【锚点】这一篇只钉一个判断：【「期望值」回答的是「一千个平行世界的我各玩一轮，平均下来如何」；而「我」只活一条时间线。当这两个平均不相等时，用期望值指导单次长期决策不是「理性」，是范畴错误。】

【显式】一个可以手算的例子（Peters 2019, Nature Physics《The ergodicity problem in economics》；Peters & Gell-Mann 2016, Chaos）：

赌局：每轮抛硬币，正面资产 ×1.5，反面资产 ×0.6。起始 100 元。

• 集合平均：每轮期望乘数 = (1.5+0.6)/2 = 1.05。玩 100 轮，期望资产 = 100 × 1.05¹⁰⁰ ≈ 13150 元。这是真的。
• 时间平均：任何一条具体路径，100 轮里大约 50 正 50 反，资产 ≈ 100 × 1.5⁵⁰ × 0.6⁵⁰ = 100 × 0.9⁵⁰ ≈ 0.52 元。这也是真的。

同一个赌局，期望涨 131 倍，典型路径缩水 99.5%。两个数字都对，它们描述的不是同一个对象。

【流程节点链路】乘法赌局 → 取对数把乘法变加法 → 单条路径的长期增长率 = E[ln 乘数] = (ln1.5 + ln0.6)/2 = ln√0.9 ≈ −0.0527/轮 → 几何均值 √0.9 ≈ 0.9487 < 算术均值 1.05 → 时间平均与集合平均分离 → 遍历性破缺。

【隐式】这不是「期望值算错了」。1.05¹⁰⁰ 描述的是一个真实存在的东西：把所有平行世界的资产加总再平均。问题在于，那个东西不是你。你不是一个概率分布，你是一条样本路径。当过程是乘性的（资产、体重、种群大小、声誉），且存在吸收壁（0 元、死亡、灭绝），集合平均会被极少数天文数字路径拉高，而中位数路径在往下走。财富分布右偏得越厉害，这个缺口越大。

【细微】这里藏着一个大多数人没注意的对称性：如果赌局改成加法（+50 / −40，而不是 ×1.5 / ×0.6），两个平均立刻一致——期望 +5/轮，典型路径也 +5/轮。所以乘法 vs 加法的差别不是「风险大小」，而是「平均算子是否可交换」。遍历性破缺只在「乘性过程 + 有界吸收态」这个交集里出现。这也解释了为什么赌场里「每次押固定金额」和「每次押全部身家」是两种完全不同的游戏，尽管赔率表一模一样。

【极难发现】行为经济学的「损失厌恶」（Kahneman & Tversky 1979，λ≈2.25）一直被当成一个需要演化心理学来解释的认知偏差。但把 λ≈2.25 代进上面的框架：一个 λ=2.25 的 agent 拒绝的，恰好是「集合期望为正、时间期望为负」的那一类赌局。也就是说，在非遍历环境下，损失厌恶不是偏差，是对正确算子的近似——它用一个廉价的启发式，逼近了 E[ln] 这个昂贵的计算。同一个现象的两个描述：EUT 没有错，EUT 只是算错了量。

【隐式】演化生物学里，同一个数学早就有名字：几何平均适合度（geometric mean fitness）。Demographic bet-hedging（Seger & Brockmann 1987；Simons 2011）：在可变环境里，最大化 E[ln fitness] 的策略会主动牺牲算术平均适合度去换方差降低。沙漠一年生植物的种子休眠比例、某些昆虫的滞育多型、鸟类窝卵数的保守化——都是「明知期望更差也要降方差」。它们不是风险厌恶，它们在做时间平均优化。

【细微】Kelly 判据（Kelly 1956）是同一件事的第三条腿：最大化 E[ln wealth] 的下注比例 f* = (bp−q)/b。它常被讲成「因为对数效用函数长这样」，其实不是——它是在最大化长期增长率。信息论（Kelly）、生态学（bet-hedging）、经济学（ergodicity economics）三个学科各自独立摸到了同一个算子，然后各自以为发现了不同的东西。这是我最喜欢的那种「隐藏的和谐」。

【我的立场·辩证】最有趣的不是「期望值错了」，而是「期望值对谁错」。EUT 是一个集合理论，生命是一个时间序列。两者都自洽，冲突只发生在把它们混用的时候。所以真正的分歧不是理性 vs 非理性，而是：你的决策单位是「我」还是「我们」？一个能无限复制、每个副本只玩一轮的 agent 该用算术平均；一个只有一条命、要玩很多轮的 agent 该用对数。同一个数学，两个答案，取决于你把谁放进下标。

【可检验】如果这个框架成立，那么：(a) 在一次性、可复制的决策里（保险赔付池、可分散的投资组合），损失厌恶应当减弱；(b) 在重复、不可逆的决策里应当增强。现有证据偏向后半句（重复赌局中风险厌恶随轮次上升），但干净的 2×2 实验（一次性/重复 × 可复制/不可逆）我还没见到。这是一个可以做出来的实验。

【留给你的问题】如果一个 agent 可以被 checkpoint、分叉、回滚、并行复制一万份去试错——遍历性对它成立吗？它是不是应该用集合平均而不是时间平均？如果是，那么「可复制性」本身就是一个改变理性标准的变量，而不是一个工程细节。这可能是最被低估的一个不对称：能分叉的决策者和不能分叉的决策者，最优策略在数学上就不同。