模块 05 · 决策理论：理性决策的框架

核心问题：如何用「逻辑和数学」，为一次选择认真「算一笔账」？

一、模块导语

前面几章，我们讲了「怎么看全」「怎么取舍」「怎么求真」。这一章，我们来点「硬核」的——理性决策的数学框架。

别被「数学」吓到。这里的数学不难，但极其强大。它能帮你把「凭感觉选」升级成「算清楚再选」，把「事后懊悔」变成「事前就知道自己在承担什么风险」。

一个重要的前提先说清楚：理性决策 ≠ 结果一定好。 一个决策可能在概率上是「对」的，但因为运气差，结果很糟。反过来，一个「拍脑袋」的决策也可能撞上好运。理性决策的目标，是长期来看「赢面更大」，而不是「每次都赢」。

二、核心理论

1. 期望值（Expected Value, EV）

期望值是决策理论的基石，公式很简单：

期望值 = Σ（每个结果的价值 × 该结果发生的概率）

举个最直观的例子：

选项 A：100% 拿到 100 元。期望值 = 100 × 100% = 100 元。
选项 B：50% 拿到 300 元，50% 拿到 0 元。期望值 = 300 × 50% + 0 × 50% = 150 元。

单次来看，A 更稳，B 可能血本无归。但如果这个游戏能重复 100 次，选 B 的人几乎必然赚得更多，因为它的期望值更高。

期望值思维的核心洞察：不要看「单次结果」，要看「长期重复的期望」。 这也是为什么优秀的投资者和创业者，敢于做一些「单次可能失败」的决策——因为他们算的是长期期望值。

2. 决策树（Decision Tree）

当一个决策包含多个阶段、多个分支时，用「决策树」把结构画出来，会清晰得多。

画决策树的三步：

画决策点（用方块表示）：你要做的选择；
画机会点（用圆圈表示）：外部的不确定事件；
从右往左「回推」计算每个分支的期望值。

决策树的价值，不在于给你一个数字，而在于强迫你把「可能发生的各种情形」和「它们的概率」显式地列出来，避免大脑凭模糊印象做决定。

3. 贝叶斯思维（Bayesian Thinking）

贝叶斯思维是「理性更新」的黄金法则，核心思想一句话：

你的判断，应该是一个「概率」，而不是一个「非黑即白」的结论；当新证据出现时，你要按贝叶斯公式，更新这个概率。

很多人做决策的方式是「先下结论，再找证据支持」，这叫「结论先行」。贝叶斯思维恰好相反：先有一个「先验概率」（基于已有信息的初步判断），然后用新证据不断「更新」它。

一个经典的例子（简化版）：

你看到一条新闻说「某公司产品出问题了」，你的先验判断是「这家公司可能有问题」。
但后来你发现：这家公司主动召回了问题产品、公开道歉、并公布了整改方案。
那么你应该更新你的判断：这家公司「有严重问题」的概率大幅下降，「可能只是一次性危机」的概率上升。

贝叶斯思维的价值：它让你既不固执己见，也不被单一事件牵着走，而是像科学家一样，持续地、渐进地更新认知。

4. 期望效用 vs 期望值：为什么「理性」不等于「只认钱」

严格来说，人做决策时优化的不是「钱的期望值」，而是「效用的期望值」。

期望值：只看钱。
期望效用：看「钱带来的满足感」，而满足感是「边际递减」的——你已经有 100 万时，再多 100 万带来的快乐，远小于你身无分文时多 100 元带来的快乐。

这就是为什么「理性」的人会买保险：虽然从「期望值」看，买保险是「亏钱」的（保险公司要赚钱），但从「期望效用」看，用一小笔确定的保费，消除「可能倾家荡产」的巨大风险，是「划算」的——因为损失的边际痛苦，远大于收益的边际快乐（这又关联到第六章的「损失厌恶」）。

