思维工具箱决策树与期望值
A13
决策树与期望值
Decision Tree / Expected Value
画选择与不确定结果，用概率加权倒推
这是什么
选择有先后、结果不确定且收益损失可估时，用决策节点表动作、机会节点表不确定结果，从末端倒推。期望值 EV＝ΣpᵢVᵢ。它是概率加权平均，不是保证实现的金额；一次重大决策不能只看长期平均。本卡是管理决策树，不是机器学习分类树。
示意图
什么时候用 / 别用
该用
- 先试点还是铺开、自研还是采购等有序不确定选择
- 收益损失可估算、需比较路径
- 要显式写出转折条件与尾部损失
别用
- 概率与收益无法可靠估计却硬编数字
- 只看 EV 忽略不可承受尾部损失
- 路径过多失控，未聚焦改变动作的关键节点
怎么做
准备：方案阶段、条件概率、路径增量净收益；时间价值、最坏损失与风险承受；未知概率要标注
- 按时间顺序画「先选、再结果、再决定」
- 机会节点列全结果，概率和为 1，注明依据
- 末端算同口径净价值，避免重复扣投入
- 由后向前：机会节点加权，决策节点选合适动作
- 改概率与收益做敏感性，单独审视尾部与资金约束
交付：决策树、假设表、推荐路径、转折条件与风险说明
一个例子
假设示例 · 产品
【假设示例】直接上线配件：成功 60% 净收益 200 万，失败 40% 净损 80 万，EV＝88 万。若失败超出现金承受，即使 EV 为正也可能先试销。
容易踩坑
- EV 不是保证金额
- 乐观偏差估概率
- 忽略尾部与折现口径
出处：决策分析中用树与期望值比较不确定路径的做法