"这套方案平均能缩短 20 分钟"听起来不错，但如果它是"九成情况缩短 40 分钟、一成情况延误 30 分钟"，就完全变了味道。区分这两种局面的工具，就是期望与方差。这两个概念在 AI 与大数据里无处不在：模型评测要看平均分，也要看分数稳不稳，损失函数更是直接建立在对偏离程度的度量之上。先讲清楚它们，再回头看各种"平均提升"就清醒多了。
期望：长期平均，不是单次结果
期望值是把每种结果乘上它发生的概率，再加起来。它是长期重复之后的平均水平，却不一定等于任何一次真实结果。掷一枚六面骰子，期望值是 3.5，但骰子永远不会掷出 3.5——这就是期望最容易被人误用的地方：拿一个"平均来说"的数字，去对应某个具体场景。理解期望，关键是记住它描述的是分布的中心位置，而不是对未来的单点预测。
方差与标准差：波动有多大
方差衡量的是结果偏离期望值的程度：把每个结果与期望的差平方后加权平均，得到的就是方差；对它开平方，就是标准差。标准差的量纲和原始数据一致，比如"通勤时间平均 40 分钟，标准差 10 分钟"，比"方差 100 平方分钟"更好懂。方差越大，结果越可能大幅偏离平均；方差越小，结果越稳定。两个方案可以有相同的期望，却因为方差不同，给人完全不同的感受。
一个对比：同样的平均，不同的体验
用通勤举例，比用抽象的公式直观得多。
| 方案 | 结果分布 | 期望与波动 |
|---|---|---|
| 固定班车 | 每天都约 40 分钟 | 期望 40 分钟，标准差接近 0，体验可预期 |
| 高峰期拼车 | 六成 30 分钟、四成 60 分钟 | 期望约 42 分钟，标准差大，时快时慢 |
| 综合接驳 | 大多数 40 分钟，偶发一次 90 分钟 | 期望略高，极端值偶尔出现 |
三种方案平均时间接近，但"四成情况 60 分钟"和"偶发一次 90 分钟"背后是完全不同的风险承受需求。选哪个，取决于你能不能扛住波动，这部分是数学算不出来的。
大模型里的期望与方差
训练模型时，损失函数本质就是在度量预测值与真实值之间的偏离程度，这个偏离的均值对应期望，偏离的波动对应方差。评测一个模型，同样要分开看两件事：平均分好不好，以及分数稳不稳。一个平均分高但波动大的模型，可能在某些题上表现惊艳、在某些题上突然失灵，实际用起来反而更麻烦。生成式 AI 的"抽卡"式输出，正是方差的直观体现——同样一句提示词，跑十次得到十个不同的结果，波动大不大，直接影响你愿不愿意为它付费。
还有一点容易被忽略：标准差只刻画"平均偏离"，概括不了最坏情况。一个标准差 10 分钟的方案，偶尔也可能因为突发事件拖到 90 分钟。所以读波动时，除了看方差，还要问分布的尾部——最坏能坏到哪、发生的概率有多少。方差负责描述"有多晃"，尾部负责描述"摔多疼"，两者缺一不可。
读数据前先问这一句
速查：看到"平均"时的三个追问
- 波动有多大？平均之后，最坏情况是什么。
- 样本够不够？三五个样本的平均，几乎说明不了什么。
- 最坏能否承受？方差大时，先问自己扛不扛得住极端值。
期望和方差能帮你把"听起来很美"的结论拆开看，却没法替你决定该选哪一个，因为"能不能承受波动"是个人的价值判断。它做不到的，是预测下一次究竟会发生什么——期望只是平均水平，方差只是波动的概括，两者都不等于确定性。把它们用在大语言模型上，就能理解为什么抽卡式的生成要按次数计费、为什么每次结果都不同；视频生成里运镜词被模型理解的过程，同样是模型在随机分布中挑选高概率路径的结果。
