零氪玩家 图标零氪玩家
首页 / 概率思维

多试几次的人为什么赢:局数是普通人唯一能加的筹码

「多试几次」是一道乘法题。同样是试,有人越试越值钱,有人试了十年还在原地。差别在于上一次有没有留下东西。

多试几次的人为什么赢:局数是普通人唯一能加的筹码配图

三句先说清:单次胜率由天赋、资源、运气决定,你能动的只有局数。 局数是乘法:五次五成,比一次九成更容易中。 但「重复」不等于「累积」。试了十次没留下任何可复用的东西,等于把同一局重打十遍。

先算一道很简单的题

假设你做一件事,单次成功的概率是 5%。

做一次,成功率 5%。听着挺绝望。

做二十次,至少中一次的概率是多少?

答案是 64%。这个数比 5% 高十几倍,离 100% 也还远。

算法是 1 减去「二十次全失败」:1 − 0.95²⁰ ≈ 64%。

同样的能力、同样的运气,只把次数从 1 提到 20,成功率从 5% 变成 64%。

这就是「多试几次」的全部秘密:一道乘法题。

再列一组:

单次胜率试 5 次试 10 次试 20 次
1%4.9%9.6%18.2%
5%22.6%40.1%64.2%
10%41.0%65.1%87.8%
30%83.2%97.2%99.9%

读法:胜率越低,次数越值钱。

单次 1% 的事,试二十次也只有 18%。单次 30% 的事,试五次就到 83%。

所以真正的策略是:先挑一个单次不那么绝望的池子,然后在那里多打几局。

三组不同单次胜率的曲线:单次胜率越高,局数带来的曲线越陡
横轴是尝试次数,纵轴是至少成功一次的概率。三条线最后都收敛到 100%,但收敛速度差很多。

但「多试」不等于「多赢」

上面那道题有个隐含假设:每一次都是独立的一局,胜率不升不降。

现实里最反常识的一点是:失败这件事,本身几乎不涨概率。

Gompers、Kovner、Lerner 和 Scharfstein 在 2010 年发在《金融经济学杂志》上的一项研究,跟踪了有风险投资背景的创业者[1]。

他们用一个很硬的标准定义「成功」:公司上市。

结果是三组数字:

  • 上一次成功过的人,下次成功率 30%
  • 第一次创业的人,下次成功率 21%
  • 上一次失败过的人,下次成功率 22%

先把这三行读三遍。

失败过的人,比第一次做的人只高 1 个百分点。基本等于没涨。

成功过的人,比第一次做的人高 9 个百分点。

换句话说:「失败是学费」这句话,在这批数据里几乎不成立。

学费交了,但没学到东西。

失败本身没有复利。有复利的是失败之后被提炼出来的东西。

什么叫「留下东西」

把「试错」拆开看,一次尝试会产出三样东西:

  1. 结果:成或不成(这一条你控制不了)
  2. 信息:哪一步错了、哪个假设不成立(这条要主动提取)
  3. 资产:作品、记录、关系、可复用的方法(这条要主动沉淀)

大多数人只收第一样。

成了就庆祝,不成就换方向。第二样和第三样直接漏掉。

于是十次尝试,等于十次互不相干的开局。这就是「试了十年还在原地」。

而会试的人,每一次都在往下一局里塞东西:

  • 这次做的方案,变成一个能拿给别人看的作品
  • 这次踩的坑,写成一条「下次不这么干」的清单
  • 这次认识的人,变成下一次可以直接问的人

下一局的胜率会变成 8%。 因为桌上的你,已经比上一次多了点东西。

同样是八次尝试:左边是互不相连的散点,右边被连成一条上升的线
同样是十次,孤立地看是十次失败,连起来看是一条能力曲线。

一个词:试错预算

多试几次的最大风险,是没算清一次失败要花多少。

所以动手之前,先写三个数:

