Teoria Das Probabilidades on kenji.blog

O Problema da Bela Adormecida: A probabilidade da moeda é 1/2 ou 1/3? O enigma que divide a teoria das probabilidades

Thu, 10 Sep 2026 09:00:00 +0900

1. As regras do estranho experimento

Você (a Bela Adormecida) foi escolhida como cobaia de um experimento científico. O experimento ocorre de domingo a quarta-feira. Na noite de domingo, dão a você uma pílula para dormir e você adormece.

Após você adormecer, o experimentador joga uma moeda justa (uma moeda em que a probabilidade de dar cara ou coroa é de exatamente 1/2). Então, dependendo do resultado, ele a acordará de acordo com o seguinte cronograma:

[Caso o resultado da moeda seja “Cara”]

Você será acordada apenas uma vez na segunda-feira e farão uma pergunta. Em seguida, será colocada para dormir novamente e não acordará até o fim do experimento (quarta-feira).

[Caso o resultado da moeda seja “Coroa”]

Você será acordada na segunda-feira e farão uma pergunta. Depois, darão a você um medicamento especial (um remédio para apagar a memória) e você voltará a dormir.
Na terça-feira, você será acordada mais uma vez e farão a mesma pergunta. Em seguida, voltará a dormir, o que encerra o experimento (quarta-feira).

*Nota: Devido ao efeito do remédio para apagar a memória, ao acordar, você não consegue se lembrar absolutamente de “que dia da semana é hoje” ou “se já foi acordada antes”.

graph TD Sunday["Domingo: A Bela adormece"] --> Toss{"Cara ou Coroa"} Toss -->|Cara (1/2)| Mon_Heads["Segunda-feira: Acorda + Pergunta
(Depois, fim do experimento)"] Toss -->|Coroa (1/2)| Mon_Tails["Segunda-feira: Acorda + Pergunta
(Depois, memória apagada)"] Mon_Tails --> Tue_Tails["Terça-feira: Acorda + Pergunta
(Depois, fim do experimento)"] style Toss fill:#ff9999,stroke:#333 style Mon_Heads fill:#aaffaa,stroke:#333 style Mon_Tails fill:#aaffaa,stroke:#333 style Tue_Tails fill:#aaffaa,stroke:#333

Então, na segunda-feira (ou terça-feira), você acorda. Não há relógio nem calendário no quarto, e você não sabe que dia da semana é hoje.

O experimentador entra e faz a seguinte pergunta: “Na condição em que você se encontra agora, acordada, qual você acha que é a probabilidade de a moeda jogada ter dado ‘Cara’?”

Você é uma bela conhecedora de matemática. E então, o que você responde?

2. O embate entre duas facções: 1/2 ou 1/3

Este problema foi concebido na década de 1990 e publicado em uma revista acadêmica pelo filósofo Adam Elga no ano 2000. A probabilidade da moeda parece óbvia, mas na verdade, devido a esse problema, matemáticos, estatísticos e filósofos do mundo todo se dividiram exatamente ao meio em dois grupos: os “Metadistas (1/2)” (“Halfers”) e os “Terceiristas (1/3)” (“Thirders”). Eles continuam travando um debate acalorado até hoje.

Vamos ouvir a “lógica perfeita” de cada grupo.

O argumento dos “Metadistas (1/2)” (“Halfers”)

“Como a moeda é justa e não viciada, a probabilidade de dar cara é naturalmente 1/2. Não importa quantas vezes o experimentador me acorde depois que eu dormir, ou que apague minha memória, isso não afeta em nada o resultado físico da moeda. A probabilidade no momento em que a moeda foi lançada é de 1/2, e o fato de eu acordar não me fornece nenhuma nova informação (nenhuma dica para inferir se foi cara ou coroa). Portanto, a probabilidade permanece 1/2.”

Essa é uma opinião muito sensata que valoriza o fenômeno físico objetivo e a não atualização de informações.

O argumento dos “Terceiristas (1/3)” (“Thirders”)

“O próprio fato de você estar ‘acordada’ é uma informação que altera a probabilidade. Suponha que repetíssemos esse experimento 100 vezes (durante 100 semanas). A moeda deverá dar ‘Cara’ 50 vezes e ‘Coroa’ 50 vezes.

