＇14＇与上帝博弈（3）
这个编造出来的简单例子，说明了生活中一个很朴实的道理：存在多个候选对象的时候，没有必要仓促做决定，等一等，看一看，比较比较，可以提高获得最佳对象的概率。这里的候选对象，可以是商业计划方案，也可以是待购的物品，当然也可以是待雇用的求职者，或者是你中意的女孩—比如下面这个更复杂一点的例子。
怎样最大可能得到最好的女孩
人们常常希望能够获得一个最可爱的人作为自己的伴侣。但是，由于上帝在你的生命中安排的异性并不是同时出现任你挑选，因此无论你在何时选择结婚都是有机会成本的。也许你很早就结婚了，但是结婚之后却又不断发现还有不少更好、更合适的潜在婚姻对象，这就是结婚太早的机会成本。那么，是不是晚一点结婚就可以避免这个问题呢？不是的！当结
婚太晚，你错过最合适的异性的可能性也就更大，这就是结婚太晚的机会成本。
那么，一个人究竟应采取什么样的策略才能最大可能遇到最适合的异性，从而使结为伴侣的机会成本最低呢？我们不妨建立一个类似前面候车问题的模型来考察，只不过我们把候选对象扩展到更多。
假设你是一个男孩，而上帝在你20～30岁之间安排了20位适合你的女孩。这些女孩都愿意作为你的伴侣，但你只能选择其中的一位。对于你来说，这20位女孩的质量是可以排序的，也就是说事后你可以对她们的质量排名，排名第一的对你来说就是最好的，排名第二十的对你来说就是最差的。可惜的是，由于20位女孩不是同时出现在你的生命中，而是按时间先后出现，每出现一个你都要决定是留下或拒绝她。如果留下她，她就会成为你的伴侣，你将再没有权利选择后面的女孩；如果拒绝她，你还可以选择后面的女孩，但对前面已经拒绝的女孩将没有机会从头再来。
20位女孩的排名虽然可以在事后确定，但是在观察完20位女孩之前，你并不知道全部女孩的排名，你只知道已经观察过的女孩中谁比谁更好。而且，上帝是完全随机地安排每个时间段出现的女孩，即出现时间的先后与女孩的质量完全没有关系。那么，你应该在什么时候决定接受一位女孩，并且使得被接受的那位女孩属于最好女孩的概率最大呢？
当然，你可以采取与候车模型中“随便”策略类似的做法，抓阄来任意选定一位女孩。如果你这样做，那么你有5％的可能性获得最好的女孩。概率比较小，很难发生。
另一种看来复杂一点的策略是：把全部女孩分成前后两段，最先出现的10位均不接受，但了解了这10位女孩的质量，然后在后来出现的10位女孩当中，第一次碰到比以前都可爱的女孩，就立刻接受。这就是“等一等、看一看”的策略。在这样的策略中，你得到最好女孩的概率似乎是（10/20）×（10/19） 0。263。这个概率已经不算太小。补充说明一下此策略中概率的算法：在这样的规则下，确保得到最好的女孩必然要求最好的女孩在后10名女孩中出现—否则你怎么也得不到最好的了—其概率是10/20，同时，还要求第二好的女孩出现在前10名，其概率为10/19—为什么是10/19？因为除了最好的，剩下人数为19个，第二好的女孩出现在前10名的概率就是10/19—这样就确保了你会得到最好的女孩。
【更新慢或者章节错误，点击举报（请详细说明）】
＇15＇与上帝博弈（4）
但是，这个策略得到最好女孩的概率真的是0。263吗？可能不是，因为这只是第二好的女孩刚好出现在前10位的情况；实际上，即使第二好的女孩没有出现在先前的10位，但只要在最好的女孩出现之前的所有女孩中质量最高的出现在前10位，那么该策略也可确保得到最好的女孩（这一点要想通，否则就难以明白接下来的内容）。也就是说，该策略获得最好女孩的概率实际上是超过0。263的（我们很快会发现这个概率应是0。359 4。哇！这的确已经是一个不小的概率了）。
但是，还有更好的方法吗？或者我们可以问，放弃先出现的10位女孩是否是最优的？如果不是，那么应该放弃几位先出现的女孩呢？
幸运的是，我们的确有更好的策略（你应该先把前面的内容看懂，如果前面没看懂，下面可能就更看不懂了）。既然20位质量不同的女孩其质量在你生命里是随机出现的，没有任何规律，那么，第k个女孩刚好是最好女孩的概率是1/20，而刚好把这个最好的女孩选择到的概率是多少？对此的考虑应该是：既然给定了第k个女孩质量最好，而我们决定放弃前面n－1位女孩，从第n位开始执行前述策略的规则（第一次碰到比以前都可爱的女孩，就立刻接受），那么必须要求在k之前的女孩中质量排名最高的那个必须出现前n－1位女孩中，这样才能确保k被选中，其概率就是（n－1） / （k－1）。从而第k个女孩刚好是最好的女孩而且又一定被选中的概率就是（1/20）×（n－1） / （k－1）。这里，k的取值范围显然应该是＇n； 20＇中的整数。所以，放弃n－1位女孩而一定会得到最可爱的那位女孩的概率实际上就是
