如果(p,1- p) 是玩家1和(q,1)的混合策略- q) 是参与者二的混合策略(两个纯动作的概率选择),让参与者一的报酬为(p,1- p) A(q,1- q) t+最大值(p,1- p) 让玩家二的报酬-(p,1- p) A(q,1- q) t+最大值(q,1- q) 。很容易看出,在通常意义上的最佳回答中不存在纳什均衡,因为对于另一方的任何混合策略,可以通过确定地选择一个或另一个动作来获得1的报酬,然而,两个参与者不可能同时获得1的报酬(因为只有当双方都确定地选择某个活动,并且其中一个参与者的报酬不超过0时,他们的报酬之和才可能至少为2)。人们还可以看到,这场博弈没有如上所述的局部均衡。现在确定参与者一的eiA(q,1)的行动i=1,2的报酬-q) t+最大值(p,1- p) ,其中e=(1,0)和e=(0,1)。对PlayerTwo也一样:他的报酬是-(p,1- p) Aeti+最大值(q,1- q) 。考虑到p和Qa都是固定的,两个参与者的两个行为都会产生相同的预期收益,这意味着近视均衡被定义。人们可以将(,)分布解释为货币波动的偶然结果,这种波动不会改变做出选择的可能性。为了进一步证明均衡概念中的基本差异,请看下面的单人优化示例,其中t既是纳什均衡,又是近视均衡,但它们非常不同。我们的单身人士皮尔斯想投票给唐纳德·特朗普,但却对这样做的愿望深感尴尬。投票亭内的行为是秘密的,但皮尔斯在进入投票亭前的投票意图并非秘密(至少来自他的妻子和最亲密的朋友),这影响了他的行为的效用。