01 什么是“墨菲定律”？

大家不知道有没有这样的感受：

比如你在超市买好东西准备结账时，你想找个比较快的队伍结账，但无论你怎么选，你选择的那一队好像总会比其他队会慢一点；

比如你不骑共享单车时，你发现四周都是空闲的共享单车，但是当你上班快要迟到了，想要扫一辆共享单车的时候，你就怎么都找不到一辆；

比如你处理数据非常认真仔细，很少会出问题，但是昨天有个数据计算错了，而且数据已经传出去了，你担心别人会发现这个错误，后来，还真的被别人发现了。。。

类似的场景还有很多，好像你越不希望某件事情发生，这件事情往往就会发生，这个就是我们常说的“墨菲定律”。当然，真正的墨菲定律是1949 年美国的一位航空工程师爱德华·墨菲提出的，主要讲的是：“如果有两种或两种以上的方式去做某件事情，而其中一种选择方式将导致灾难，则必定有人会做出这种选择。”只不过在生活中，人们对墨菲定律做了很多接地气的解释。

墨菲定律很常见，也不难理解，遇到墨菲定律的情形时，我们总是归结于我们的运气不好，怎么那么背，那真是运气不好吗？这背后有什么原因吗？今天我们来聊聊“墨菲定律”背后的数据分析知识。

02 什么是期望值？

讲到墨菲定律背后的数据原理，就不得不提一个重要的数学概念-期望值。什么是期望值？期望值就是对可能出现的结果以概率为权做加权平均。

举一个简单的例子，你参加拼夕夕的抽奖，有 1% 的概率中 500 元，2% 的概率中 100 元，97% 的概率不中。那么你中奖金额的期望值是：1%*500+2%*100+97%*0=7元。这7元是什么意思呢？买抽1次奖就能中7元，抽100次就能中700元么？很明显不是，因为你好像从来都没有中过奖，但是如果你抽了 10 万次/100万次，那么你中奖的金额很可能会接近 70 万/700万。也就是说，这个7元的中奖的期望，是衡量了你在足够多的抽奖次数下，平均每一次获得的中奖金额。

讲到这里，我们对期望值可能已经有个大致的理解了，但我们很容易把“期望值”和另一个概念“平均值”混淆，甚至认为它们俩就是一个东西。实际上它们是有很大区别的，从统计学意义上讲：

期望值是针对于随机变量而言的一个量，可以理解是一种站在“上帝视角”的值。针对于他的样本空间而言的。

平均值是一个统计量(对观察样本的统计)，期望是一种概率论概念，是一个数学特征。

如果用大白话来区分，从两个概念的英语单词上也可以很好地区分，期望值是mean，平均值是average。前者是事先根据概率分布就可以事前计算的，后者是事后根据结果才能计算的。例如，买彩票中奖金额的期望值是可以提前计算的，但买了几次中奖的金额的平均值是需要买过后才能计算的。当样本量足够大时，样本的平均值会趋近于期望。所以，期望是与概率值联系在一起的，如果说概率是频率随样本趋于无穷的极限 ，期望就是平均数随样本趋于无穷的极限，这句话是不是听起来听耳熟，是的，这就是我们常说的的大数定律（Law of Large Numbers，LLN）。平均值和期望其实是通过大数定理联系起来的。

03 墨菲定律vs期望值

讲了大半天，“墨菲定律”和期望值又有什么关系呢？

人都有一个特殊的心理机制，对于那些一些不好的事情更容易印象深刻，而且感受会更强烈。就像我们骑共享单车一样，其实在任何时间找不到空闲的共享单车的概率是一样的，只不过平时我们不着急的时候找不到空闲的共享单车，可能并没有给我们造成太大困扰，所以记忆并不会多么深刻，但是偏偏有几次你快要迟到了，却找不到共享单车，这几次记忆就深刻多了。

现在，我们可以把坏事情的期望定义成 Y1，它代表记住这个坏事情的概率，坏事情对我们的影响定义成 X1，发生概率为 P1；再把好事情的期望定义成 Y2，它代表着记住这个好事情的概率，好事情对我们的影响定义成 X2，概率为 P2。根据期望的定义，我们就有了如下两个公式。

Y1=X1*P1

Y2=X2*P2

因为我们总是对坏事的印象深刻，坏事对我们的影响也更大，所以一个坏事A的发生产生的影响是 X1，显然是大于坏事不发生时的影响X2的。

而且，当我们在担心一件坏事的要发生时，这个坏事已经具备了发生的很多条件。所以，这个时候坏事和好事发生的概率就不是50%对50%那么随机的了，坏事发生的概率P1往往是大于好事发生的概率P2。

这样一来，把这种大小关系代入前面的公式，对比一下就会发现，因为X1>X2, P1>P2，所以很容易得出Y1>Y2，也就是说，我们记住这个坏事的概率要大于好事的概率，这也就解释了“墨菲定律”。墨菲定律的原理其实是由我们对于好事情和坏事情的期望值差异造成的。简单讲，印象深刻再加上担心的时候概率高，自然也就担心什么发生什么了。

04 如何避免“墨菲定律”？

如何避免墨菲定律？墨菲定律有两个要素：事情对我们的影响以及事情发生的概率，那如果要避免“墨菲定律”，我们就可以降低坏事的影响或者坏事发生的概率。

如何降低坏事对我们的影响？我们可以通过增加 B 计划等方式，我们不被动地接受一种坏结果，而是提前给自己准备好备选方案，这样就算坏事发生了，我们仍然可以及时补救，通过这种方式降低坏事情发生后对我们的的心理影响。

如何降低坏事发生的概率？我们可以借用风险控制的方法论，识别生活中的风险并做好准备，这样才能够在墨菲定律发生的时候不会手忙脚乱。例如提前看看沿途哪里有共享单车以及空闲车辆的多少，提前预估自己成功骑行的情况。在阴晴不定的夏天，提前关注天气预报并准备好雨伞，可以让你省去落汤鸡的尴尬。这些生活里的小事可能很简单，但我们把这些小事落到实处，就会对生活的掌控力会大大提升。

也就是我们常说的：做最大的努力，做最坏的打算！