如何在Python中求解离散方程？寻找EU=0.5对应的p值

问题 #

我定义了如下函数：

import numpy as np
p = np.arange(0,1,0.01)
EU = (((-(1.3+1-0.5)**(1.2-1.5)/(1-1.5)))**-1)*p + (((-(0.1+1-0.5)**(1.2-1.5)/(1-1.5)))**-1)*(1-p)

我希望求解得到使EU == 0.5的p值。经手动计算，该p值应为0.4244，但当前代码中p以0.01为步长离散取值，不存在能让EU精确等于0.5的p值。我可以接受获取使EU最接近0.5的p值，但担心代码无法找到结果，请问该如何解决？

解决方案 #

方法1：在现有离散数组中找到最接近的p值 #

直接利用numpy的数组运算就能快速定位目标，完全不用担心找不到结果：

import numpy as np

# 生成p数组并计算EU
p = np.arange(0, 1, 0.01)
term1 = (((-(1.3+1-0.5)**(1.2-1.5)/(1-1.5)))**-1)
term2 = (((-(0.1+1-0.5)**(1.2-1.5)/(1-1.5)))**-1)
EU = term1 * p + term2 * (1 - p)

# 找到与0.5差值最小的EU对应的p值
closest_idx = np.argmin(np.abs(EU - 0.5))
closest_p = p[closest_idx]
closest_EU = EU[closest_idx]

print(f"最接近的p值：{closest_p}，对应的EU值：{closest_EU}")

这段代码通过np.abs(EU - 0.5)计算每个EU与目标值的绝对差，再用np.argmin定位差值最小的位置，直接得到对应p值。

方法2：求解精确的p值（推荐） #

你的EU是关于p的线性函数，可以直接通过代数计算得到精确解，或者用数值工具获取更精准结果：

代数解法（直接计算）

先提取EU表达式中的常数项，再解方程：

# 计算常数项a和b
a = (((-(1.3+1-0.5)**(1.2-1.5)/(1-1.5)))**-1)
b = (((-(0.1+1-0.5)**(1.2-1.5)/(1-1.5)))**-1)

# 令EU=0.5，解p的表达式
target = 0.5
exact_p = (target - b) / (a - b)
print(f"精确p值：{exact_p:.4f}")  # 输出0.4244，与手动计算结果一致

数值解法（适配非线性场景）

如果后续遇到非线性EU函数，可用scipy的根求解工具：

from scipy.optimize import root_scalar

def eu_function(p):
    a = (((-(1.3+1-0.5)**(1.2-1.5)/(1-1.5)))**-1)
    b = (((-(0.1+1-0.5)**(1.2-1.5)/(1-1.5)))**-1)
    return a * p + b * (1 - p) - 0.5  # 目标是让该式等于0

result = root_scalar(eu_function, bracket=[0, 1], method='bisect')
print(f"数值求解的p值：{result.root:.4f}")

内容的提问来源于stack exchange，提问作者JoshBob