期望值是大量試驗之後隨機變數的平均值。 隨機變數將數值映射到試驗的每個可能的結果。 我們可以計算離散隨機變數的期望值——潛在的結果數目是可數的——每項是一個隨機變數的可能值,
如果我們假設試驗是一個遊戲, 那麼隨機變數映射遊戲結果至收益, 因而期望值表示期望的遊戲平均收益。 由於期望值是實數, 它通常分為負值、中性值、正值。 在日常生活場景中, 期望值為負、期望值為中性、期望值為正的遊戲都很常見, 所以期望值提供了一個簡單的決策推斷法。
下面我將舉例說明每種類型的遊戲, 我會使用3個類似的扔硬幣的例子, 具體來說, 每個場景中的隨機變數將是扔一次硬幣後的期望收益。 假設所有情形下硬幣是均質的,
中性期望值遊戲
你扔一枚均質硬幣。 每次扔到正面, 你損失1美元, 每次扔到反面, 你獲得1美元。
這一場景下的期望值為(-1 * 1/2) + (1 * 1/2) = 0。 因此, 由於硬幣是均質的, 損失和收益相等, 隨著時間的推移, 你可以期望既不贏錢也不輸錢。
你扔一枚均質硬幣。 每次扔到正面, 你損失1美元, 每次扔到反面, 你獲得2美元。
這一場景下的期望值為(-1 * 1/2) + (2 * 1/2) = 1/2。 由於正面和反面出現的概率一樣, 扔到反面時較大的收益超過了扔到正面時的損失。 在這樣的遊戲中, 隨著時間的推移, 你可以期望得到更多的錢, 所以你應該玩這類遊戲。 這類場景出現在許多現實生活的決策中, 例如投資股票市場(總體而言, 隨著時間的推移, 市場的走勢是向上的), 為考試而學習(更高的GPA收益超過了損失的一些時間),
你扔一枚均質硬幣。 每次扔到正面, 你損失1美元, 每次扔到反面, 你獲得1美元。 此外, 不管結果如何, 每扔一次硬幣, 你都需要支付1美分的費用。
這一場景下的期望值為(-1.01 * 1/2) + (.99 * 1/2) = -0.01。 因此, 儘管硬幣本身是均質的, 損失數額也等於收益數額, 恒定的費用導致這一遊戲變為負值遊戲。 在這樣的遊戲中, 你可以期望隨著時間的推移而虧錢。 所以你不應該玩這類遊戲。 這在很多賭博平臺上很常見, 賭場提供初始為中性的遊戲, 但通過收費破壞了遊戲的中性(俗話說:“賭場只賺不賠。 ”)。
結語基於期望值進行決策是一個判定參與某項活動是否在經濟學上合理的簡單方式。