Nas 50 semanas em que sai Cara, você acorda apenas 1 vez, na segunda-feira $\rightarrow$ O número de vezes em que acorda com ‘Cara’ é 50 vezes

Nas 50 semanas em que sai Coroa, você acorda 2 vezes, na segunda e na terça-feira $\rightarrow$ O número de vezes em que acorda com ‘Coroa’ é 100 vezes

Em outras palavras, em um total de 150 situações de despertar, o ‘padrão de acordar com Cara’ ocorre 50 vezes e o ‘padrão de acordar com Coroa’ ocorre 100 vezes. Portanto, a probabilidade do despertar que você está vivenciando agora ser ‘Cara’ é 50 / 150 = 1/3!”

Essa é uma opinião poderosa, baseada no “frequentismo” ou no “princípio antrópico”, que incorpora a própria situação de “estar existindo (observando) agora” como um elemento do espaço de probabilidades no cálculo.

3. Tentando calcular com o Teorema de Bayes

Há também tentativas de resolver esse problema usando o “Teorema de Bayes”, uma ferramenta matemática para atualizar probabilidades. Vamos organizar a lógica dos “Terceiristas (1/3)” sob a perspectiva da probabilidade condicional.

O estado em que se encontra ao acordar é um dos três seguintes:

$E_1$: A moeda deu “Cara”, e agora é “Segunda-feira”
$E_2$: A moeda deu “Coroa”, e agora é “Segunda-feira”
$E_3$: A moeda deu “Coroa”, e agora é “Terça-feira”

A probabilidade de sair “Cara” é de $1/2$, e a de “Coroa” é de $1/2$. Porém, no caso de coroa, como “segunda-feira” e “terça-feira” são perfeitamente simétricas (não é possível distingui-las por falta de memória), considera-se que a probabilidade de ocorrer $E_2$ e $E_3$ seja igual.

Como a soma total das probabilidades deve ser $1$, se atribuirmos cada despertar como um “evento (ponto de observação)” independente com igual probabilidade, teremos: $P(E_1) = 1/3$ $P(E_2) = 1/3$ $P(E_3) = 1/3$ Assim, a conclusão é que a “probabilidade de ter sido Cara ($P(E_1)$)” é $1/3$.

Por outro lado, os “Metadistas (1/2)” argumentam que, para começar, “a segunda e a terça-feira quando a moeda dá coroa ($E_2$ e $E_3$) são apenas eventos dependentes derivados do mesmo resultado único da moeda, e contá-los como probabilidades independentes é um erro”.

4. Por que esse problema não é resolvido?

O motivo pelo qual o “Problema da Bela Adormecida” perturba tanto os acadêmicos não se deve a um mero erro de cálculo ou ilusão. A razão é que esse problema toca na questão fundamental e mais profunda da teoria das probabilidades, ou seja, na pergunta filosófica: “O que exatamente é a probabilidade?”

Para os Metadistas (1/2), a probabilidade é uma “propriedade física da moeda” ou um “fato objetivo”.
Para os Terceiristas (1/3), a probabilidade é o “grau de crença do observador (a Bela)” ou a “frequência observada”.

Temas profundos que remetem ao “problema da medição” na mecânica quântica e ao “princípio antrópico” na cosmologia (a ideia de deduzir a probabilidade do universo a partir do fato de existirmos) estão condensados neste simples experimento de cara ou coroa.

5. Conclusão

Se você fosse a cobaia desse experimento, responderia “1/2” ou “1/3” ao acordar?

Qualquer que seja a sua resposta, haverá matemáticos de primeira linha no mundo para defendê-la. Como uma definição matemática aparentemente simples pode desmoronar assim que se vincula aos conceitos incômodos da “subjetividade” e “existência” humanas. Os paradoxos continuam a abalar o nosso senso comum todos os dias.

Paradoxo de São Petersburgo: Quanto você pagaria por uma aposta com valor esperado "infinito"?

