一、请你站在点球点前

说明: 这是一篇案例,涉及真实的研究。我核对到出处的事实会写明出处;只有二手转述或我没核对的,会明确标出;为演示逻辑而编的数字,一律写"编的"。这一篇的分歧基本是事实和方法上的,不涉及价值判断。

你是一名球员,在一场重要的比赛里,站在 12 码的点球点前。对面是守门员。球飞得很快,据通行的说法,守门员来不及看到球往哪里去再动,只能事先选好往左还是往右扑。

先别往下读。请你想一想:

  1. 你会往哪边踢? 你会不会总是往你"最拿手"的那一边踢?
  2. 如果你是守门员,你会往哪边扑? 你会不会"猜"对方习惯往哪边踢?

我猜你的直觉大概是:不能让对方摸清你的套路。 总往同一边踢,守门员很快就会发现,然后总往那边扑。你需要让对方猜不准。

这就是混合策略:不是"我今天选左",而是"我以某个比例选左,以某个比例选右,每一次具体选哪个,让对方预测不了"。这一篇要回答三个问题:

  1. 理论说,这个比例应该是多少?
  2. 职业球员真的这么做吗?
  3. 我们怎么检验?

二、一个小模型

为了算清楚,我们把点球简化成一个 2×2 的游戏:踢球人选往左踢或往右踢,守门员选往左扑或往右扑。表里是球进的概率(踢球人想让它大,守门员想让它小)。数字是编的:

守门员:扑左 守门员:扑右
踢球人:踢左 0.60 0.95
踢球人:踢右 0.90 0.70

读法:你踢左、守门员也扑左,守门员有机会碰到球,球进的概率是 0.60;你踢左、守门员扑右,没人拦,进 0.95;你踢右、守门员扑左,进 0.90;你踢右、守门员也扑右,进 0.70。(换个角度读:踢左,守门员猜对是 0.60、猜错是 0.95;踢右,猜对是 0.70、猜错是 0.90。)

理论说什么? 这是一个零和游戏(一方的进球概率,就是另一方的失球概率)。先看踢球人该往左踢的概率 p,要让守门员无论扑哪边,都一样:

  • 守门员扑左,球进的概率 = 0.60 × p + 0.90 × (1 − p);
  • 守门员扑右,球进的概率 = 0.95 × p + 0.70 × (1 − p)。

令相等:0.90 − 0.30p = 0.70 + 0.25p,解得 p = 4/11 ≈ 36%。

再看守门员往左扑的概率 q,要让踢球人无论踢哪边,都一样:

  • 踢球人踢左,球进的概率 = 0.60 × q + 0.95 × (1 − q);
  • 踢球人踢右,球进的概率 = 0.90 × q + 0.70 × (1 − q)。

令相等:0.95 − 0.35q = 0.70 + 0.20q,解得 q = 5/11 ≈ 45%。

此时,球进的概率是 87/110 ≈ 0.79。

点球:踢球人往左踢的比例是多少,守门员才怎么扑都一样

注意几件事:

  • 比例不是 50% 对 50%。 因为左右两边的难度不一样。
  • 你用到的每一个选择,球进的概率相等。 这是混合均衡的一个核心性质:如果你选"左"比选"右"更好,你就该多选左;只有两者一样好,你才愿意同时使用。
  • 偏离就被针对。 如果踢球人总往左踢,守门员只要总扑左,球进的概率只剩 0.60,比 0.79 低得多。

⚠️ 难点:你的比例,由对方的数字决定

这里第一次读,容易有一个反直觉的发现:踢球人往左踢的比例 p,是让"守门员"无差别的比例,所以它取决于守门员的得分(在这个零和游戏里,也就是同一张表)。

换一个例子体会一下。假设踢球人在"踢左、守门员也扑左"的情形下,变得更准了:这个格子从 0.60 变成 0.70(其他不变)。你可能以为:踢球人这下更爱踢左了,守门员更该多扑左。算一算:

  • 踢球人往左踢的比例:从 4/11(约 36%)变成 4/9(约 44%);
  • 守门员往左扑的比例:从 5/11(约 45%)变成 5/9(约 56%)。

踢球人在左边变好之后,守门员更多地扑向左边了。为什么?因为要让踢球人"踢左和踢右无差别",当踢左变得更有利时,守门员必须更常扑左,把它的价值压下来。你的比例,是用来让对方没办法占便宜的。

