1704635010
所以，工作1的期望收入＝0.5×（2000元）＋0.5×（1000元）＝1500元。
1704635011
1704635012
工作2的期望收入＝0.99×（1510元）＋0.01×（510元）＝1500元。
1704635013
1704635014
但是，上述两份工作的收入可能出现的波动不同，这一点我们在下一讲分析“风险”时会详细分析。
1704635015
1704635016
2．期望效用
1704635017
1704635018
有了期望的概念，就可以讲期望效用（expected utility）。如果有一个单赌g＝（p，A，B）＝pA＋（1－p）B，那么，对应的期望效用函数就记为
1704635019
1704635020
1704635021
1704635022
1704635023
如果有两个单赌g1＝（p1，A1，A2）与g1＝（p2，A3，A4），则我们说消费者在g1与g2之间更偏好于g1当且仅当
1704635024
1704635025
1704635026
1704635027
1704635028
期望效用函数的意义在于，当消费者面临不确定性时，我们能够依靠期望效用的极大化来分析消费者的选择。
1704635029
1704635030
一般地，对于一个单赌gs＝（p1a1，p2a2，…，pnan），如果
1704635031
1704635032
1704635033
1704635034
1704635035
那么，我们就称u（gs）为关于单赌gs（s表示单赌）的期望效用函数。u（gs）又称VNM效用函数。
1704635036
1704635037
二、期望效用函数的构造
1704635038
1704635039
如果事件发生的结果有n个可能性，即A＝（a1，a2，…，an），我们要构造期望效用函数，就需要对u（ai）（i＝1，2，…，n）赋值。怎么对u（ai）赋值呢？
1704635040
1704635041
1704635042
通常的做法是，如即对于消费者来说，a1最好，an最次，如果消费者个人把ai看成是a1与an的一个线性组合一样好，在他看来，任一个可能结果ai（i＝1，2，…，n）总不外是与最好的结果与最次的结果之间的某种组合一样好，即
1704635043
1704635044
1704635045
1704635046
1704635047
我们令u（ai）≡Pi，即用消费者心里那个使ai与某个单赌等价的最好事件发生的概率Pi来定义u（ai）。
1704635048
1704635049
例3：假定A＝（10元，4元，－2元），括号中的a1＝10元，a2＝4元，a3＝－2元，分别表示可能发生的三种结果，这里，a1最好，a3最次。如果我们问一个消费者：当a1发生的概率（P）等于多少时使你认为ai（i＝1，2，3）与（P，a1，a3）无差异？如果该消费者回答
1704635050
1704635051
1704635052
1704635053
1704635054
那么，我们就可以定义
1704635055
1704635056
u（10元）＝u（a1）≡1
1704635057
1704635058
u（4元）＝u（a2）≡0.6
1704635059