经济学 on kenji.blog

圣彼得堡悖论：期望值为“无限大”的赌博，你愿意付多少钱？

Thu, 10 Sep 2026 05:00:00 +0900

1. 期望值为“无限大”的梦幻赌博

当你在赌场里漫步时，发牌员邀请你参加一个全新的抛硬币游戏。

【游戏规则】

支付参与费开始游戏。
抛掷硬币。如果出现正面，奖金翻倍，并且可以再抛一次。
一旦出现反面，游戏结束。你可以获得截至那时累积的奖金。

初始奖金从2美元开始。

如果第1次抛出反面，获得2美元并结束。
如果第1次正面、第2次反面，获得4美元并结束。
如果第1次正面、第2次正面、第3次反面，获得8美元并结束。
…以此类推，只要持续出现正面，奖金就会以16美元、32美元、64美元…成倍增加。

graph TD Start["游戏开始"] --> Toss1{"第1次抛掷硬币"} Toss1 -->|反面 (1/2)| End1["结束：获得2美元"] Toss1 -->|正面 (1/2)| Toss2{"第2次抛掷硬币"} Toss2 -->|反面 (1/2)| End2["结束：获得4美元"] Toss2 -->|正面 (1/2)| Toss3{"第3次抛掷硬币"} Toss3 -->|反面 (1/2)| End3["结束：获得8美元"] Toss3 -->|正面 (1/2)| Toss4{"..."} Toss4 -.->|连续出现的次数越多| Infinite["奖金无限翻倍！"]

那么，现在问你一个问题。 如果这个游戏的参与费是“1万美元（约150万日元）”，你愿意参加吗？

可能大多数人都会回答“不参加”。因为有一半的概率在第一次抛掷时就会出现反面，只能拿到区区2美元，从而亏损惨重。

然而，如果严格按照数学中的概率论（期望值）进行计算，会得出一个惊人的事实。在数学上，无论参与费是1万美元还是1亿美元，哪怕借遍倾家荡产，你也应该参与这个游戏。

这到底是怎么回事呢？

2. 让我们来计算一下期望值

在数学中，用来判断一场赌博“划算与否”的指标叫做**“期望值”。期望值表示“如果你把这个游戏重复无数次，平均每次能赚多少钱”的数值。计算公式是将所有可能情况下的“（获得的奖金）×（该情况发生的概率）”相加**。

让我们来计算一下这次游戏的期望值。

第1次出现反面的概率： $\frac{1}{2}$ 奖金是 $2$ 美元。对期望值的贡献＝ $2 \times \frac{1}{2} = 1$ 美元
第2次出现反面的概率： 因为抛出了正面、反面，所以是 $\frac{1}{2} \times \frac{1}{2} = \frac{1}{4}$ 奖金是 $4$ 美元。对期望值的贡献＝ $4 \times \frac{1}{4} = 1$ 美元
第3次出现反面的概率： 因为抛出了正面、正面、反面，所以是 $(\frac{1}{2})^3 = \frac{1}{8}$ 奖金是 $8$ 美元。对期望值的贡献＝ $8 \times \frac{1}{8} = 1$ 美元
第$n$次出现反面的概率： $(\frac{1}{2})^n$ 奖金是 $2^n$ 美元。对期望值的贡献＝ $2^n \times (\frac{1}{2})^n = 1$ 美元

也就是说，无论游戏在第几次结束，每种情况对期望值的贡献始终是“1美元”。由于游戏有可能无限地进行下去，将这些期望值全部相加，结果如下：

$$ \text{总期望值} = 1 + 1 + 1 + 1 + \dots = \infty \text{（无限大）} $$

数学计算给出的答案是**“这个游戏的期望值是无限大”**。既然期望值是无限大，那么从理论上讲，无论参与费多高，它都绝对是一场“划算的赌博”。

这就是1713年由尼古拉斯·伯努利提出的**“圣彼得堡悖论”**。正确的数学计算结果（价值无限大）与人类的现实感觉（只愿意付几美元）之间，产生了剧烈的矛盾。

3. 解决数学与人类之间偏差的“效用”发现

解决这个悖论的人，是尼古拉斯的堂弟——天才数学家丹尼尔·伯努利。（因为他在圣彼得堡的科学院发表了这篇论文，所以得名。）

丹尼尔深入探讨了人类的心理。他认为，“人类并不是根据金钱的‘绝对金额’，而是根据金钱带来的‘满足感（效用）’来判断事物的”。

这被称为**“边际效用递减法则”**。

金钱的价值会随着持有量的增加而降低

例如，当你在沙漠中口渴难耐时，第1杯水对你来说有“即使花1万日元也想喝”的巨大价值（满足感）。然而，随着你喝下第2杯、第3杯，每杯水的价值会不断下降。到了第10杯，你甚至会觉得“白给都不要”。