Thu, 10 Sep 2026 05:00:00 +0900

1. A aposta dos sonhos com valor esperado “infinito”

Enquanto você caminha por um cassino, um crupiê o convida para um novo jogo de cara ou coroa:

【Regras do Jogo】

Você paga uma taxa de inscrição para começar o jogo.
Uma moeda é lançada. Se der Cara, o prêmio dobra e a moeda é lançada novamente.
Se der Coroa, o jogo termina. Você recebe o prêmio acumulado até aquele momento.

O prêmio inicial começa em 2 dólares.

Se der Coroa no 1º lançamento, você ganha 2 dólares e o jogo termina.
Se der Cara no 1º e Coroa no 2º, você ganha 4 dólares e termina.
Se der Cara no 1º e 2º, e Coroa no 3º, você ganha 8 dólares e termina.
…A partir daí, enquanto der Cara, o prêmio dobra infinitamente: 16 dólares, 32 dólares, 64 dólares…

graph TD Start["Início do Jogo"] --> Toss1{"1º Lançamento"} Toss1 -->|Coroa (1/2)| End1["Fim: Ganha 2 dólares"] Toss1 -->|Cara (1/2)| Toss2{"2º Lançamento"} Toss2 -->|Coroa (1/2)| End2["Fim: Ganha 4 dólares"] Toss2 -->|Cara (1/2)| Toss3{"3º Lançamento"} Toss3 -->|Coroa (1/2)| End3["Fim: Ganha 8 dólares"] Toss3 -->|Cara (1/2)| Toss4{"..."} Toss4 -.->|Quanto mais consecutivas| Infinite["O prêmio dobra infinitamente!"]

Agora, uma pergunta para você: Se a taxa de inscrição deste jogo fosse de “10.000 dólares”, você participaria?

Provavelmente, a maioria das pessoas responderia “não participo”. Isso porque, em metade das vezes, o primeiro lançamento será coroa e você receberá apenas 2 dólares, sofrendo um grande prejuízo.

No entanto, se calcularmos fielmente usando a teoria das probabilidades da matemática (valor esperado), um fato surpreendente é revelado. Matematicamente, seja a taxa de inscrição de 10.000 ou 1 milhão de dólares, você deveria fazer um empréstimo com todo o seu patrimônio para participar deste jogo.

Mas por que será?

2. Vamos calcular o valor esperado

Um indicador matemático para julgar se uma aposta é “vantajosa ou desvantajosa” é o “valor esperado”. O valor esperado é um número que representa “quanto você ganharia em média por rodada se repetisse o jogo muitas vezes”. A fórmula é a soma de todos os “(prêmio ganho) × (sua probabilidade)”.

Vamos calcular o valor esperado do nosso jogo.

Probabilidade de dar Coroa na 1ª vez: $\frac{1}{2}$ O prêmio é $2$ dólares. Contribuição para o valor esperado = $2 \times \frac{1}{2} = 1$ dólar
Probabilidade de dar Coroa na 2ª vez: A sequência é Cara, Coroa, então $\frac{1}{2} \times \frac{1}{2} = \frac{1}{4}$ O prêmio é $4$ dólares. Contribuição para o valor esperado = $4 \times \frac{1}{4} = 1$ dólar
Probabilidade de dar Coroa na 3ª vez: A sequência é Cara, Cara, Coroa, então $(\frac{1}{2})^3 = \frac{1}{8}$ O prêmio é $8$ dólares. Contribuição para o valor esperado = $8 \times \frac{1}{8} = 1$ dólar
Probabilidade de dar Coroa na $n$-ésima vez: $(\frac{1}{2})^n$ O prêmio é $2^n$ dólares. Contribuição para o valor esperado = $2^n \times (\frac{1}{2})^n = 1$ dólar

Ou seja, não importa em que rodada termine, o valor esperado de cada padrão é sempre “1 dólar”. Como o jogo pode continuar infinitamente, a soma de todos esses valores esperados fica assim:

$$ \text{Valor Esperado Total} = 1 + 1 + 1 + 1 + \dots = \infty \text{ (infinito)} $$

A resposta calculada pela matemática foi que “o valor esperado deste jogo é infinito”. Como o valor esperado é infinito, independentemente de quão alta seja a taxa de inscrição, logicamente essa é uma “aposta lucrativa”.

