什么是期望货币价值(EMV)
🙋
“期望货币价值”听起来好复杂，它到底是什么呀？
🎓
简单来说，它就是把“可能赚的钱”和“可能亏的钱”，按各自发生的可能性大小，算出一个“平均”结果。比如，你投资一个项目，有60%机会赚100万，40%机会亏30万。那这个项目的EMV就是 $0.6 \times 100 + 0.4 \times (-30) = 48$ 万元。在这个模拟器里，你试着在决策树上添加不同的分支，输入概率和价值，它会立刻帮你算出这个“平均”结果，非常直观。
🙋
诶，真的吗？那算出来48万，是不是就代表我肯定能拿到48万？
🎓
不完全是哦。EMV是一个理论上的平均值，就像抛硬币，正面赢100元，反面输50元，长期玩下去平均每把赢25元，但单次结果要么是100要么是-50。所以EMV帮我们做长期、多次的理性选择。在实际工程中，比如决定是否要升级一条生产线，我们会评估升级成功（带来效率提升）和失败（浪费投资）的各种可能。你可以在模拟器里调整“成功概率”的滑块，看看EMV如何变化，就能知道这个决策对成功率有多敏感。
🙋
我懂了！那如果两个方案的EMV差不多，该怎么选呢？只看EMV就够了吗？
🎓
问得好！这正是关键。EMV相同，但风险可能天差地别。比如一个方案稳赚50万，另一个方案有50%机会赚200万，50%机会亏100万，它们的EMV都是50万，但后者风险大得多。这时就需要看另一个指标：标准差。在模拟器里，你计算EMV后，它会自动给出标准差。试着改变一下极端情况的收益值，你会发现EMV可能变化不大，但标准差（代表风险）会剧烈变动。工程现场常见的是，对于关键设备投资，即使EMV稍低，我们也会选择风险更小（标准差更低）的方案。
物理模型与关键公式
决策分析的核心是计算期望货币价值(EMV)，它是对所有可能结果的加权平均。
$$\text{EMV}= \sum_{i}p_i \cdot v_i$$
其中，$p_i$ 是第 $i$ 种结果发生的概率，$v_i$ 是该结果对应的货币价值（收益为正，损失为负）。求和覆盖所有可能的结果分支。
为了衡量决策的风险，即实际结果围绕EMV的波动程度，我们计算其标准差。
$$\sigma = \sqrt{\sum_{i}p_i (v_i - \text{EMV})^2}$$
$\sigma$ 代表标准差，值越大，说明可能的结果离平均值越远，决策的风险也就越高。这是评估“不确定性”的关键量化指标。
现实世界中的应用
工程项目投标决策：在竞标一个大型工程合同时，需要估算中标概率、预期利润以及竞标失败的成本（如准备标书的人力物力）。通过构建决策树并计算不同报价策略下的EMV，可以帮助公司选择期望利润最大化的报价方案。
新产品研发立项：决定是否启动一个研发项目时，需要评估技术成功的概率、市场接受度、潜在销售收入和研发投入。决策分析可以将这些不确定因素量化，对比“研发”与“不研发”两条路径的EMV，为Go/No-Go决策提供科学依据。
生产线升级改造投资：评估是否引入新设备。需分析设备升级后生产效率提升带来的收益（概率较高），以及设备故障、技术不兼容导致生产停滞的风险（概率较低但损失大）。计算EMV和风险，并与维持现状的稳定收益对比，辅助投资决策。
质量改进与风险管控：例如，决定是否实施一项新的质量检测流程。需要权衡实施成本、因检测出缺陷而避免的售后损失（概率与金额），以及流程可能带来的效率下降。通过决策分析，可以判断这项质量投资在长期来看是否“划算”。
常见误解与注意事项
首先，要明确EMV并非“最可能发生的结果”。例如，一个90%概率损失10万日元、10%概率获利100万日元的选项，其EMV为1万日元。虽然计算结果是正值，但实际上有九成概率会亏损。仅凭EMV就判断“能赚钱！”是危险的。务必通过直方图确认概率分布，并结合风险承受能力来思考：“最坏情况是否能为个人（或公司）所承受？”
其次，概率与价值评估需独立进行。若因“成功概率高”就下意识调低成功时的收益估值，会导致分析失真。原则上，各参数应尽可能基于客观数据（历史业绩、市场调研）分别评估。在确实缺乏数据时，可采用“三点估算法”，即对乐观、悲观和最可能三种情景分别进行估算。
最后需注意，此类分析可能不适用于“一次性重大决策”。例如，仅以此工具的结果为依据，决定关乎公司命运的超大型项目是否启动，是具有风险的。该工具最能发挥作用的场景，是制定重复性决策的标准。例如，为每月数十个小规模投资项目设定筛选标准：“EMV需高于XX万日元，且标准差低于YY万日元”。长期执行将能获得符合概率预期的结果，并构建风险可控的投资组合。