算式通常比建模简单。真正难的是弄清会发生什么、哪些钱已经在底池里，以及每条分支有多大概率发生。跟注范围没有依据，公式再精确也可能算错。结论应保留条件：“如果给定范围让我有 30% 权益，这次跟注平均能赚 $10”，而不是直接说“这次跟注能赚 $10”。
期望值究竟表示什么
EV 描述平均结果，不是某一手牌必须兑现的收益。正确决策可能输，错误决策也可能赢。GTO Wizard 的 EV 概述区分了摊牌赢得的价值与迫使对手弃牌获得的价值，两者都可以计入一个行动的平均结果。
假设一个原创模型算出 +$8，实际却可能从不出现恰好 +$8 的结果。这手牌可能赢 $120，也可能输 $40，按概率加权后平均为 $8。这并不矛盾：期望值概括的是所有可能结果，不一定就是决策树上的某一个结果。
EV 也不能证明假设正确。模型假设对手 40% 的时间弃牌，公式只会使用这个数，不会验证它。应将估计的频率与已知的底池、筹码金额分开记录，这样才知道继续研究或复盘，最有可能改善哪项输入。
先选计算基准和单位
下文所有示例，都从主角（本文分析的玩家）作出待评估决策前的那一刻开始计算。之前放入底池的钱属于沉没成本，已不在主角剩余筹码中。从当前时点看，弃牌的增量 EV 为 0。这不代表能拿回之前投入的钱，也不代表整手牌不赚不亏。
假设主角之前投入了 $20，现在某个行动从当前时点算起的 EV 为 +$10。如果把基准移到投入那 $20 之前，同一条策略线路的 EV 就是 −$20 + $10 = −$10。而现在弃牌，相对于那个更早的基准是 −$20，因此继续玩的期望结果仍比弃牌好 $10。只要所有行动使用同一基准，移动基准会改变显示的数值，不会改变行动排序。
单位也要统一：现金局示例可用美元，锦标赛筹码模型用筹码，标准化复盘可用大盲单位 bb。相加前先换成同一单位。不知道盲注金额，就不能直接比较 0.4 bb 与 $2。百分比本身不是 EV 单位，除非明确说明它对应什么金额。
列出结果表
完整的结果表应覆盖互不重叠的最终结果，概率之和为 1。“对手跟注”和“主角获胜”不能作为两项独立列出的最终结果，因为它们可以同时发生。必要时，将跟注分支继续拆为“跟注后主角胜、平、负”。也可以先算出被跟注条件下的 EV，再用被跟注概率给整个分支加权。
净结果的口径要一致。例如，下注前底池 $100，你下注 $50，对手跟注 $50。获胜时共收回 $200，但其中 $50 是你这次新投入的下注，因此从当前决策点算，净赚 $150；输牌则损失 $50。若对手弃牌，未被跟注的 $50 会退回，你净赚的是原有底池 $100，不是 $150。
通用公式为：EV（行动）= Σ［结果概率 × 该结果的净盈亏］。另一种等价算法是“预期收回金额 − 新投入”，但每条分支的投入与返还都必须定义清楚。整张结果表应统一使用同一种口径。若把未扣本金的获胜返还，与已经扣过本金的净损失混在一起，又没有另行处理本金，就容易高估 EV。
计算跟注的 EV
下面共用一套计算示例：初始底池 $100，可能下注 $50。所有例子都是原创的简化河牌模型：只有一名对手、没有平局、跟注后不再下注，除非另行说明否则无抽水，有效筹码足以覆盖行动。在对手根据下注选择弃牌或跟注、从而筛选范围之前，主角面对完整范围有 30% 摊牌权益。这些百分比都是模型假设，不是实测的玩家群体倾向。
先看跟注与弃牌的版本。对手向 $100 底池下注 $50，模型另外规定，主角面对这一下注范围仍有 30% 权益。主角行动前底池已是 $150，跟注需付 $50，跟注后最终底池为 $200。主角获胜时，从当前时点净赚 $150；输牌时净亏 $50。
| 行动与结果 | 概率 | 从当前决策点算的净盈亏 | 对 EV 的贡献 |
|---|---|---|---|
| 跟注后获胜 | 0.30 | +$150 | +$45 |
| 跟注后输牌 | 0.70 | −$50 | −$35 |
| 跟注合计 | 1.00 | — | +$10 |
| 弃牌 | 1.00 | $0 | $0 |
因此，EV（跟注）= 0.30 × $150 − 0.70 × $50 = +$10。按收回金额核对：0.30 × $200 − $50 = +$10。两种算法一致。使用净盈亏表以后，不要再加一次原有底池，也不要再扣一次 $50 跟注成本。