Este é o “Paradoxo de São Petersburgo”, proposto por Nicolaus Bernoulli em 1713. Há uma forte contradição entre o resultado matemático correto (o jogo tem valor infinito) e a intuição humana realista (não queremos pagar mais do que alguns dólares).

3. A descoberta da “Utilidade” que resolve a divergência entre matemática e humanos

Quem resolveu este paradoxo foi o primo de Nicolaus, o genial matemático Daniel Bernoulli. (Recebeu este nome porque ele apresentou o artigo na Academia de Ciências de São Petersburgo.)

Daniel se aprofundou na psicologia humana. Ele pensou: “As pessoas não julgam as coisas pelo ‘valor absoluto’ do dinheiro, mas pela ‘satisfação (utilidade)’ que o dinheiro proporciona”.

A isso chamamos de “Lei da Utilidade Marginal Decrescente”.

O valor do dinheiro diminui de acordo com a quantidade que você possui

Por exemplo, quando você está com muita sede no deserto, o 1º copo de água tem um valor (satisfação) pelo qual você pagaria até “10.000 dólares”. No entanto, ao beber o 2º, o 3º, o valor de cada copo de água cai vertiginosamente. No 10º copo, você diria “não quero nem de graça”.

Com o dinheiro é a mesma coisa.

Para uma pessoa com zero economias, ganhar “10.000 dólares” tem um valor imenso que pode salvar sua vida.
No entanto, para Elon Musk, com um patrimônio de bilhões, ganhar “10.000 dólares” tem apenas o valor (satisfação) equivalente a encontrar uma moeda no chão.

Ou seja, mesmo que o prêmio aumente infinitamente de 2 dólares $\rightarrow$ 4 dólares $\rightarrow$ 8 dólares $\rightarrow$ 16 dólares…, a “alegria (utilidade)” sentida pelas pessoas não aumenta infinitamente de forma proporcional ao valor.

4. Recalculando o valor esperado usando “Utilidade”

Daniel Bernoulli presumiu que “o valor (utilidade) do dinheiro sentido pelas pessoas é proporcional ao logaritmo ($\log$) do montante”.

Seja o valor $x$, representamos o valor percebido (utilidade) humano $u(x)$ através de uma função logarítmica (vamos usar um modelo simples com base 2).

Utilidade do prêmio de $2$ dólares: $\log_2(2) = 1$
Utilidade do prêmio de $4$ dólares: $\log_2(4) = 2$
Utilidade do prêmio de $8$ dólares: $\log_2(8) = 3$
Utilidade do prêmio de $2^n$ dólares: $\log_2(2^n) = n$

Enquanto o montante dobra, a “alegria” humana aumenta apenas um pouco: 1, 2, 3… Usando esta “utilidade”, vamos calcular o valor esperado novamente (utilidade esperada).

$$ \text{Utilidade Esperada} = \sum_{n=1}^{\infty} \left( n \times \left(\frac{1}{2}\right)^n \right) $$ $$ = 1 \cdot \frac{1}{2} + 2 \cdot \frac{1}{4} + 3 \cdot \frac{1}{8} + 4 \cdot \frac{1}{16} + \dots $$

Ao calcular a soma desta série infinita, o resultado não é “infinito”, mas converge para “2”. Se calcularmos de volta o valor em dinheiro para a utilidade “2”, teremos $2^2 = 4$ dólares.

Em outras palavras, ao recalcular incorporando a psicologia humana (utilidade), chegamos a uma resposta extremamente sensata e realista: “O valor deste jogo, na percepção humana, é de aproximadamente ‘4 dólares’.” É por isso que não nos sentimos inclinados a pagar 10.000 dólares por este jogo.

5. Resumo: O paradoxo que abriu as portas da Economia

O Paradoxo de São Petersburgo foi um paradoxo inovador que provou matematicamente a divergência entre os números objetivos, chamados de “valor”, e o valor subjetivo humano, chamado de “satisfação”.

O conceito de “Utilidade (Utility)” proposto por Daniel Bernoulli, após 200 anos, tornou-se a base mais importante da microeconomia moderna e da engenharia financeira (como a Teoria do Portfólio). Comportamentos como o de adquirir seguros ou diversificar investimentos podem ser todos explicados por este mecanismo psicológico humano da “utilidade marginal decrescente” (a dor de uma grande perda é muito maior do que a alegria de um grande ganho).