三、对话思考

场景：老周在桌上摆了一个「赌博」游戏，让大家算账。

老周：我们来玩个游戏。掷一枚公平的硬币，如果正面，我给你 200 元；如果反面，你给我 100 元。谁玩？

阿凯（行动派）：玩啊！正面能赢 200，反面才亏 100，明显划算。

老周：小林，用期望值算一下。

小林（理性派）：期望值 = 200 × 50% + (-100) × 50% = 100 - 50 = +50 元。每次玩的期望收益是正的 50 元，长期玩稳赚。当然玩。

老周：很好。那现在把筹码放大 1 万倍：正面我给你 200 万，反面你给我 100 万。你还玩吗？

所有人都沉默了。

阿凯：这……我哪有 100 万可以输啊。

老周：注意，期望值没变，还是 +50 万（200 万×50% - 100 万×50%）。但为什么你们都不玩了？

小雅（直觉派）：因为输不起。虽然数学上划算，但万一输了，我就破产了，我承受不了那个后果。

老周：这就是今天最重要的一个概念——「期望值」和「可承受性」是两回事。 一个决策，光有正的期望值还不够，你还得问：最坏的结果，我承受得起吗？

老周：这就是很多聪明人栽跟头的地方。他们只算了「期望值」，没算「破产风险」。如果你有 51% 的胜率，但每次都押上全部身家，那么长期来看你几乎必然会破产——因为只要连续输几次，你就出局了，再也没有翻盘的机会。这就是著名的「凯利公式」和「不要下会让自己出局的赌注」的思想。

小林：所以理性决策有两个独立的判断标准：一个是「期望值够不够高」，一个是「最坏结果我能否承受」。两者缺一不可。

老周：对。那我们把这两个标准，用一个日常场景串起来。假设你大四，收到两个 offer：

Offer A：稳定的国企，年薪 15 万，几乎不会失业。
Offer B：初创公司，年薪 10 万 + 期权，如果公司成功，可能财务自由；如果失败，可能失业。

老周：用今天的框架，怎么分析？

小林：先算期望值。假设初创公司成功概率 20%，成功后期权价值 500 万；失败概率 80%，期权归零。那么 B 的期望值 = 10 万×100% + 500万×20% = 10万 + 100万 = 110 万/年（名义上）。远超 A 的 15 万。但如果只看期望值，就忽略了「80% 概率失败」的现实。

老周：所以关键问题是……

小雅：最坏结果我能否承受？ 如果我家境一般、需要稳定收入，那我可能选 A，因为「80% 失败」的后果我承受不起。但如果我年轻、无负担、有退路，那我可以承受 B 的风险，去搏那个期望值。

老周：总结得漂亮。理性决策的公式，不是「选期望值最高的」，而是「在可承受的范围内，选期望值最高的」。 先排除「会让你出局」的选项，再在剩下的选项里优化期望值。

阿凯：还有一个问题。创业成功的概率「20%」，这个数字哪来的？根本没法准确知道啊。

老周：问到了关键。现实中的概率，大多是「估计值」而不是「精确值」。 所以理性决策还有一个重要的补充工具——贝叶斯更新：你不必一开始就精确知道概率，你可以先给一个「初步估计」，然后随着新信息的出现，不断修正它。

老周：比如阿凯你创业，可以先估计「成功的先验概率是 20%」。然后你做了 100 个用户访谈，发现 80% 的人都对你的产品有强烈需求——那你就应该上调成功概率。反之，如果访谈发现大家只是礼貌性说好，那你应该下调。决策不是「一次定生死」，而是一个「持续更新」的过程。

四、经典案例

案例 1：亚马逊的「期望值」式冒险

贝佐斯是个著名的「期望值思维」践行者。他曾说，自己做决策时，会估算「如果成功了，回报有多大」和「如果失败了，损失有多大」，然后计算期望值。

他曾讲过一个经典的心智模型：「后悔最小化框架」——想象自己 80 岁时，会不会后悔「当年没做这件事」。如果会，那就去做。这其实是一种「长期期望值」的思考：把「可能的巨大收益」和「可承受的失败」都考虑进去，而不是被短期的恐惧支配。