三、数据怎么说

足球。 Palacios-Huerta 在 2003 年的论文《职业选手玩极小极大》(《经济研究评论》70 卷第 2 期,395–415 页),用职业足球比赛的点球数据,检验了零和博弈极小极大定理的两个含义。据摘要:(1) 对于球员来说,各个策略的获胜概率在统计上没有差别;(2) 球员的选择在时间上相互独立。作者说,这是第一次在自然条件下,两个含义都得到了支持。(我没有读到论文里的具体数字,所以不引用。)

一个更细的版本。 现实里的踢球人有自己擅长的一边,守门员也各有习惯,所以直接把所有球员的数据合在一起,会错过很多信息。Chiappori、Levitt 和 Groseclose 在 2002 年(《美国经济评论》92 卷第 4 期,1138–1151 页)的论文,据通行的叙述,把"球员的差异"放进模型里,并且考虑三个方向(左、中、右)。(我没有读到摘要,所以只记录这个出处。)

网球。 Walker 和 Wooders 在 2001 年(《美国经济评论》91 卷第 5 期,1521–1538 页)用职业网球的现场数据,检验发球的选择。据后来评论的转述:发球往左右两边的获胜率没有统计上的差别(符合理论),可是球员切换得太频繁,使得前后几次发球之间存在相关性(不完全独立)。(这两点我是从后来的评论里看到的,没有读到原文的摘要。)Hsu、Huang 和 Tang 在 2007 年(《美国经济评论》97 卷第 1 期,517–523 页)用更宽的数据(加入女子和青少年比赛)重新检验;据工作稿的介绍,证据是混合的,球员的发球可能依赖过去的选择和结果。更晚的一份工作稿(Gauriot、Page 和 Wooders,据评论转述)用约五十万次发球,报告男子比赛更接近理论,女子比赛没有那么整齐。

对守门员的批评。 Bar-Eli 等人 2007 年(《经济心理学杂志》28 卷第 5 期,606–621 页)分析了 286 次点球,据摘要:按踢球方向的分布,守门员的最佳做法是站在球门中间不动;可是守门员几乎总是向左或向右扑。作者用"行动偏差"解释:扑出去的"规范"让守门员失球后没那么难受。后来有论文批评说,这个分析把踢球人和守门员的互动,当成了"一个人的最优化问题",忽略了策略性(据摘要的转述)。

换到实验室。 Palacios-Huerta 和 Volij 在 2008 年(《计量经济学》76 卷第 1 期,71–115 页)报告:足球运动员在实验室里的极小极大游戏中,也接近极小极大。Levitt、List 和 Reiley 在 2010 年(《计量经济学》78 卷第 4 期,1413–1434 页)比较了大学生、桥牌职业选手、扑克高手和美国职业足球运动员:据摘要,这四组人都没有接近极小极大,作者的解释是,职业选手并不能把"现场"的随机化本领带进"实验室"。

还有复现的结果。 有一项后来的研究,用另一批 549 次点球的数据,发现只看"左右"两个策略时,结果与第一个含义一致,可是把动作集合扩大后(比如加入"中路"),就不一致了;序列独立的含义没有被拒绝(据检索结果的转述,我没有核对作者与出处)。

所以,证据是混合的:有的支持理论,有的不支持;支持的往往是"整体上差不多",不支持的往往来自更细的检验。

四、“没发现差别"不等于"没有差别”

检验理论的一个核心预测是:用到的每个选择,成功率相等。比如发球往左和往右,赢分的概率应该一样。

那么,要用多少次发球,才能看出两者的差别?

假设成功率约 0.62。用最常见的两样本比较,以 5% 的显著水平、80% 的把握(检验功效),能看出的最小差距是:

最小差距 ≈ 2.8 × √(2 × 0.62 × 0.38 ÷ n)。

每边的发球次数 n 200 500 1000 约 1500
能看出的最小差距 约 13.6 个百分点 约 8.6 约 6.1 约 5.0

两边成功率差不多:要多少次发球才看得出来差别

换句话说:每边只有 200 次发球时,13 个百分点以内的差别都看不出来。 要能看出 5 个点的差别,每边要约 1500 次;要看出 10 个点的差别,每边要约 370 次。