Um simples problema de cálculo de apostas acabou se tornando o gatilho para decifrar a mente humana e dar origem à vasta disciplina da economia.

O Paradoxo dos Dois Envelopes: O Colapso Lógico e a Armadilha da Tomada de Decisão Causados pela Esperança Matemática Infinita

Thu, 10 Sep 2026 00:00:00 +0900

1. A Escolha Definitiva: Trocar ou não trocar?

Você está na fase final de um game show. Na mesa à sua frente estão dois envelopes (A e B) de aparência idêntica. O apresentador diz:

“Um dos envelopes contém o dobro do dinheiro do outro. Por favor, escolha um deles.”

Depois de hesitar, você escolhe o envelope A. Exatamente quando você está prestes a olhar o que tem dentro, o apresentador sussurra algo tentador:

“Agora, se você quiser, pode trocar esse envelope A pelo envelope B que sobrou. Você quer trocar?”

E agora, você deveria trocar de envelope?

2. O “Loop Infinito” Derivado do Cálculo do Valor Esperado

Aqui, vamos aplicar um pouco de pensamento matemático. Vamos assumir que a quantia no seu envelope A seja $X$ ienes. A quantia no envelope B, de acordo com as regras, é “metade de $X$” ($\frac{X}{2}$) ou “o dobro de $X$” ($2X$). A probabilidade de cada um é de $\frac{1}{2}$ (50%).

Então, vamos calcular o valor esperado (quantia média prevista) se você trocar os envelopes.

$$ E = \frac{1}{2} \times \left(\frac{X}{2}\right) + \frac{1}{2} \times (2X) $$ $$ E = \frac{X}{4} + X = \frac{5}{4}X = 1.25X $$

Um resultado surpreendente apareceu. Apenas trocando os envelopes, o valor esperado salta do original $X$ ienes para $1.25$ vezes (um aumento de 25%). A conclusão seria: “Pensando matematicamente, é absolutamente mais vantajoso trocar!”

No entanto, é aqui que ocorre o colapso lógico. Suponha que você trocou pelo envelope B. Logo depois, se o apresentador perguntasse de novo: “Gostaria de voltar para o A?”, o que aconteceria? A mesma equação se aplica, e desta vez “trocar do B para o A aumenta o valor esperado em 1.25 vezes”.

Em outras palavras, apenas por continuar trocando “de A para B” e “de B para A”, o valor esperado teórico continuaria a crescer infinitamente. Isso é claramente uma contradição com a realidade (o conteúdo dos envelopes está determinado desde o início, e trocar não o aumenta).

graph TD Start["Você escolhe o envelope A (contém X ienes)"] --> Think["Calcula se é vantajoso trocar"] Think --> Case1["Envelope B tem a metade (X/2 ienes) : probabilidade de 50%"] Think --> Case2["Envelope B tem o dobro (2X ienes) : probabilidade de 50%"] Case1 --> Calc["Valor esperado = (X/4) + X = 1.25X"] Case2 --> Calc Calc --> SwitchToB["Trocar para o envelope B! (contém Y ienes)"] SwitchToB --> ThinkAgain["Calcular novamente"] ThinkAgain --> Case3["Envelope A tem a metade (Y/2 ienes) : probabilidade de 50%"] ThinkAgain --> Case4["Envelope A tem o dobro (2Y ienes) : probabilidade de 50%"] Case3 --> Calc2["Valor esperado = 1.25Y"] Case4 --> Calc2 Calc2 --> SwitchToA["Trocar novamente para o envelope A!"] SwitchToA --> Start style Calc fill:#ff9999,stroke:#333,stroke-width:2px style Calc2 fill:#ff9999,stroke:#333,stroke-width:2px style SwitchToA fill:#ff4444,color:#fff,stroke:#333,stroke-width:4px

Por que um cálculo de valor esperado que parece perfeito criou um paradoxo tão estranho?

3. Desvendando o Truque Matemático: A Troca Oculta de Variáveis

A armadilha desse paradoxo reside na “forma como a variável aleatória $X$ é usada”.

