一、期望值是什么
随机变量 X 的期望值，是它所有可能取值按概率加权的平均：
E[X] = ∫ x f(x) dx，思想相同。
它不是「最可能出现的值」，也不一定是能真正取到的值。掷一枚均匀骰子，期望是 3.5——一个骰子永远掷不出来的数。
期望的实际意义由大数定律给出：大量独立重复之后，样本均值几乎必然收敛到期望值。所以期望回答的是「长期平均下来每次是多少」，不回答「这一次会是多少」。
二、E = R − 1 的推导
定义返奖率（return to player，RTP，也叫派彩率）：
这是一个由规则事先设定的常数。设你投入 1 元，获得的回报是随机变量 W（含本金）。按返奖率的定义，E[W] = R。你的净收益是 W − 1，于是：
差额 1 − R 就是庄家优势（house edge）。它不是运气，是规则本身写进去的一个常数。
| 返奖率 R | 庄家优势 1−R | 每 100 元期望净收益 | 期望剩余（投注 10 轮后） |
|---|---|---|---|
| 1.000（公平） | 0.0% | 0.00 元 | 100.00 元 |
| 0.973（欧式轮盘 36/37） | 2.70% | −2.70 元 | 76.03 元 |
| 0.947（美式轮盘 36/38） | 5.26% | −5.26 元 | 58.36 元 |
| 0.900 | 10.0% | −10.00 元 | 34.87 元 |
| 0.500（典型数字型玩法） | 50.0% | −50.00 元 | 0.10 元 |
最后一列才是关键
「期望剩余」按 100 × R¹⁰ 计算，即把全部本金反复投注 10 轮。庄家优势不是一次性扣除，而是每轮都乘一次。
2.7% 这个看起来很小的优势，10 轮之后就吃掉了近四分之一；R = 0.5 的规则下，10 轮之后 100 元的期望剩余是 0.1 元。这就是为什么「玩得久」和「玩得多」在数学上是同一个方向——都是让指数的次数变大。
三、线性性：策略自由度的终结
「每注期望为负」听起来还留有余地：也许换个下注方式、追加投注、见好就收，能把整体扳成正的？
不能。原因是期望的线性性：
「无需独立」这四个字，是整个论证的关键。设你用某种复杂策略下了 n 注，第 i 注的金额是 bᵢ——这个金额可以依赖前面所有结果（输了加倍、赢了收手、按某种「走势」调整，随便什么规则）。总净收益是：
Yᵢ 是第 i 注每元的净回报，E[Yᵢ | 之前的一切] = R − 1。
用条件期望的塔性质（全期望公式）逐项处理。bᵢ 由前 i−1 次结果决定，所以在给定历史的条件下它是已知常数：
求和：
R − 1 < 0，所以投得越多，期望亏得越多。
这句话值得反复读
任何下注策略——无论它如何依赖历史、如何调整金额、何时停手——都无法改变每元投注的期望回报率。它能改变的只有你投了多少元。
唯一能把期望损失降到 0 的「策略」，是总投注额为 0。这不是修辞，是上面那个等式的直接读法。
四、平均净收益的收敛实测
下图模拟欧式轮盘押红黑：p = 18/37 赢，赢则 1 赔 1。每注净收益的期望是
三条独立轨迹，追踪「累计净收益 ÷ 注数」随注数的变化（横轴对数刻度）：
平均每注净收益随注数的收敛
欧式轮盘押红黑，p = 18/37，每条轨迹 50 万注。随机种子 20260529 / 19370118 / 77712345（固定，可复现）。
前几百注里，三条线剧烈摆动，其中会有相当长的时间停留在正值区间——短期盈利完全正常，而且概率不低。但随着注数增加，三条线无一例外地被拉向 −0.027 并锁死在那里。
这就是大数定律的作用方式：它不保证亏损会被弥补，它保证的恰恰相反——保证平均值收敛到那个负数。短期波动是唯一有可能让你盈利的东西，而时间是它的敌人。
五、赌徒破产问题的完整解
换一个更贴近实际的问法：手里有 i 元，想赢到 N 元就收手，输光则被迫结束。每注 1 元，赢的概率 p，输的概率 q = 1 − p。达成目标的概率是多少？