金钱也是如此。

对于一个存款为零的人来说，得到“100万日元”拥有拯救生命的巨大价值。
但对于拥有百亿资产的埃隆·马斯克来说，得到“100万日元”带来的价值（满足感）大概就和掉在路边的1日元硬币差不多。

也就是说，即使奖金以 2美元 $\rightarrow$ 4美元 $\rightarrow$ 8美元 $\rightarrow$ 16美元… 无限增加，人类感受到的“喜悦（效用）”并不会与金额成正比地无限增加。

4. 使用“效用”重新计算期望值

丹尼尔·伯努利假设，“人类对金钱感受到的价值（效用），与金额的对数（$\log$）成正比”。

如果金额为 $x$，我们可以用对数函数来表示人类感受到的价值（效用） $u(x)$（这里我们考虑一个以2为底数的简单模型）。

$2$ 美元奖金的效用： $\log_2(2) = 1$
$4$ 美元奖金的效用： $\log_2(4) = 2$
$8$ 美元奖金的效用： $\log_2(8) = 3$
$2^n$ 美元奖金的效用： $\log_2(2^n) = n$

虽然金额是成倍增加的，但人类的“喜悦”却只能以 1, 2, 3… 的速度缓慢增加。利用这种“效用”，让我们再次计算一下期望值（期望效用）：

$$ \text{期望效用} = \sum_{n=1}^{\infty} \left( n \times \left(\frac{1}{2}\right)^n \right) $$ $$ = 1 \cdot \frac{1}{2} + 2 \cdot \frac{1}{4} + 3 \cdot \frac{1}{8} + 4 \cdot \frac{1}{16} + \dots $$

计算这个无穷级数的和，结果并不是“无限大”，而是收敛于“2”。通过逆向计算效用为“2”所对应的金额，得出 $2^2 = 4$ 美元。

也就是说，如果将人类的心理（效用）纳入计算，就能得出一个极其符合常识与现实的答案：“在人类的感觉中，这个游戏的价值大约只有‘4美元’左右”。正因如此，我们才不愿意花1万美元去参加这个游戏。

5. 总结：开启经济学大门的悖论

圣彼得堡悖论从数学上证明了“金额”这一客观数字与“人类满足感”这一主观价值并不一致，是一个具有划时代意义的悖论。

丹尼尔·伯努利提出的“效用（Utility）”概念，在经历了200年的时间后，成为了现代微观经济学和金融工程（如投资组合理论等）最重要的一项基础。我们购买保险、进行分散投资等行为，都可以用“边际效用递减（遭受巨额损失的痛苦，远大于获得巨额利润的喜悦）”这种人类心理机制来解释。

这原本只是一道关于赌博的计算题，却最终解读了人类的内心，成为了催生“经济学”这门庞大科学的契机。

囚徒困境：为什么我们会做出“两败俱伤”的选择？

Thu, 10 Sep 2026 03:00:00 +0900

1. 终极选择：保持沉默，还是背叛？

你和共犯朋友因为涉嫌某项犯罪被警察抓获。两人被分别关在不同的审讯室里，彼此之间完全无法联系。

由于警方没有掌握充分的证据，检察官分别向你和朋友提出了如下的“认罪协商”：

如果双方都“保持沉默（合作）”： 因证据不足，两人都只需判 1年监禁。
如果你“招供（背叛）”，而朋友“保持沉默”： 配合调查的你将 无罪（立即释放），而朋友将承担所有罪名被判 10年监禁。（反之亦然）
如果双方都“招供（背叛）”： 因为两人都认罪了，稍微减轻刑罚，两人都被判 5年监禁。

那么，你会怎么做？是选择“保持沉默（与对方合作）”？还是选择“招供（背叛对方）”？

2. 收益矩阵分析

让我们把这种情况整理成博弈论中使用的“收益矩阵”。表格中的数字代表了（你的监禁年数, 朋友的监禁年数）。负数表示损失（监禁年数）。

你 \ 朋友	保持沉默（合作）	招供（背叛）
保持沉默（合作）	(-1, -1)	(-10, 0)
招供（背叛）	(0, -10)	(-5, -5)

客观来看，两人应该采取的最佳行动显而易见。 如果两人都“保持沉默”，总刑期只有2年（-1和-1）。 这是使整体利益最大化的“帕累托最优”状态。

然而，如果你是一个“试图使自身利益最大化的理性人”，得出的结论将截然不同。

3. 为什么“背叛”会成为理性的选择？

让我们试着预测身处另一房间的“朋友”的行动，来追踪你决定自己行动的思考过程。

情况1：预测朋友会“保持沉默”时

如果自己也“保持沉默”，判刑1年。
如果自己“招供”，无罪（立即释放）。 $\rightarrow$ 因为无罪更好，所以**“招供（背叛）”**是最佳选择。

情况2：预测朋友会“招供”时

如果自己“保持沉默”，判刑10年。
如果自己“招供”，判刑5年。 $\rightarrow$ 因为判5年更好受些，所以依然是**“招供（背叛）”**为最佳选择。

你发现了吗？无论对方采取什么行动，对你来说“招供（背叛）”总是更有利的。这在博弈论中被称为**“占优策略”**。

你的朋友也处于完全相同的境地，也会进行同样理性的思考，因此对朋友来说“招供”也是占优策略。

结果就是，经过理性思考的两人，必然都会选择互相“招供（背叛）”。导致的结果是，最终两人 都被判5年监禁（-5, -5），从整体来看这是一个接近最糟糕的结局。如果两人合作（保持沉默）本来只需判刑1年，但追求个人理性的结果却是两败俱伤。

