最瘋狂的選擇，往往是數學上最合理的：風險預期值的工程師計算法

大多數人評估風險的方式，其實是一套精心偽裝成直覺的情緒反應系統。當你聽到「這件事成功機率只有10%」，你的杏仁核立刻開始放映一部關於失敗、羞恥與金錢蒸發的末日紀錄片。但這裡有個根本性的系統錯誤：你只計算了分子（失敗的情緒衝擊），卻完全忽略了分母（成功報酬率）。從工程師的角度來看，這就是一個典型的輸入數據殘缺的計算結果——垃圾進，垃圾出。

預期值：被大多數人忽略的決策核心方程式

預期值（Expected Value）的公式極其簡單：EV = Σ（結果 × 機率）。如果你有10%的機率獲得1000元，有90%的機率損失50元，你的預期值是（0.1 × 1000）+（0.9 × -50）= 100 - 45 = +55元。這筆交易每次執行的「數學結果」是正的——即便你有九成機會當下帳面虧損。但幾乎所有人都會拒絕這個交易，因為他們計算的不是預期值，而是「我最可能發生什麼事」（也就是眾數，不是期望值）。把眾數當成期望值來做決策，是人類認知中最普遍、最昂貴的一種程式碼漏洞。

Elon 的賭注清單，從預期值角度重新解讀

2002年，Elon 把賣掉 PayPal 所得的幾乎全部資金，分別注入 SpaceX 和 Tesla。當時幾乎所有人認為這是自毀行為，他自己也坦承成功機率大約只有10%。但他說了一句在財務工程教科書不會出現的話：「即便這兩家公司失敗，它們能夠前進的程度，也已經遠超過什麼都不做。」這不是在說謊安慰自己，這是在計算非線性報酬結構。可重複使用火箭若成功，將使進入軌道的成本降低數個數量級——每一個百分比的成功機率所對應的上行報酬，是無法用線性思維計算的天文數字。當上行報酬趨近無限大時，10% 的成功機率依然是一筆數學上完全理性的賭注。

決策模型遺漏的關鍵變數：資訊的不對稱性

標準預期值計算假設你對機率的估計是外部客觀的。但當你本人就是那個正在執行計畫的工程師時，你擁有一個市場共識沒有正確定價的變數：你自己的執行能力與知識密度。當所有人認為某件事成功機率是10%，而你透過第一性原理分析後，認為真實機率是35%，你就擁有了整整25個百分點的預期值套利空間。SpaceX 降低火箭成本的路徑，根本不是運氣，而是將其他玩家視為「物理限制」的東西（燃料費用、材料成本），透過拆解認定那只是一個「目前最優解尚未被找到的工程問題」。資訊不對稱，是預期值公式中最被低估的槓桿。

失敗本身，也有被忽略的正向預期值

傳統風險框架把失敗視為純粹的負值輸出。但這在工程上是錯的。每一次迭代失敗，你獲得的是現實世界對你模型的直接修正信號——這是任何模擬軟體都無法替代的數據輸入。SpaceX 在 Boca Chica 炸掉的每一枚星艦原型，都在加速下一枚的設計修正週期。失敗有成本，但失敗也有正的資訊價值。把資訊價值代入預期值公式後，你會發現許多看起來「很蠢」的嘗試，其數學期望值其實是正的。唯一真正的零回報失敗，是那種因為太害怕犯錯而從未啟動的計畫。下次當有人說你的計畫「聽起來太瘋狂」的時候，先問他們一個問題：你算過預期值嗎？還是你只是在用眾數思維評估一個期望值問題？如果連公式都搞錯了，那結論從輸入的第一個變數就已經是垃圾了。