这个概率可以用Mathematica软件来计算，或者用Excel来计算也可以，读者会发现，当n*8时，该概率有最大值0。384 2。也就是说，如果我们放弃前7位女孩，先看一看，心里有个谱，然后只要看到比前7位女孩中最好的还要好的女孩，那么我们就立即选择接受。而这位被接受的女孩刚好属于最好女孩的概率是0。384 2。这比我们放弃10位女孩（n*11）的策略要好，该策略根据上述公式计算得出获得最好女孩的概率为0。359 4。
我们用Mathematica软件绘出获得最好女孩的概率图形（纵轴是概率，横轴表示从第几位开始认真考虑接受。最大概率出现在n*8，即放弃前7位，从第8位开始认真考虑接受，见图22）。
根据上述结果，我们可以得出这样的结论：若一个人在20～30岁之间选择结婚对象，而这20位女孩以每年两位的平均分布出现，那么你应当在24岁才开始认真考虑终身大事。
这个例子也可任意改动数据后用同样的方法求解。比如，如果是30位女孩，那么你应该从第11位女孩开始认真考虑终身大事。
图22 转向认真考虑婚姻选择的决策点
这个例子也可以改成其他的版本，比如：在20层楼中，每层楼都放着一颗宝石，每颗宝石的大小不一。现在你从第一层开始上楼，每到一层楼你都可以决定要不要该层楼中的宝石。如果不要，不能回头。如果要，以后就不能再取。或者，有20位求职者，你希望尽可能雇用到最好的那位，但你对他们的面试机会只有一次。你应该如何才可以有最大的机会获得最大的那颗宝石（最好的那位求职者）？这个问题，据说是微软公司的面试题。但它的道理，与最大可能获得女孩的道理是一样的。
【更新慢或者章节错误，点击举报（请详细说明）】
＇16＇与上帝博弈（5）
由此还可引发出另外一重考虑：为什么在求职或演讲比赛之类的竞争场合，人们通常不愿作为第一个或前几个登台呢？而且越是好的越不愿意第一个登台呢？因为人们可能存在等一等、看一看的决策习惯，前几名往往只作为参照标准被评审人有意无意地放弃了。
不要被概率愚弄
概率计算，是一项颇具挑战性的工作。事实上，大多数人都是概率方面的白痴。即使是一些数学专家犯错误也是常事。专家尚且如此，普通大众被概率愚弄也就很正常了。下面是常见概率决策失误的例子。
一种常见错误是，人们往往有夸大小样本代表性的倾向。阿克洛夫（G。 Akerlof，2001年诺贝尔经济学奖得主）1991年的一篇文章中提到了这种现象：
让我们假定，你想买一辆新车，并从价格经济和使用寿命角度考虑决定买沃尔沃或萨帕。作为精明的买家，你阅读了《消费者调查》获取相关信息，发现大多数专家认为沃尔沃的机械性能更好，大多数读者认为沃尔沃有良好的维修记录。在这些信息的武装下，你准备下周就去和沃尔沃销售商谈判。然而，在这个周末你参加了一次聚会，和一个熟人谈起你的打算，他的反应是质疑和警告：“买沃尔沃！不会是开玩笑吧？我姐夫有一辆沃尔沃，先是计油器出问题，然后是后备箱出问题，再后来是变速器和离合器。最后，不到三年就把那辆车当废品卖掉了。”
在这种情况下，你还会买沃尔沃吗？估计你会立即转向购买萨帕了。但是，仔细想想，你的朋友提供的信息，不过是在有关沃尔沃的大量样本信息中再加入一个样本信息而已，并不足以改变样本的平均值—也就是说，仅凭你朋友的一席话，并不足以改变原先支持你选择沃尔沃的理由。但是，现实中有多少人还能这样理性地思考呢？
类似地，人们也常常犯下以总体特征来推断小样本特征的错误。譬如许多人认为，一家医院中一年出生的小孩大致应该是男孩和女孩各占50％左右。事实上，很多小医院的出生性别比完全不是这样。一个城市的出生性别比可能是1：1，但这不等于在更小的单位也是如此。如果你不能理解小医院为什么通常不是1：1的性别比，那么你想想更小的单位，比如家庭，有多少家庭出生的小孩会是男孩女孩各占一半呢？读者有必要记住，小样本的特征不一定服从总体的特征，所以不能把总体的特征作为小样本特征的描述。当然，反过来也一样，小样本难以反映总体的情况，所以也不能把小样本特征当做总体特征。比如，不能看到几个没文化的人比几个有文化的人赚了更多的钱，就得出结论说文化程度高对提高经济收入并没有帮助。又比如，你不能因为看到一个无臂人用脚画画很好，就得出结论说要学好画画就要砍掉双手一样。可是现实中却有持这种逻辑的人。
