偏好逆转：指个体偏好在选择和定价上不一致的现象。
下面举例说明：
两个选择：
【P类赌】10/12的机会赢9美元，2/12的机会输3美元。
【$类赌】3/12的机会赢91美元，9/12的机会输21美元。
这里有两个问题（答案后文揭晓）：
1. 让你选择一种赌注来参与，你会选择哪个呢？
2. 如果让你给这两个赌注分别定一个“入场价”，你会怎么定呢？
大部分人会说：“【P类赌】稳，我选这种（现实如此，统计数据支持。）但是赢了赚的不多，定价低一点，比如$5。【$类赌】风险更大，不过回报更大，定价要高点，比如$15。”
但是，事实如此吗？
我们来通过提供的概率和金额来计算一下预计收入：
【P类赌】 9*10/12-3*2/12 = 7
【$类赌】91*3/12-21*9/12 = 7
surprise！************！预期收益是一样的！但是按照上面的$5和$15定价会发生什么呢？
我们假设有两个人分别玩了两类赌，每个人的本金都是$100，我用Python写的下面的代码来模拟分别赌100次之后的金额剩余情况：
importrandom
P =100
p = [9,9,9,9,9,-3] # 用数组中‘9’和‘-3’的数量来模拟赢和输概率，下同理。
S =100 #$是特殊字符，下用S代替$
s = [91,-21,-21,-21]
for i in range(100):
P -=5
S -=15
P += p[random.randint(0,5)]
S += s[random.randint(0,3)]
print(P,S)
输出的结果分别是：224 -1148, 一组数据可能不能说明什么，我们修改代码，两类赌分别找100人来，每人100本金，每人重复下注100次，代码修改如下：
import random
import xlwt
# 制作Excel，并命名表头。
workbook = xlwt.Workbook()
sheet = workbook.add_sheet('simida')
sheet.write(0,0,'P')
sheet.write(0,1,'S')
for j in range(100):
P =100
p = [9,9,9,9,9,-3]
S =100
s = [91,-21,-21,-21]
for i in range(100):
P -=5
S -=15
P += p[random.randint(0,5)]
S += s[random.randint(0,3)]
sheet.write(j+1,0,P) #写入表格，下同理
sheet.write(j+1,1,S)
workbook.save('shit.xls')
将生成的Excel制作成折线图：
上图中很明显可以看出，以一次$5成本下注P类的100人收益稳定且良好，以一次$15成本下注$类的100人真是大起大落，而且基本都是“落”居多，二类赌注最后资产平均值：
P类：297.56
$类：-685.44
为什么会出现这样的结果呢？
原因就在于我们给两种赌定的“入场价”:
P类是 5 < 7
S类是 15 > 7
那不同的定价是怎么影响？我们这次找了2800人，两两一组，编号从1-14，每人发100本金，然后第 1 组的“入场费”为$1，第 2 组的“入场费”为$2,以此类推……下表为各组最终的平均资产折线图：
我们可以很明显的看到，你是否收益的转折点是在“入场价”等于 7 的时候（记得我们的本金是100 ，不是 0 ），最终资产随着“入场价”的提高成明显的线性下降关系。
同时，我们也得出了结论，两个赌注你选择哪一个风险都是差不多的，是否能收益是看“入场价”！（数据大，概率型结论，个体很难预测。）
结论：
由于“逆转偏好”的作用，我们在做判断的时候往往会出错，大家抓住关键点。
博彩业作为现实中的“钱泵”，很多都利用的这个原理。
擦亮双眼，随身带计算器，谨防上当！（土豪自便~）
不过也真的可以拼一下运气~~
