1樓：墨塵君
關於二者的區別，前面答主說的很清晰了，不需要補充了
從前置知識看，學懂這組概念至少要學一點概率知識，題主大一可能還沒有學到。建議找一本概率論與數理統計的教材，看懂數學期望的有關內容，再來理解這組概念。
2樓：牧羊人
無論是期望效用還是期望值效用，都是相對於不確定性來說的，既然存在不確定性，就可以引用概率來進行闡述。
期望效用也被叫做馮諾伊曼-摩根斯坦恩效用，指各種可能的決策水平下，決策者所獲得的效用水平的加權平均值。其函式形式為：
可以看出，期望效用是各種狀態下效用水平的總和，權重即為各種狀態發生的概率。
首先要明白期望值
所謂期望值，是對所有不確定事件可能結果的乙個加權平均，權數正是每種結果所發生的概率。其公式為：
其中，p為每種不同情況所發生的概率，c為各種可能的事件結果。
然後是期望值的效用
把期望值帶入某個效用函式，便得到了期望值效用，其公式為：
說的可能有點繞。為什麼不好理解呢？因為貫穿這些概念其中的乙個關鍵因素——決策者的效用函式，我們並沒有明確。
所以例子舉起來也有些麻煩。但還是嘗試舉個簡單的例子吧。
比如你目前的工作月薪10000，現在你有個換職的機會，但是有風險，有50%可能月薪降到5000，但是也有50%可能月薪達到15000。這裡的50%就是概率。目前月薪10000帶給你的效用是10(注意，效用來了，就把它想象成消費者理論裡的效用就好，即主觀的滿意程度)。
然後，在不同的月薪水平上，你都會有自己的乙個效用值(就相當於無差異曲線一樣)，所有不同的薪酬水平和所對應的效用值就是前邊所說的期望值效用。假設，月薪5000的效用是6，月薪15000的效用是12。那麼，期望效用就是：
U=0.5U(5000)+0.5U(15000)=0.
56+0.512=9。
好了，現在10>9，即：期望值效用》期望效用，說明你是乙個風險厭惡者。為什麼呢？
因為對於同樣期望收入為10000，那份不確定性的工作帶給你的效用要小於目前這份確定性的工作帶給你的效用。所以你更偏好目前這份確定性的工作，而厭惡不確定性更大的工作。同樣地，還有風險偏好者和風險中性者。
它們分別對應著期望值效用《期望效用和期望值效用=期望效用的情形。
3樓：無宇
既然題主是學經濟學的，那就學術一點。
期望效用可以簡單地理解為效用的期望，期望值效用可以簡單地理解為期望的效用。
以上兩個概念只有在不確定性下才成立，不確定性是指行動的結果總是被置於某種概率之下，或者說，行為人的某個決策或者行為的後果不唯一，例如買彩票就具有不確定性，因為彩票的結果有兩個：一是不中獎；二是中獎。
我們將行為人某個決策或者行為的所有後果定義為乙個集合 ，每個可能的後果 都會對應乙個概率 ，那麼所有概率也可以構成乙個集合 。那麼行為可能集合就是
那麼不確定性就很好理解了，那就是 。
假設行為人的期望效用函式為 ，那麼行為g的期望效用就是 ，期望值效用就是 。可以看到，期望效用是n個效用 的加權，即期望。期望值效用是期望值 的效用。
舉個具體例子，假設某人找了乙份工作，該工作有兩種計薪方式：一是各有三分之一的可能拿1000、2000和3000；第二種是拿固定的2000。
此人選擇哪種計薪方式取決於其具體效用函式。
如果期望效用函式為 ，那麼第一種計薪方式的效用是 ，第二種計薪方式的效用是 。具體計算有 u_" eeimg="1"/>，選第二種計薪方式。
如果期望效用函式為 ，那麼第一種計薪方式的效用是 ，第二種計薪方式的效用是 。所以選哪一種都可以。
如果期望效用函式為 ，那麼第一種計薪方式的效用是 ，第二種計薪方式的效用是 。
具體計算有 u_" eeimg="1"/>，選第一種計薪方式。
西方經濟學，東方有沒有經濟學？
上海，2018年5月10日，復旦求是東方經濟學研究中心在復旦求是學院舉行了隆重的揭牌儀式，金融圈多位知名大咖參與本次揭牌儀式並紛紛發表賀詞。本次活動上，東方經濟學創立者 知名投資家傅海棠先生發表主題為 論世界經濟的第三次騰飛 世界學習中國模式 的演講，獲得了全場一致好評。本次活動由復旦求是學院副院長...
怎麼看待西方經濟學？
風飄逸兮 對於大部分人，只要學會了微觀經濟學和巨集觀經濟學就已經理解了人類社會的大多數問題了。不吹不黑，比起馬克思那一套過於理想化的剩餘價值理論，並不是反對，畢竟我的屁股沒有歪 無疑，西方經濟學更符合經濟執行。 所謂 西方經濟學 受到抨擊的原因大部分是因為名字裡有 西方 這兩個字。正如 中醫 飽受追...
考研時，西方經濟學應該怎麼複習？
Excel Brain 西方經濟學學習框架 excel brain 經濟學微觀經濟學分析框架 巨集觀經濟學分析框架 國際金融分析框架，經濟學流派 體系和脈絡要清晰，供參考 LettyNi 20考生，考中農813經濟學，專業課141分，下面跟大家聊聊考研複習那些事兒。其實總體來看，813經濟學算是比較...