令 EV 为 0，还能求出盈亏平衡所需权益：q × $200 − $50 = 0，得到 q = 25%。在这个简化模型中，恰好 25% 时，跟注与弃牌的增量 EV 相同；30% 时，跟注比弃牌好 $10。底池赔率指南讨论了这一价格比较，而 EV 将收益和损失逐项列明。
计算包含弃牌与跟注分支的下注
再看下注与过牌的版本。底池仍为 $100，但这次对手先过牌，轮到主角。如果主角也过牌，就立即摊牌，双方不再下注。因此，从当前时点看，过牌 EV = 0.30 × $100 = $30。它大于 0，是因为无需新增投入，就有机会赢取现有底池。
如果主角下注 $50，假设对手 40% 的时间弃牌、60% 的时间跟注，从不加注。主角面对跟注范围的权益只有 20%，不是面对完整范围时的 30%。因此，对手跟注且主角获胜的概率为 0.60 × 0.20 = 0.12；对手跟注且主角输牌为 0.60 × 0.80 = 0.48。再加上对手弃牌的 0.40，最终概率之和为 1。
| 下注 $50 后的最终结果 | 概率 | 净盈亏 | 加权贡献 |
|---|---|---|---|
| 对手弃牌 | 0.40 | +$100 | +$40 |
| 对手跟注，主角获胜 | 0.12 | +$150 | +$18 |
| 对手跟注，主角输牌 | 0.48 | −$50 | −$24 |
| 合计 | 1.00 | — | +$34 |
也可以把被跟注的分支合在一起算：EV（下注）= fP + (1 − f)[e(P + B) − (1 − e)B]。其中 P 是主角下注前的底池，B 是下注额，f 是对手弃牌概率，e 是被跟注条件下的权益。代入本例：0.40 × $100 + 0.60[0.20 × $150 − 0.80 × $50] = $34。
可以用 100 个加权范围单位检查模型是否一致。下注前，主角赢过其中 30 个，输给 70 个。对手弃掉 40 个单位，其中 18 个本来会输给主角，22 个本来会赢主角；剩下 60 个跟注，其中 12 个输给主角，48 个赢主角。因此被跟注后，主角获胜的比例为 12/60 = 20%；如果双方都过牌，则仍是 30/100 = 30%。这只是一种自洽的联合模型，不代表对手真的有 100 个等概率的实体底牌组合。
要比较行动，而不只是看 EV 是否为正
+EV 不等于当前最优。比较不同行动时，要从同一个节点出发，使用相同单位和基准。SplitSuit 的“+EV 与最优行动”和“比较 +EV 线路”明确区分了这两件事。一个行动可能比弃牌赚钱，却仍不如过牌或另一个下注尺寸。
在上述下注与过牌模型中，下注 $50 的 EV 是 $34，过牌是 $30。与过牌相比，下注多赚的是 $4，不是 $34。若只比较这两个行动，真正重要的差距就是 $4。如果弃牌率或跟注范围的不确定性足以让结果波动超过 $4，这个行动排序就不稳健。
再加入一个假设的 $25 下注。假设这个尺寸得到 30% 弃牌，被跟注时主角有 25% 权益。这组输入仍可与双方过牌时的 30% 权益相容：70 个跟注单位中，主角赢过 17.5 个；30 个弃牌单位中，主角赢过 12.5 个。下注 EV = 0.30 × $100 + 0.70[0.25 × $125 − 0.75 × $25] = $38.75。两种下注都是 +EV，但在这组特定反应假设下，小注比大注多赚 $4.75。
| 共用 $100 底池模型中的河牌行动 | 假设弃牌率 | 被跟注时的权益 | 增量 EV |
|---|---|---|---|
| 过牌后立即摊牌 | 不适用 | 面对完整范围为 30% | $30.00 |
| 下注 $25 | 30% | 25% | $38.75 |
| 下注 $50 | 40% | 20% | $34.00 |
这张表不能证明小注通常更好。下注尺寸会改变对手弃牌、跟注和加注的选择。模型因此明确调整了反应假设，而不是认为下注越大，只是花更多钱面对同一范围。复盘真实手牌时，每种尺寸都应配上有依据的反应模型；若对手可能加注，也要纳入加注分支。
抽水、后续下注与模型不确定性