graph TD Start["选择开始"] --> Logic_You["你的理性思考"] Start --> Logic_Friend["朋友的理性思考"] Logic_You -->|如果对方沉默，招供有利
如果对方招供，也是招供有利| Betray_You["你选择招供(背叛)"] Logic_Friend -->|如果对方沉默，招供有利
如果对方招供，也是招供有利| Betray_Friend["朋友选择招供(背叛)"] Betray_You --> Result["结果：双方招供 (-5, -5)"] Betray_Friend --> Result Ideal["理想：双方沉默 (-1, -1)"] -.->|个人理性作祟
无法达到| Result style Result fill:#ff9999,stroke:#333,stroke-width:2px style Ideal fill:#99ff99,stroke:#333,stroke-width:2px

这种“在互相预测了对方的行动后，双方都没有动机改变自己策略（无可奈何）的状态”，以博弈论大师约翰·纳什的名字命名，被称为**“纳什均衡”**。

囚徒困境最可怕的一点在于，“帕累托最优（对整体最好的结果）”和“纳什均衡（个人理性的最终归宿）”并不一致。

4. 潜藏在日常社会中的“囚徒困境”

囚徒困境不仅仅是一个智力测验。我们社会中发生的许多问题都可以用这个数学模型来解释。

1. 价格战（降价竞争）

两家竞争对手企业以1000元的价格销售类似的产品。如果双方都保持1000元（合作），两家都能获得高额利润。然而，抵挡不住“比对方稍微便宜一点（背叛）来垄断客户”的诱惑，两家公司开始了价格战。结果产品变成了500元，两家公司都无利可图，陷入困境（双方背叛）。

2. 环境问题与温室气体

世界各国承诺“减少二氧化碳排放（合作）”。这是对整个地球的最优解。但是，如果只有本国“无视排放限制继续运营工厂（背叛）”，就能让本国经济快速增长。反之，如果其他国家背叛了而只有本国遵守规则，本国在经济上就会遭受巨大损失。结果，每个国家都因为害怕吃亏而选择背叛，地球环境不断遭到破坏。

3. 体育界的兴奋剂问题

理想情况是所有运动员都不使用兴奋剂（合作）。但是，出于“对手可能在使用兴奋剂”的疑神疑鬼，以及“只要自己用了就能赢”的诱惑，最终选择了使用兴奋剂（背叛）。结果陷入了所有人都在损害健康、依靠药物比赛的最糟糕局面。

5. 有解决办法吗？“一报还一报策略”

在单次交易中，“背叛”总是理性的选择。然而，如果变成了“与同一对手多次重复的博弈（重复囚徒困境）”，情况就会发生戏剧性的变化。

20世纪80年代，政治学家罗伯特·阿克塞尔罗德举办了一场计算机锦标赛，让编有各种策略的程序进行对战。在世界各地学者提交的“总是背叛”、“随机背叛”、“宽恕对方”等复杂策略中，以压倒性成绩获得冠军的，是最简单的**“一报还一报策略（Tit for Tat）”**。

一报还一报策略的规则仅此而已：

第一次必须“合作”。
从第二次起，直接模仿上一次“对方采取的行动”。
- 如果对方上一次合作了，这次我也合作。
- 如果对方上一次背叛了，这次我也背叛并进行报复。

这个策略之所以强大，是因为它具备了4个特点：“绝对不主动背叛（善良）”、“遭到背叛立即惩罚（严厉）”、“对方改过自新立刻原谅（宽容）”、“结构简单容易让对方理解（明了）”。

在人际关系和国际社会中也是如此，只要以长期关系为前提，通过共享像“一报还一报策略”那样**“基本以合作为主，但对背叛给予惩罚”**的规则，就能克服囚徒困境，建立起合作关系。

6. 总结：数学告诉我们“信任”的价值

囚徒困境用数学证明了，“人类利己的理性”有时会将整个社会推入不幸的深渊。 “只想自己占便宜”或者“不想被别人算计”的个人理性，最终会导致作茧自缚的结果（纳什均衡）。

但同时，博弈论也告诉我们，只要具备“关系长期持续”这一条件，“互相信任与合作”才是最终能使自身利益最大化的最合理的策略。

当你下次犹豫“要不要就自己稍微耍点小聪明”时，不妨回想一下这个囚徒困境的收益矩阵。因为追求眼前利益的“理性背叛”，从长远来看也许是最不理性的选择。