期望值思维：把单场看成长期的一部分

如果用一个词概括数据分析的核心，大概是「期望」。它要求你把每一次选择放进长期序列里看，而不是孤立地评价单次结果。这个视角的转变，会显著改变你判断方法好坏的方式。

期望值的基本形式

期望值等于每种结果的概率乘以对应收益的总和。以最简单的二元情形为例：成功概率 p，成功收益 a，失败损失 b，则期望 = p × a − （1 − p）× b。

这个公式非常朴素，但它揭示了一个重要事实：高成功率并不必然带来正的期望，低成功率也未必是坏方法。关键在于收益与损失的相对大小。

为什么单场结果没有说服力

一次成功可能是运气，一次失败也可能是运气。单场结果只提供了 0 或 1 的信息，而期望描述的是长期平均，需要足够多的样本才能逼近。

所以，用单场结果来评价方法，相当于用一次抛硬币的结果来判断硬币是否均匀。

把方法当成一组决策规则

与其评价「这次判断对不对」，不如评价「这套规则在什么条件下成立」。规则可以复述、可以记录、可以一次次执行，因而可以被统计。

当你说「临场水位连续三次下调时，我倾向看淡让球方」，这是一条规则，而不是一次判断。规则才有期望值，判断只有结果。

波动与期望的区别

正期望的方法也会经历连续不利的时期，这不是方法失效，而是随机性。理解这一点，能让你在低谷时保持客观。

反过来，负期望的方法也可能在短期内表现很好，这类情况更容易让人误判，因为它符合人的直觉期待。

如何提高判断的可靠性

第一，把决策拆成规则，清楚写下触发条件。第二，尽量扩大样本，把相似场景归为一组。第三，事前标注置信程度，事后按置信程度分组统计。

第四，避免在同一时间做过多互相关联的选择，因为相关性会让有效样本量低于表面数量。

回到纪律

期望值思维最终会把你带回纪律：只有当规则被稳定执行，期望才有意义；只有本金能撑过波动，规则才有机会兑现。

这也是为什么数据分析与自我管理无法分开。它们本来就是同一件事的两面。

把每一次选择放进长期序列里，你的注意力会从「这次对不对」转向「这套规则靠不靠得住」。这是分析成熟的标志。