第一个数:一次尝试的成本。 钱、时间、还有名声。前两个好算,第三个最容易被忽略。

第二个数:你能承受几次。 用「总资源 ÷ 单次成本」算,不要凭感觉。

第三个数:止损线。 什么条件下你就停。这个数必须写在开始之前,不能边做边改。

三个数写完,你会发现大部分「不敢试」,其实是没算过账。

一算就知道:这件事能试八次,那第一次失败根本不叫事。

也可能一算就知道:只能试一次,那就别用「多试几次」安慰自己,该做的是把单次胜率做到最高。

这两种结论都对。错的是不算账就开始试。

反例:换赌桌不叫多试几次

有一种人,简历上经历很杂,每段都很短。

他会说自己「一直在尝试」。

但换个行业、换个城市、换个赛道,如果每次都是从头开始,那些尝试之间没有累积。

这等于每局都重新洗牌,还换了一张桌子。

判断标准很简单,问一句:这一次的经验,能不能让下一次的起点更高?

能,就是多试。不能,就是换地方逃避。

多试几次是有复利的,换赌桌没有。

那到底该怎么做

一、先给「一次」定价,再决定试几次

写下单次成本、可承受次数、止损线。

三个数不写,你的「再试一次」就只是情绪。

二、每次只改一个变量

同时改三件事,成功了也不知道是哪个起了作用。

一次改一个,十次之后你手里就有十条确定的知识。

这比十次盲试值钱得多。

三、把结果沉淀成「下一局能用的东西」

每次结束后,只回答三个问题:

  • 这次哪一步是有效的?
  • 哪个假设被证伪了?
  • 下次能直接拿来用的是哪一件?

第三个问题的答案必须是一个具体物件:一份文档、一段代码、一个人名、一个模板。

四、别把局数浪费在同一个池子里

同一个池子试十次,你摸清的是这个池子。

换一个相邻的池子试两次,你摸清的是两个池子的差别。

后者的信息量更大。前三次用来找方向,之后才值得在同一个地方深挖。

这篇哪里会错

一、独立性假设在现实里不成立

上面的乘法题假设每局独立。但真实世界里,试得多了,名声会掉、身体会垮、身边人会有意见。

所以次数有上限。这道题只告诉你次数的价值,没告诉你次数的成本。

二、Gompers 那组数据样本很窄

被投企业、成功定义是上市。摆摊、开店、做自由职业的人不在里面。

它的价值在于一个方向判断:单纯失败不会自动变成经验。

三、有些事就是只有一次机会

高考、一次性的名额、年龄窗口。

在这些事上,「多试几次」是错的策略,正确答案是把单次胜率做到极致:多准备一年、多找一个懂的人看。

先分清你面对的是「可重复局」还是「单次局」,再决定策略。

四、次数多了,会误把运气当能力

连续几次成的的人,容易高估自己。

所以每五次尝试,回头核一次:这几局里,有多少是方法起作用,有多少是恰好赶上了。

参考资料

  1. Gompers, P., Kovner, A., Lerner, J., & Scharfstein, D. (2010). Performance Persistence in Entrepreneurship. *Journal of Financial Economics, 96*(1), 18–32.(发表版摘要:上一次成功的创业者下一次成功率 30%,首次创业者 21%,曾失败者 22%;样本为有风险投资背景的创业者,「成功」定义为公司上市。早期工作论文版本给出的数字略有差异,本文采用发表版。)
  1. 概率计算:n 次独立尝试、单次成功率 p,至少成功一次的概率为 1 − (1 − p)ⁿ。文中表格按此公式计算,保留一位小数。

证据强度

结论证据强度说明
次数增加会显著抬高「至少中一次」的概率强概率论,无需实证
失败经历本身几乎不提高下次成功率中等偏强一项大样本研究,样本限于风投支持的创业者
上一次成功会明显提高下次成功率中等偏强同上,可能与筛选效应混在一起
「沉淀资产能让下次胜率变高」弱机制推断,无直接对照实验
「试错预算」能减少无效尝试弱观点层,来自成本核算逻辑

如果只记一句:次数是普通人唯一能加的筹码,但只有留下资产的那一次才算数。

带走这一句

单次胜率你改不动,局数你能改。但只有留下资产的那一次,才算真的加了局。