假设一个人衡量决策得失的数学函数（PT函数）为： $${\displaystyle U=w(p_{1})v(x_{1})+w(p_{2})v(x_{2})+\dots }，当中$${\displaystyle x_{1},x_{2},\dots }是各个可能结果，$${\displaystyle p_{1},p_{2},\dots }是这些结果发生的或然率。 $${\displaystyle v} 是所谓“价值函数（value function）”，表示不同可能结果，在决策者心中的相对价值。根据本理论，价值函数的线，应当会穿过中间的“参考点（reference point）”，并形成一个如下的 s 型曲线：

它的不对称性表明，一个损失结果对应价值的绝对值，比获利结果对应价值的绝对值更大，也就是所谓的“损失厌恶性 (loss aversion)”。与期望效用假说不同，本理论衡量获利与损失的方法，并不考虑所的“绝对所得 (absolute wealth)”。函式$${\displaystyle w}是为“可能性比重函数 (probability weighting function)”，用以表达一般人对机率的反应 —— 一般而言，人对极不可能发生的事，会过度反应，而对中度、高度可能发生的事，会反应迟钝。

举例

假设一个人打算买保险，设投保所保障项目，有1%的机会遇险；如果遇险，投保人的损失为$1,000；而保费为$15。我们引用展望理论前，先要设一个“参考点”，而它可能是：

• 现有的财富状况
• 最坏的情况，即损失$1,000

若我们用“现有的财富状况”作参考点，投保人可以付保费$15，则“PT效用值（PT utility）”为$${\displaystyle v(-15)} ，而他的可能所得$0（可能性 99%），或者-$1,000（可能性1%）。整体PT效用值将为：$${\displaystyle w(0.01)\times v(-1000)+w(0.99)\times v(0)=w(0.01)\times v(-1000)}。我们可以根据公式，计算出效用值的数值。一方面，由于$${\displaystyle v}在损失时具有凸性（convexity），所以$${\displaystyle v(-15)/v(-1000)>15/1000=0.015}；另一方面，人们对概率较低的事件会过度反应，所以$${\displaystyle w(0.01)>0.01}。通常来讲，后一种效应的影响大到可以抵消前一种效应，即{\displaystyle w(0.01)\times v(-1000)<v(-15)}，也即对低可能性风险事件的厌恶会超过保费带来的较小损失，这表示投保人会买保险。

第二种情况，若果我们用“损失$1,000”作为参考点，则投保人在$${\displaystyle v(985)}与$${\displaystyle w(0.01)\times v(1000)}之间做选择。由于$${\displaystyle v}在获利时具有凹性（concavity），且人们会低估较高可能性事件的发生概率，导致令买保险看起来，比不买更吸引。这也表示投保人会买保险。