Na equação anterior, tratamos a quantia $X$ do envelope A como se fosse uma constante fixa, e assumimos que o envelope B seria “$\frac{X}{2}$ ou $2X$”. No entanto, o que está originalmente fixado é o “total de dinheiro contido nos dois envelopes”, ou a “menor quantia”.

Vamos chamar a quantia no envelope com menos dinheiro de $S$. Então, o envelope com mais dinheiro tem $2S$. O jogo inteiro só tem os seguintes dois cenários possíveis (cada um com probabilidade de $\frac{1}{2}$).

Cenário 1: O envelope A que você escolheu é o menor ($S$), e o envelope B é o maior ($2S$)
Cenário 2: O envelope A que você escolheu é o maior ($2S$), e o envelope B é o menor ($S$)

Agora, vamos calcular corretamente o valor esperado para quando você “não troca” e quando você “troca”.

Valor esperado se não trocar $E_{stay}$:

$$ E_{stay} = \frac{1}{2} \times S + \frac{1}{2} \times 2S = \frac{3}{2}S = 1.5S $$

Valor esperado se trocar $E_{switch}$: No Cenário 1 você ganha $2S$, e no Cenário 2 você ganha $S$.

$$ E_{switch} = \frac{1}{2} \times 2S + \frac{1}{2} \times S = \frac{3}{2}S = 1.5S $$ $$ E_{stay} = E_{switch} $$

Lindamente, os valores esperados coincidem! No primeiro cálculo incorreto, nós pegamos o valor $X$ do Cenário 1 (que na verdade é $S$) e o valor $X$ do Cenário 2 (que na verdade é $2S$) e tratamos dois valores diferentes como se fossem a mesma variável $X$, criando assim a ilusão de que “trocar aumenta o valor esperado”.

pie title "A Verdade sobre o Valor Esperado (Assumindo que a menor quantia é S)" "Valor esperado ao não trocar (1.5S)" : 50 "Valor esperado ao trocar (1.5S)" : 50

4. E se você abrisse o envelope?

O paradoxo parece ter sido resolvido aqui. No entanto, um problema mais profundo nos aguarda.

O que aconteceria se você olhasse o conteúdo do seu envelope A antes de trocar os envelopes? Quando você abre o envelope A, ele contém “10.000 ienes”.

Neste momento, há um valor fixo de $X = 10000$. O envelope B contém ou “5.000 ienes” ou “20.000 ienes”. Se aplicarmos a primeira equação aqui, o que acontece?

$$ E_{switch} = \frac{1}{2} \times 5000 + \frac{1}{2} \times 20000 = 2500 + 10000 = 12500 $$

O valor esperado é de 12.500 ienes. É certamente maior do que os atuais 10.000 ienes. Além disso, como desta vez $X$ é uma “constante específica” de 10.000 ienes, o argumento anterior de “troca de variáveis” não funciona. Sendo assim, é absolutamente mais vantajoso trocar?

Refutação por Inferência Bayesiana: A Omissão da “Distribuição a Priori”

Contra isso, os matemáticos trouxeram o conceito de “distribuição a priori (probabilidade a priori) da quantia de dinheiro”. A dúvida é se podemos realmente dizer que os 5.000 ienes e 20.000 ienes estão cada um presentes com uma probabilidade de $\frac{1}{2}$.

Por exemplo, suponha que o orçamento do programa tenha um limite máximo de 100 milhões de ienes. Se você abrir o envelope A e encontrar “60 milhões de ienes”, a probabilidade de o envelope B ter “120 milhões de ienes” é zero (pois excederia o orçamento). Em outras palavras, à medida que a quantia no envelope A aumenta, a probabilidade de o envelope B ser o “dobro” deve diminuir, e a probabilidade de ser a “metade” deve aumentar.

Se assumirmos qualquer distribuição a priori $P(x)$ e calcularmos o valor esperado usando o Teorema de Bayes, foi provado matematicamente que não existe uma distribuição mágica onde “sempre é vantajoso trocar” para qualquer quantia $X$, seja qual for a distribuição de probabilidade realista (cuja soma seja 1) que você usar.