抽水是成本，但不是可以套用到所有游戏的固定百分比。这里只做算术敏感性测试：假设每个摊牌底池都恰好扣除 $4，若有人弃牌则不扣费。这不是任何牌室的实际收费规则。此时，跟注的收回金额算法变为 q × ($200 − $4) − $50。
| 假设的跟注权益 | 无抽水时的 EV | 假设摊牌扣除 $4 后的 EV |
|---|---|---|
| 25% | $0.00 | −$1.00 |
| 30% | +$10.00 | +$8.80 |
| 35% | +$20.00 | +$18.60 |
在下注 $50 的模型中，同样的假设扣费会把 EV 从 $34 降到 $33.52：0.40 × $100 + 0.60[0.20 × $196 − $50]。费用只在进入摊牌的分支出现，而主角的期望只计入其能收回的那部分底池。如果每条分支都直接减 $4，算的就是另一种收费模型。
后续下注同样要明确建分支。转牌跟注后，可能河牌弃牌、双方过牌后获胜、再跟一次而输牌，也可能中了听牌后多赢一次价值下注。把这些路径全部替换成原始摊牌权益，相当于假设路径间的差异不影响价值。如果决策树太大，就把问题缩小到一个下注轮，或注明这是简化模型，不能假装省略的分支价值为 0。
比起争论某一个估值，算出临界值往往更有用。无抽水跟注需要 25% 权益；假设扣费后，需要 $50/$196 = 25.51%。如果合理的范围估计落在临界值两侧，应注明决策对范围假设敏感。没有这个背景，只报出 +$0.17 的 EV，会让结果显得比输入所支持的更确定。
筹码 EV 不等于锦标赛奖金 EV
锦标赛的筹码 EV 与预期奖金不能直接互换。奖金结构和各玩家的筹码分布，会改变筹码决策对应的金钱价值；SplitSuit 关于锦标赛 EV 误用的章节专门提醒了 ICM（独立筹码模型）的适用边界。以筹码计算的结果，应保留“筹码 EV”标签，直到明确的奖金模型把各最终筹码量转换成金钱价值。
EV 的加权方法并没有变，变的是为每个最终结果赋予什么价值。不再只使用净筹码盈亏，而是按同一个锦标赛模型，给各结果赋予对应的预期奖金，再按概率加权。除非模型明确支持这种换算，不要把筹码 EV 乘上一个固定的“每筹码多少美元”。涉及赏金或其他奖励时，也要另列相应的现金流分支。
没有完整的锦标赛输入，就限制结论范围。“这个简化模型中，全下的 EV 是 +200 筹码”，可以是有效的中间结果；“全下能提高预期奖金”，却是另一个需要更多证据的结论。额外的价值转换应参见独立筹码模型指南，不能藏在一个通用 EV 公式里。
可复用的 EV 复盘步骤
牌局结束后，可按这个顺序复盘：记录决策节点和合法行动，选定基准与单位，还原当前底池和剩余有效筹码，列出范围及对手反应假设，画出相关分支，并给每个最终结果标上净盈亏。之后才开始将概率与结果相乘。手牌复盘指南可以帮助还原当时掌握的信息。
确认算式前，先检查最终分支概率是否合计 100%、新增投入有没有重复扣除、平局是否返还正确份额，以及原有底池是否被误当成新成本。选一个例子，分别用净盈亏法与收回金额法重算。若不一致，先理清账目，再谈策略。
最后，找出最可能改变行动排序的假设：可能是跟注范围、弃牌频率、河牌多付的一笔钱，或锦标赛筹码到奖金的转换。在有依据的区间内调整它，再比较各行动。有效的 EV 复盘，应以一个能解释清楚、保留前提的结论收尾，而不只是留下一个正数。
资料来源与计算说明
- The PokerBank：《期望值》，参见“什么是期望值”和“如何计算期望值”。用于说明概率加权平均的定义与行动比较。页面未显示发布日期。核查日期：2026 年 10 月 28 日。
- GTO Wizard：《什么是扑克期望值？》（2022 年 6 月 1 日），参见“概述”和“EV 从何而来”。用于说明行动价值，以及摊牌与对手弃牌分别贡献的价值。核查日期：2026 年 10 月 28 日。
- SplitSuit：《扑克期望值（EV）公式》，参见“+EV 与最优行动”“比较 +EV 线路”和“锦标赛中 EV 的误用”。用于说明如何比较不同行动，并区分锦标赛奖金 EV 与筹码 EV。页面标题含 2026 年，但正文未显示发布日期。核查日期：2026 年 10 月 28 日。
本文所有表格、反应频率、加权范围单位、抽水敏感性测试和金额结果，均为原创假设计算。扣除 $4 是明确设定的教学假设，不是牌室实际抽水。没有任何例子声称使用了求解器输出或实测对手行为。