这就是为什么:“没有拒绝理论"不等于"理论成立”。 样本很小的检验,几乎什么理论都"拒绝不了"。这也是研究者要把很多球员、很多场比赛的数据合起来的原因,可是合起来,又会遇到球员各不相同的问题(见上文 Chiappori 等人的研究)。

五、再算一个:网球发球

用编的数字,再看一次网球。发球人选发外角(W)或发内角(T),接发球的人选猜外角或猜内角。表里是发球人赢这一分的概率:

接发球:猜外角 接发球:猜内角
发球:外角 0.45 0.85
发球:内角 0.70 0.50

按同样的办法:

  • 发球人发外角的概率 p:让接发球的人无差别:0.45p + 0.70(1 − p) = 0.85p + 0.50(1 − p),解得 p = 1/3。
  • 接发球的人猜外角的概率 q:让发球人无差别:0.45q + 0.85(1 − q) = 0.70q + 0.50(1 − q),解得 q = 7/12 ≈ 58%。
  • 发球人赢这一分的概率:37/60 ≈ 0.62。

一个可检验的细节:连续两次发球,方向换了没有? 如果每次独立地以 p = 1/3 发外角,相邻两次发球方向不同的概率是 2 × (1/3) × (2/3) = 4/9 ≈ 44%。如果一个球员总是"变着发",相邻两次不同的比例远远超过 44%,那就是过度切换:这正是 Walker 和 Wooders 一类研究关心的"序列独立"问题。

人们很难"随机"。我们对随机序列的直觉是:它应该"看起来很乱",很少连续出现同一个方向,所以人倾向于换得太勤。(这是心理学的通行说法,我没有给具体出处。)

六、证据、局限和分歧

理论预测。

  • 混合均衡:用到的每个选择,成功率相等;
  • 选择在时间上相互独立;
  • 比例由对方的收益决定。

证据(我核对的是出处和摘要层,没有读全文):

  • Palacios-Huerta 2003(REStud 70(2):395–415,摘要):足球点球,两个含义都被支持;
  • Chiappori、Levitt 和 Groseclose 2002(AER 92(4):1138–1151,只核到出处);
  • Walker 和 Wooders 2001(AER 91(5):1521–1538,摘要层未读到,细节来自评论转述);
  • Hsu、Huang 和 Tang 2007(AER 97(1):517–523);
  • Bar-Eli 等 2007(JEP 28(5):606–621,摘要转述);
  • Palacios-Huerta 和 Volij 2008(Econometrica 76(1):71–115);Levitt、List 和 Reiley 2010(Econometrica 78(4):1413–1434,摘要)。

局限。

  • 例子都是编的,只用来演示怎么算混合均衡,不是对真实球员的估计。
  • 模型很粗:现实的点球有"中路",有踢球人的惯用脚,有守门员的身高;发球有速度、旋转、第一发和第二发。
  • 检验的功效有限:小样本什么都"拒绝不了",大样本又会遇到球员的异质性。
  • 很多研究的具体数字我没有读到,所以没有引用。

分歧(这一篇的分歧主要是事实和方法问题)。

  • 事实问题:职业球员在多大程度上"像理论说的那样"?支持的证据和不支持的证据并存,结论取决于怎么定义"策略"、用什么样本、检验什么含义。
  • 方法问题:把所有球员的数据合起来检验,还是一个一个球员检验?把动作分成左右两类,还是更细?检验"成功率相等",还是检验"序列独立"?这些选择会影响结论。
  • 解释问题:如果职业选手在场上近似极小极大,在实验室里却不是(Levitt 等人的发现),是因为"场景"的熟悉度重要,还是因为实验的设置不同?这还没有定论。

七、小结

  • 混合策略:不让对方猜准,用某个比例选择,比例让对方无差别。
  • 点球例子(编的):踢左 0.60/0.95,踢右 0.90/0.70。踢球人往左踢 4/11 ≈ 36%,守门员往左扑 5/11 ≈ 45%,球进 87/110 ≈ 0.79;总往左踢的人,遇到总扑左的守门员,只剩 0.60。
  • 难点:你的比例由对方的数字决定。踢左守左的格子从 0.60 变成 0.70,守门员反而更常扑左(5/11 变成 5/9)。
  • 三个可检验的含义:用到的每个选择,成功率相等;选择序列独立;比例符合预测。
  • 证据:足球点球的数据,支持"成功率相等"和"序列独立"(Palacios-Huerta);网球的数据,成功率接近相等、但切换过勤(据评论转述);守门员可能"扑得太勤"(Bar-Eli 等);实验室里,不同研究结果相反。
  • 检验的功效:每边 200 次发球,13 个百分点以内的差别都看不出来;看出 5 个点要约 1500 次。
  • 网球例子(编的):发外角 1/3,接发球猜外角 7/12,发球人赢 0.62;理论上相邻两次发球换方向的概率约 44%。
  • 局限:例子是编的,模型是粗的,检验的功效是有限的。