设 Pᵢ 为从 i 元出发达到 N 的概率。对第一注做条件分解：
这是二阶线性差分方程，特征方程为 p r² − r + q = 0，根为 r = 1 与 r = q/p。当 p ≠ q 时两根相异，通解代入边界条件得：
当 p = q = 1/2 时特征根重合，解退化为线性：
5.1 一个数值上极其惊人的对比
拿 100 元，想翻倍到 200 元。
公平赌局（p = 0.5）：P = 100/200 = 50%。
欧式轮盘（p = 18/37 ≈ 0.4865，庄家优势仅 2.7%）：q/p = 19/18 ≈ 1.055556，
P = (1 − 222.9) / (1 − 49,684) = 221.9 / 49,683 ≈ 0.00447 约 0.45%。
2.7% 的优势，把 50% 变成了 0.45%
翻倍成功率下降了 112 倍。原因在于 (q/p)ⁱ 是指数形式：一个略大于 1 的底数，被反复自乘 100 次之后就变成了 222。
这解释了一个常见的错觉：「庄家优势才百分之几，几乎是公平的」。在单次下注上确实如此，但在「持续玩到达成某个目标」这类问题上，微小的单次优势会被指数放大成压倒性的结果。
| 赌局 | 单注胜率 p | 庄家优势 | 翻倍成功概率 |
|---|---|---|---|
| 完全公平 | 0.5000 | 0.00% | 50.0% |
| 庄家优势 1% | 0.4950 | 1.00% | 11.9% |
| 欧式轮盘红黑 | 0.4865 | 2.70% | 0.45% |
| 美式轮盘红黑 | 0.4737 | 5.26% | 0.0025% |
5.2 目标越大，越接近必输
当 p < q 且 N → ∞（不设上限，一直玩下去），(q/p)^N → ∞，于是：
顺带一提，即使在完全公平的赌局（p = q = 1/2）中，只要对手资金无限而你有限，破产概率同样是 1（Pᵢ = i/N → 0）。公平并不足以保护有限资金的一方。
六、倍投法与鞅
最著名的「必胜法」是倍投法（martingale）：输了就把下注额翻倍，赢一次就把之前所有损失连本带利收回，然后从头开始。
它的算术无懈可击。设基础注为 1，连输 n 次的累计损失是：
第 n+1 注下 2ⁿ，若赢，净赚 2ⁿ − (2ⁿ − 1) = 1。无论前面输了多少次，只要赢一次，净收益恒为 +1。
| 连输次数 n | 下一注金额 | 已累计损失 | 需备资金 | 连输 n 次的概率 |
|---|---|---|---|---|
| 1 | 2 | 1 | 3 | 51.4% |
| 5 | 32 | 31 | 63 | 3.58% |
| 10 | 1,024 | 1,023 | 2,047 | 0.128% |
| 15 | 32,768 | 32,767 | 65,535 | 0.00459% |
| 20 | 1,048,576 | 1,048,575 | 2,097,151 | 0.000164% |
看最后两列的对比：为了把失败概率压到十万分之一以下，需要备下 200 万元的资金——去博取每轮 1 元的收益。而现实中还有两道更硬的墙：
- 资金有限。没有人有无限资金。
- 单注上限。所有场所都设有最高投注额，这直接切断了倍投序列。
七、倍投法的实测轨迹
下图模拟四位使用倍投法的参与者：初始资金 1000 元，基础注 5 元，欧式轮盘押红黑，共 2000 次旋转。
倍投法的四条资金曲线
初始资金 1000 元，基础注 5 元，p = 18/37，2000 次旋转。随机种子 20260601 / 20260602 / 20260603 / 20260604（固定，可复现）。
典型形态是缓慢的锯齿状爬升，然后一次垂直坠落。倍投法把损益分布做了一个变形：它用「很多次小额盈利」换取「极少数几次灾难性亏损」。
但期望没有变。小盈利的高频率，恰好被大亏损的巨额度精确抵消——而且因为 R < 1，抵消之后还多亏一块。倍投法改变的是损益的形状，不是它的均值。
