢ | Pᵢ·Vᵢ |
|---|---|---|---|
| 1 | …% | … | … |
| 2 | …% | … | … |
| … | … | … | … |
| 合计 | 100% | — | EV = … |
两个以上的选项，各填一张，比较 EV。
② 风险 vs 不确定性判断框
见 11.3 节末尾的三问框。先过这三关，再决定用期望值还是用杠铃策略。
③ 杠铃配置示意
| 资源类型 | 安全端（85–90%） | 投机端（10–15%） | 中间地带（要回避） |
|---|---|---|---|
| 财务 | 货币基金、国债、应急金 | 早期项目、加密资产、副业投入 | "中等收益中等风险"的理财 |
| 时间 | 主业、健康、家庭 | 写作、做小产品、学新技能 | "看着努力其实低杠杆"的兼职 |
| 关系 | 长期深交的少数人 | 弱链接、新圈子 | "维持表面热闹"的应酬 |
公共案例：用本章框架比较两个 offer
把 11.2 节的简单期望值升级一下。假设你在 A 大厂稳定岗和 B 创业公司之间选，关键变量不只是钱。
步骤 1：先判断是风险还是不确定性。
- A 岗：行业成熟、公司稳定、岗位有大量历史先例 → 偏风险，期望值有效。
- B 岗：创业公司存活率有基础比率（业内约 10–20%），但这家公司会不会成，无先例 → 混合：公司层面的存活率是风险，公司成败对你的具体影响是不确定性。
步骤 2：A 用期望值。 算 3 年期望收入、晋升概率、跳槽后的期权价值。可量化，可比对。
步骤 3：B 用"杠铃式"评估。 问的不是"B 期望赚多少"，而是：
- 最坏情况：B 倒闭，你损失 1–2 年时间和一份稳定收入——这个最坏结果会不会让你出局（家庭崩溃、断供）？会，B 不能选。
- 上行赔率：万一 B 成了，你拿到的是什么（财务自由、行业地位、能力跃迁）？赔率是否足够高，值得承担 80% 失败概率？
- 重复性：你还能不能再赌 5 次？年轻、单身、有现金缓冲 → 可赌；中年、有娃、无缓冲 → 不该赌。
步骤 4：决策。
- 若 B 最坏结果不致命 + 你还能多次下注 + 上行赔率高 → 选 B（杠铃的投机端）。
- 若 B 最坏结果致命 → 选 A，主业稳住，业余做副业当投机端（这是杠铃的标准形态）。
注意：这个框架不会替你给出"选 A 还是 B"——它给的是判断的顺序和判据。该判断的判断清楚了，决策往往自动浮现。
常见误用与边界
- 把不确定性硬编概率：没有历史先例的事，强行写"成功率 30%"，再用期望值算出"理性选择"。这是把不确定性当风险处理的典型错误，比不理性更危险——因为它看起来理性。
- 用期望值处理一次性大决策：期望值的合法性来自"可重复"。一辈子只换一次工作、只结一次婚的事，期望值只是参考，不是裁判。这种决策要看最坏结果能不能承受（杠铃思维），不看平均回报。
- 把黑天鹅当可预测：黑天鹅的定义就是事前不可预测。任何声称能预测黑天鹅的人（算命师、宏观大师、爆款导师），问一句他过去几次预测的命中率就知道。
- 杠铃策略被简化成"分散投资"：分散投资是"都放中等风险"，杠铃是"两端 + 回避中间"。两者不是一回事。
- 风险/不确定性二分绝对化：现实中很多决策是混合体——部分可算概率，部分不可算。这时期望值处理可算部分，杠铃策略防护不可算部分，两者并用。
本章小结
- 人是概率盲；理性第一步，是把"我感觉"换成"概率是多少"，并用贝叶斯持续更新先验。
- 期望值 = 每种结果的价值 × 其概率之和，只对可重复决策有意义；它要求概率和价值都被靠谱估出。
- 奈特区分：风险（可算概率）用期望值；不确定性（不可算概率）期望值失效，硬算是更隐蔽的错误。
- 黑天鹅 = 稀缺 + 极端影响 + 事后才被合理化，事前不可预测，只能准备。
- 杠铃策略（最早见于《黑天鹅》2007, p.207）：85–90% 极保守 + 10–15% 极投机，主动回避中间地带。
行动清单
- [ ] 挑一个你正在纠结的决策，先用 11.3 节的三问框判断：是风险还是不确定性？再决定用期望值还是用杠铃策略。
- [ ] 找一个你最近拍脑袋定的"成功率"，写出它的历史先例和数据来源；写不出来，就承认它是不确定性，别假装能算。
- [ ] 检查你的时间/金钱/精力分配：有多少在"中间地带"？哪些可以挪到安全端，哪些可以挪到投机端？
- [ ] 列出你过去一年"事后觉得早该想到"的 3 件事——按黑天鹅第三特征，这些事事前你有没有可能真信？区分"事后合理化"和"事前判断"。
上一章：第 10 章 · 结构化决策模型 ｜ 下一章：第 12 章 · 决策的心理陷阱 ｜ 返回目录