01它问的是什么问题（The Question It Poses）
你手上有一个会波动的量：明年的客流、这批零件的应力、这次给药的剂量、服务器的并发数。你通常只知道它的平均值。于是你把平均值代进公式，算出一个结果，然后拿这个结果去做计划。
这个动作合不合法？答案完全取决于一件事：结果对这个量的响应曲线是直的还是弯的。直的时候代平均值毫无问题；弯的时候，你算出来的那个数根本不是平均结果，而且偏差有固定方向。Jensen 不等式回答的就是这个方向朝哪儿、以及为什么必然朝那儿。
02规则本身（The Rules）
- 有一个会波动的输入 x，和一个把它变成结果的函数 f；你关心的是 f(x)。
- 在某个区间上，如果曲线上任取两点、把它们连成一条直线（叫作弦），这条弦总是落在曲线上方，就说 f 在这段区间上是凸的（convex）；弦总在下方就是凹的（concave）；弦与曲线重合就是直线。
- Jensen 不等式：f 凸时，"结果的平均" ≥ "平均的结果"；f 凹时不等号反过来；f 是直线时两者相等。用记号写就是 E[f(x)] ≥ f(E[x])，其中 E[·] 读作"取平均"。
- 差多少，由两件事决定：曲线弯得多厉害（二阶导数 f″）和 x 波动得多大（方差）。波动不大时有个好用的近似：落差 ≈ ½ × f″ × 方差。
- 不想求导也能测：把 x 往上下各推同样的幅度，把两侧结果的变化量绝对值比一比。下行大于上行 = 凹，反过来 = 凸。
第 2 条里"弦在上方"这个说法值得记住，因为它就是整件事的图像版：弦上的每个点，都是"两端结果按比例平均"；曲线上的对应点，是"先把输入平均、再算结果"。两者不重合，正是波动的全部效果。
凸函数上，任意两点的弦都在曲线上方。弦与曲线之间的那段距离，就是波动带来的全部差别。
03跑起来会看到什么（What You See When It Runs）
做一个最能说明问题的实验：把平均值钉死，只调波动。让 x 的平均值一直是 100，先让它完全不动，再让它在 90 和 110 之间跳，最后让它在 60 和 140 之间跳。三种情况下的平均值一模一样。
三组的平均值完全相同，只有波动在变。凸的那条靠波动赚钱，凹的那条靠波动亏钱。
凸响应的平均结果一路上升，凹响应的一路下降。均值一动没动，结果却在系统性地移动——这就是"波动本身有价格"的来源。金融里给这个敏感度起了个名字叫 vega：期权价格随波动率上升而上升，说到底就是因为期权的收益结构是凸的。
反过来这也给出了一个诊断法：如果有人的方案"平均看没问题、就是怕波动"，那不是心理素质问题，是他手上那条曲线是凹的。
04它解释了现实中的什么（What It Explains）
凸性的应用面宽得有点吓人，因为"弯曲的响应"实在太普遍了：
期权定价：波动率越高期权越贵，是 Jensen 的直接后果。放射治疗的分次给药：正常组织的损伤里有一项随单次剂量平方增长（凸），所以同样的总剂量分成几十次给，损伤显著更小。容量规划：排队延迟随利用率是凸的，用平均利用率估算高峰体验会严重乐观。工期估计：一堆并行任务的完工时间取决于最慢的那个，而"取最大值"是一个凸运算，所以用每项的平均工期算出来的总工期，系统性地早于实际。投资的波动拖累：复利下长期增长率取决于几何平均，而几何平均总是小于等于算术平均，差距随波动增大——这也是同一条不等式。农业与气候：作物产量对高温的响应在阈值之上急剧变凹，因此只看"平均升温多少"会低估损失，真正要看的是极端高温天数的分布。
共同的教训只有一句：凡是关系弯曲的地方，"平均值"这个词就不再是一个中性的概括，而是一个带方向的错误。
它不能解释什么（What It Cannot Explain）
- 不能告诉你差多少。Jensen 只保证方向，不给量级。方向本身已经很有用（知道自己在被系统性高估还是低估），但要回答"到底差多少"，必须真的把分布代进去算，或者做模拟。
- 不能跨出区间。凸凹几乎总是局部性质：同一条曲线可以在一段凸、另一段凹（S 形曲线到处都是）。把某一段测出的结论外推到全程，是这个工具最常见的误用，也是"某某东西反脆弱"这类断言翻车的主要方式。
- 不能处理"波动改变了函数本身"的情况。不等式假定 f 固定不变，只有 x 在动。可现实里大的波动常常把规则本身改掉：对手换打法、监管介入、供应商倒闭。这时前提已经不成立，再套公式只是自我安慰。
- 不能替你决定纵轴是什么。凹凸随纵轴的定义整个翻转（时间还是结果、成本还是收益）。任何没说清"纵轴是什么、越大越好还是越小越好"的凸性讨论，都无法判断对错。
- 不能给你概率。它讲的是同一个分布下两种算法的关系，完全不告诉你 x 实际怎么分布、尾巴有多厚。要知道尾巴，得另做功课。