我们来考虑下面的得失表。它代表这样一种状况的得失，这种状况并非上述那种策略游戏，在此做决定者并没有假设敌，而是面临着几种可能存在的环境。碰巧存在某种环境并不依赖于他的选择，或者他是否预先宜布他的动向。表中的数字是与某种最初状况相比较的货币价值（以一百美元为单位）。所得 $( g )$ 依赖于个人的决定(d)和环境（c)，这样， $\boldsymbol { \xi } = \boldsymbol { \mathfrak { f } } \left. \boldsymbol { d } , \boldsymbol { c } \right.$ 。假定有三种可能的决定和三种可能的环境，我们就有了下面这张得失表：
最大最小值规则要求我们采取第三个决定。因为这样可能发生的最坏情况是得到五百美元，那是比其他决定的最坏结果要好的。如果我们采取另外两个决定，就有可能失去八百或七百美元。这样，选择 $d _ { 3 }$ 使一个特殊决定的最小值与其他决定的最小值相比是最大的。“最大最小值”一词即意味着“最大的最小值”。这一规则使我们注意那种在任何计划的行动中可能发生的最坏情形，并依此作出决定。
现在我们可以看到：使这一不平常的规则具有某种合理性的状况有三个主要特征。①首先，由于这一规则不考虑这三种可能的环境的可能性，就一定有对这种可能性不予考虑的理出。选择的最自然规则看来就是计算每一决定的货币收入的期望，然后采取将带来最高前景的行动路线（这一期望被定义如下：设 $\pmb { \mathrm { \delta } } \pmb { \mathrm { \varepsilon } }$ 代表得失表中的数据，在此是得失表的行号，i是得失表的列号：设 ${ p _ { i } } ( \beta = 1 , 2 , 3 )$ 是在 $\boldsymbol { \Sigma } \boldsymbol { p } _ { j } = 1$ 条件下诸环境的可能性。那么，第i次的决定的期望就等于 $\sum \pmb { \hat { p } } _ { i } \pmb { g _ { i j } } )$ 。这样，比方说，这一状况必定是一种不可能知道其可能性有多大的状况，或者至多有一种极不确定的知悉。在这一情况下，除非有别的出路，很难不让人怀疑或然性的计算，特别是在决定是一种需要向别人证明的基本决定的情况下。
147