5. A Armadilha do Infinito: Ligação com o Paradoxo de São Petersburgo

Existe apenas um caso onde “é mais vantajoso trocar para todos os $X$”. Isso só acontece se assumirmos que o orçamento do programa é infinito, e criarmos uma “distribuição de probabilidade imprópria (uma distribuição cuja soma é infinita)”, onde todos os valores (1 iene, 2 ienes, 4 ienes, 8 ienes… infinito) aparecem de forma igual.

No entanto, nenhuma emissora de TV no mundo real tem ativos infinitos. Esse erro causado pelo “valor esperado infinito” tem as mesmas raízes profundas do Paradoxo de São Petersburgo (o problema de quanto as pessoas estão dispostas a pagar por uma aposta com um valor esperado infinito).

6. Conclusão: O Terror da Probabilidade e do Valor Esperado

Apesar de ser composto apenas de multiplicações e adições simples, o “Paradoxo dos Dois Envelopes” nos ensina as seguintes lições:

Erros causados pela ambiguidade das definições: Se você não esclarecer o que as variáveis representam (se $X$ sempre aponta para a mesma quantia), a lógica pode entrar em colapso facilmente.
A ilusão de que “Nenhuma informação = 50% de probabilidade”: A premissa “Eu não sei, então deve ser meio a meio” (O Princípio da Razão Insuficiente) às vezes leva a erros de cálculo fatais.
A dificuldade de lidar com o infinito: Se você introduzir o conceito do “infinito” que não pode ser aplicado ao mundo real em suas equações matemáticas, resultados que desafiam o senso comum surgirão.

Da próxima vez na vida que você pensar “A grama do vizinho é mais verde e é vantajoso trocar”, lembre-se deste paradoxo. Talvez você apenas tenha trocado as variáveis em sua própria equação.

O Problema de Monty Hall: A Armadilha da Probabilidade que Desafia a Intuição e a Solução Completa por Inferência Bayesiana

Thu, 10 Sep 2026 00:00:00 +0900

1. O Cenário é um Programa de TV de Perguntas: O Que Você Faria?

Em 1990, na coluna “Ask Marilyn” da revista americana de notícias “Parade”, um leitor enviou a seguinte pergunta:

Você é um participante em um programa de TV. Há 3 portas (A, B, C) à sua frente. Atrás de uma das portas há um carro novo (prêmio), e atrás das outras duas portas há cabras (sem prêmio).

Primeiro, você escolhe a porta A.

Então, o apresentador, Monty Hall, que sabe onde está o carro novo, abre a porta B revelando uma cabra.

Monty então diz a você: “Se quiser, pode mudar para a porta C agora. O que você faz?”

Afinal, você deve mudar de porta?

Intuitivamente, pensamos: “Restam duas portas, A e C. Como o carro estar em qualquer uma delas é algo completamente aleatório, a probabilidade de acertar é de $\frac{1}{2}$ (50%) para ambas. Portanto, mudar ou não mudar dá no mesmo”.

No entanto, a colunista Marilyn vos Savant (reconhecida pelo Guinness Book of Records como a pessoa com o QI mais alto) respondeu: “Você deve mudar. Se você mudar, suas chances de ganhar dobram.”

Essa resposta causou sensação em todos os Estados Unidos, e cerca de 10.000 cartas de protesto (sendo cerca de 1.000 de acadêmicos com doutorado em matemática) a inundaram. Foi uma tempestade de críticas severas, como “Você não entende o básico de probabilidade” e “Isso é a lógica das mulheres”. Mas, indo direto ao ponto, a resposta de Marilyn estava matematicamente correta.

2. A Discrepância Entre a Intuição e a Matemática: A Bifurcação das Probabilidades Visualizada no Mermaid

Por que nossa intuição nos engana e nos faz pensar que é “$\frac{1}{2}$”? Primeiro, vamos visualizar todos os padrões do jogo.