八、可选停时定理：为什么必然失败
把上面的直觉变成定理。设 Sₙ 是第 n 注后的累计资金。
在公平赌局中，{Sₙ} 是一个鞅（martingale）：E[Sn+1 | S₁, …, Sₙ] = Sₙ，即无论历史如何，下一步的条件期望等于当前值。在不利赌局中它是上鞅（supermartingale）：E[Sn+1 | 历史] ≤ Sₙ。
可选停时定理（Doob）。若 {Sₙ} 是鞅，τ 是停时，且满足下列条件之一——(a) τ 有界；(b) τ 几乎必然有限且 Sₙ∧τ 一致有界；(c) E[τ] < ∞ 且增量有界——则
E[Sτ] ≤ E[S₀]。
「停时」的定义正是：是否在第 n 步停止，只能依赖前 n 步的信息，不能依赖未来。这精确地刻画了「一切现实可行的收手规则」——见好就收、亏到某个线就撤、赢够多少就走，全都是停时。
定理的含义
在公平赌局中，任何停止规则都无法让你的期望资金超过起始资金；在不利赌局中，任何停止规则都无法阻止它下降。
倍投法之所以「看起来必胜」，是因为它对应的停时 τ = 首次获胜的时刻，这个 τ 虽然几乎必然有限，但 E[2^τ] = ∞——它违反了定理的条件。倍投法能成立的唯一前提，就是拥有无限资金并接受无上限的单注。而如果你真有无限资金，赢那 1 元也就没有意义了。
换句话说：倍投法不是一个「有风险的必胜法」，它在数学上根本不是必胜法。它的「必胜」结论建立在一个不可能满足的前提上。
九、方差不是朋友
最后一个常见想法：既然期望是负的，那就少下注但下大注——减少投注次数来减少总期望损失，靠一次大波动博取盈利。
这个方向确实有效，而且是唯一有效的方向。它的代价必须说清楚：
- 期望损失确实按总投注额线性下降——把 1000 元一次押上，期望损失是
1000 × (1−R)，而不是反复投注的指数衰减。 - 但方差同时暴涨，结果分布从「几乎必亏一点」变成「大概率全输、小概率翻倍」。
- 而且期望仍然是负的。方差改变的是结果的离散程度，从来不改变结果的中心。
把这条线推到极限：不下注时，期望损失为 0，方差也为 0。这是唯一一个在两个维度上同时最优的点。
本文与全站其余部分的关系
《赌徒谬误》说：历史不能帮你选择下一次押什么。
《预测的不可能性》说：任何信息都不能帮你选择下一次押什么。
本文说：即使前两条全部失效——即使你能完美预测——只要 R < 1，改变怎么押也无法改变期望。这是三道互相独立的锁，任何一道都足以关上这扇门。
延伸阅读与参考
- Feller, W. An Introduction to Probability Theory and Its Applications, Vol. 1 (3rd ed.). 第 14 章「随机游动与破产问题」，赌徒破产的经典处理。
- Williams, D. Probability with Martingales (Cambridge, 1991). 第 10 章可选停时定理；书中第 10.1 节直接以「ABRACADABRA」和赌徒系统为例。
- Durrett, R. Probability: Theory and Examples (5th ed.). 第 4 章鞅论，含 Doob 可选停时定理的完整条件与反例。
- Doob, J. L. Stochastic Processes (Wiley, 1953). 可选停时定理的原始系统性论述。
- Epstein, R. A. The Theory of Gambling and Statistical Logic (2nd ed., Academic Press, 2009). 各类下注系统的数学分析。
- Thorp, E. O. (1969). Optimal gambling systems for favorable games. Review of the International Statistical Institute, 37(3), 273–293. 说明了正期望是任何资金管理策略的必要前提。