下次你看到一个球员"总是那一招",请想一想:这个球员的对手能不能利用它?如果一个人"换得太勤",是不是也能被利用?你自己的"随机",真的随机吗?

思考题

  1. 点球表改成:踢左对扑左 0.50,踢左对扑右 0.90,踢右对扑左 0.85,踢右对扑右 0.60。求踢球人往左踢的概率 p、守门员往左扑的概率 q,以及球进的概率。
  2. 回到正文里的表(0.60、0.95、0.90、0.70)。如果踢球人固定 p = 1/2,守门员的最佳反应是什么?这时球进的概率是多少?
  3. 正文说,把"踢左对扑左"从 0.60 改成 0.70,守门员往左扑的概率会增加。请你自己验算一遍 p 和 q。为什么这不矛盾?
  4. 检验功效:每边只有 100 次发球,成功率约 0.62,能看出的最小差距是多少?要看出 10 个百分点的差别,每边大约要多少次?
  5. 一个球员 100 次发球,左右两个方向各有可能(各 1/2),相邻 99 对里,方向换了 65 次。如果真的独立、各 1/2,换的次数期望是多少?标准差是多少?65 离期望有多少个标准差?(提示:每对相邻发球"换方向"的概率是 1/2,相互独立。)
  6. 选一项你熟悉的运动或游戏(羽毛球发球、乒乓球发球、剪刀石头布、剧本杀……),回答:它有没有"让对方猜不准"的成分?你怎么检验一个人有没有"换得太勤"?

思考题提示

  1. p = (d − c) ÷ ((a − c) − (b − d)),其中 a = 0.50、b = 0.90、c = 0.85、d = 0.60:p = (0.60 − 0.85) ÷ ((0.50 − 0.85) − (0.90 − 0.60)) = (−0.25) ÷ (−0.65) = 5/13 ≈ 38%。q = (d − b) ÷ ((a − b) − (c − d)) = (−0.30) ÷ ((−0.40) − 0.25) = 6/13 ≈ 46%。球进概率 = 6/13 × 0.50 + 7/13 × 0.90 = 93/130 ≈ 0.715。
  2. p = 1/2 时:守门员扑左,球进 = 0.5 × 0.60 + 0.5 × 0.90 = 0.75;扑右 = 0.5 × 0.95 + 0.5 × 0.70 = 0.825。守门员应该扑左(球进的概率更低),结果是 0.75,比均衡的 0.79 低。
  3. 新表:0.70、0.95、0.90、0.70。p = (0.70 − 0.90) ÷ ((0.70 − 0.90) − (0.95 − 0.70)) = (−0.20) ÷ (−0.45) = 4/9。q = (0.70 − 0.95) ÷ ((0.70 − 0.95) − (0.90 − 0.70)) = (−0.25) ÷ (−0.45) = 5/9。不矛盾:q 的作用是让踢球人踢左踢右一样好;踢球人踢左变得更有利,守门员必须更常扑左,才能把踢左的价值压回去。
  4. 最小差距 ≈ 2.8 × √(2 × 0.62 × 0.38 ÷ 100) ≈ 19 个百分点。要看出 10 个点:n ≈ 2 × 2.8² × 0.62 × 0.38 ÷ 0.1² ≈ 370 次。
  5. 期望 = 99 × 1/2 = 49.5 次;方差 = 99 × 1/4,标准差 ≈ 4.97;(65 − 49.5) ÷ 4.97 ≈ 3.1 个标准差。这么大的偏离,说明换得太勤,不像独立的随机选择。
  6. 开放题。思路:对方能否观察并利用你的习惯?检验换得太勤:数相邻选择"换"的比例,和 2p(1 − p) 比较;要有足够多的次数。例如剪刀石头布:有没有人总在"输了之后换招"?