另一种常见的错误是人们常常忽略了随机事件的独立性，错误地把它们关联起来。比如掷硬币，每一次投掷出现正面或反面的概率都是0。5。也就是说，以前曾经出现过什么样的历史，对于下一次投掷的结果是没有影响的。考虑你现在参加投掷硬币的赌博游戏，每投掷一次赌注1元。已经投了9次结果都很“偶然”地出现了正面，现在面临第10次投掷，你应该选择押注正面还是反面？有不少人是这样想的，既然已经出现了9次正面，均匀的硬币要连续出现10次正面的概率太小了（这个概率为0。510 0。097 7％），因此下一次出现反面的概率应该很大。这样的决策，忽略了下一次投掷概率与历史无关的事实。只要硬币是均匀的，不管前9次结果如何，下一次正面和反面出现的概率均为0。5，所以你押注哪一面，胜负概率都一样。当然，这里还有另一种可能，那就是硬币不是均匀
【更新慢或者章节错误，点击举报（请详细说明）】
＇17＇与上帝博弈（6）
的，所以前面9次出现正面并不那么“偶然”，如此第10次还很有可能出现正面—你现在应该选择的就是正面，而不是像先前所思考的那样选择反面。
这个赌硬币的例子和股票市场很类似。股票市场也充满了随机性。基本上有两种投资理念，一种认为股票价格完全随机，与业绩无关，这种情况下股票与均匀硬币本质上是一样的，股票价格的历史表现不足以作为决策的依据，因为未来价格与历史价格无关；另一种观点认为，股票的长期业绩较好，很可能表明股票存在内在价值支撑，这就与非均匀材质的硬币一样，按照这样的理念，那么过去业绩表现较好的，在未来也更有可能表现出较好的业绩。这两类观点究竟哪一类更符合股票市场的现实？现在似乎还没有研究可以将它们检验出来。但是通过一些仿真实验可以明白的是，存在大量均匀和非均匀的硬币不断投掷，比如经过30轮投掷，能够保持30次都在正面的硬币仍然存在，而这些硬币也并不完全是非均匀的硬币，这表明可能部分股票的业绩确实有内在支撑，但也有些股票业绩良好可能仅仅是偶然因素。
还有一种经常犯错误的情况是很多人不善于从结果去推断信息，以至于过度夸大了某些后果的严重性。我太太的一个朋友怀了小孩，因高龄怀孕担心胎儿的健康做了唐氏筛查。唐氏综合征俗称先天性痴呆，是最常见的一种染色体疾病。怀孕年龄越大，胎儿患此病的概率越高，按照年龄段来看这位朋友胎儿患此病的概率为0。13％。如果胎儿确实患有此病，则唐氏筛查有80％的可能性会查出来（也就是有20％的可能性查不出，但胎儿实际上是患病的）；如果胎儿未患此病，则不会查出异常。这位朋友不放心去做了筛查，结果没什么问题，但她反而更担心了。我太太说，没检查出问题不是很好吗，可以放心了；她却说，还是有20％的可能性患病啊，只是没有查出来啊。我太太的数学很差，听她这样说也懵了，但又觉得不对劲，回来问我，为什么检查无恙之后，患病的概率反而提高了？我一听就觉得好笑：她们是先验地假定胎儿已经患上唐氏综合征，所以才会认为未检查出病状有20％的患病概率；事实上，胎儿患病的概率仅为0。13％，检查后未发现异常而胎儿患病的概率应是 （0。13％×20％） / （0。13％×20％＋99。87％×100％） 0。026％，比未检查时的0。13％概率降低了约80％。
也许聪明的读者会觉得这些失误太明显了，自己不会犯这样的错误。那么请你看看下面这则报道是否存在问题。有一份关于中国吸烟与健康的研究报告写道：“吸烟与肺癌发生的关系已为众多的实验研究以及多个设计严格的大宗人群研究所证实。约80％以上的肺癌与吸烟（包括被动吸烟）有关。”读完这话，你是不是觉得吸烟很可能导致患肺癌（即认为吸烟是一个严重损害健康的问题）？吸烟几乎就是肺癌的罪魁？如果你认为是，不妨继续往下看。
我国约有36％的烟民；肺癌发病率（缺乏中国数据，以世界数据0。333％代替）；肺癌患者80％是烟民或被动吸烟者，即是说肺癌患者中还有20％是非吸烟者；为了