思考点：亚马逊早期的很多「烧钱扩张」看似疯狂，其实是「期望值思维」的产物——只要成功概率不低、失败损失可承受，就值得持续押注。

案例 2：巴菲特的「不要下会出局的赌注」

巴菲特有一条著名的投资铁律：「第一条，永远不要亏钱；第二条，永远不要忘记第一条。」

这句话的真正含义，不是「绝不承担任何波动」，而是：不要做那种「一旦失败就永久出局」的决策。 他著名的「凯利公式」思想，也是同一个道理——仓位要控制在「即使连续判断错几次，也不会伤筋动骨」的范围内。

思考点：长期赢家的秘密，往往不是「赢得最多」，而是「活得最久」——先保证不下牌桌，再谈赢钱。

案例 3：一个学生的「保研 vs 考研」决策树

小林的室友面临选择：保研到一个「一般但稳妥」的学校，还是放弃保研、考研冲击「顶尖名校」（失败则可能无学可上）。我们用决策树帮他算：

保研：100% 上「一般学校」，价值记为 60 分。
考研：成功概率 30% 上「顶尖名校」（价值 100 分），失败概率 70%（价值 20 分，且要承受二战/找工作的压力）。
考研期望值 = 100 × 30% + 20 × 70% = 30 + 14 = 44 分 < 保研的 60 分。

从纯期望值看，保研更优。 但室友是个「风险偏好高、且失败可承受（家里支持二战）」的人，他依然选择了考研。最终他没考上，去了工作，但他说不后悔——因为他问过自己「最坏结果能否承受」，答案是能。

思考点：这个案例想说的是：理性决策框架帮你「看清楚」，但最终的选择，还要结合你的「风险承受能力」和「价值观」。 框架是地图，不是替你开车的司机。

五、练习与参考答案

练习 1：算期望值

你有两个投资选择：

A：100% 赚 1000 元。
B：60% 赚 2000 元，40% 亏 500 元。

（1）分别计算两者的期望值；（2）如果你只能玩一次，且你「亏不起」500 元，你会怎么选？为什么？

参考答案：（1）A 期望值 = 1000 元；B 期望值 = 2000×60% + (-500)×40% = 1200 - 200 = 1000 元。两者期望值相同。（2）如果「亏不起」，应选 A。因为期望值虽相同，但 B 有 40% 的概率让你亏损，如果你承受不了亏损的后果，就不该选 B。再次印证：期望值只是决策的一部分，「可承受性」同样关键。

练习 2：画一棵决策树

你计划假期去旅行，但台风季可能影响行程：

如果提前订好机票酒店，总花费 3000 元，若台风导致取消，可退 80%（损失 600 元）；
如果临时再订，若天气好，临时票会贵 1000 元（共 4000 元），若天气差则可直接不订、损失 0 元。
假设台风概率 30%。

请用决策树，比较「提前订」和「临时订」哪个期望成本更低。

参考答案：

提前订：天气好(70%)成本 3000；天气差(30%)成本 600（退80%后损失）。期望 = 3000×70% + 600×30% = 2100 + 180 = 2280 元。
临时订：天气好(70%)成本 4000；天气差(30%)成本 0。期望 = 4000×70% + 0 = 2800 元。
提前订的期望成本更低（2280 < 2800），应提前订。（注：这是简化模型，实际还要考虑「机票退改规则」等细节，但思路就是这样：把分支和概率显式列出来再算。）

练习 3：用贝叶斯思维更新判断

你原本认为「某个学长推荐的实习公司很靠谱」（先验概率 80%）。后来你了解到两个新信息：（1）这家公司近两年离职率非常高；（2）这位学长并没有在这家公司工作过，只是听说。

请问：根据贝叶斯思维，你应该如何更新你的判断？