graph TD Start["Início do Jogo"] --> CarA["Carro na Porta A (Probabilidade 1/3)"] Start --> CarB["Carro na Porta B (Probabilidade 1/3)"] Start --> CarC["Carro na Porta C (Probabilidade 1/3)"] CarA --> PickA1["Você escolhe a Porta A"] CarB --> PickA2["Você escolhe a Porta A"] CarC --> PickA3["Você escolhe a Porta A"] PickA1 --> HostB_or_C["Apresentador abre B ou C"] PickA2 --> HostC["Apresentador sempre abre C"] PickA3 --> HostB["Apresentador sempre abre B"] HostB_or_C --> Stay1["Não muda: Prêmio!"] HostB_or_C --> Switch1["Muda: Sem prêmio..."] HostC --> Stay2["Não muda: Sem prêmio..."] HostC --> Switch2["Muda: Prêmio!"] HostB --> Stay3["Não muda: Sem prêmio..."] HostB --> Switch3["Muda: Prêmio!"] style Switch2 fill:#bbf,stroke:#333,stroke-width:2px style Switch3 fill:#bbf,stroke:#333,stroke-width:2px style Stay1 fill:#f99,stroke:#333,stroke-width:2px

Assumindo que você escolheu a “Porta A”, os três cenários a seguir ocorrem com probabilidades iguais ($\frac{1}{3}$).

Cenário 1 (Carro em A): O apresentador abre B ou C, onde há cabras. Mudar de porta significa ficar sem prêmio.
Cenário 2 (Carro em B): O apresentador só pode abrir C, que tem uma cabra. Mudar de porta significa ganhar o prêmio.
Cenário 3 (Carro em C): O apresentador só pode abrir B, que tem uma cabra. Mudar de porta significa ganhar o prêmio.

Em outras palavras, em 2 de 3 vezes (Cenários 2 e 3), “mudar a porta garante uma vitória”. Portanto, a probabilidade de ganhar se você mudar de porta é $\frac{2}{3}$, o que é o dobro da probabilidade de $\frac{1}{3}$ se você não mudar.

3. Prova Rigorosa Através do Teorema de Bayes

Para resolver esse problema rigorosamente de forma matemática, usamos o “Teorema de Bayes” para calcular a probabilidade condicional.

$$ P(H|E) = \frac{P(E|H) P(H)}{P(E)} $$

Aqui, definimos os eventos da seguinte forma:

$C_A, C_B, C_C$ : Eventos em que o carro está nas portas A, B e C, respectivamente. As probabilidades a priori são $P(C_A) = P(C_B) = P(C_C) = \frac{1}{3}$
Suponha que você escolheu inicialmente a porta A.
$M_B$ : O evento onde o apresentador abre a porta B com a cabra.

O que queremos encontrar é “a probabilidade do carro estar na porta C, dado que o apresentador abriu a porta B”, ou seja, a probabilidade a posteriori $P(C_C|M_B)$.

Primeiro, considere a probabilidade do apresentador abrir a porta B $P(M_B|C_X)$ dependendo de onde o carro está.

Se o carro estiver na porta A ($C_A$) O apresentador pode abrir B ou C aleatoriamente.
$$ P(M_B|C_A) = \frac{1}{2} $$
Se o carro estiver na porta B ($C_B$) Como o apresentador não pode abrir a porta com o carro novo, a probabilidade de abrir B é zero.
$$ P(M_B|C_B) = 0 $$
Se o carro estiver na porta C ($C_C$) Como o apresentador não pode abrir A (que você escolheu) e C (onde está o carro), ele deve abrir B.
$$ P(M_B|C_C) = 1 $$

A seguir, encontramos a probabilidade total de o apresentador abrir a porta B, $P(M_B)$, usando o “Teorema da Probabilidade Total”.

$$ P(M_B) = P(M_B|C_A)P(C_A) + P(M_B|C_B)P(C_B) + P(M_B|C_C)P(C_C) $$ $$ P(M_B) = \left(\frac{1}{2} \times \frac{1}{3}\right) + \left(0 \times \frac{1}{3}\right) + \left(1 \times \frac{1}{3}\right) = \frac{1}{6} + 0 + \frac{1}{3} = \frac{1}{2} $$

Finalmente, aplicamos o Teorema de Bayes para calcular as probabilidades a posteriori das portas A e C.

Probabilidade do carro estar na porta A (caso você não mude):

$$ P(C_A|M_B) = \frac{P(M_B|C_A) P(C_A)}{P(M_B)} = \frac{\frac{1}{2} \times \frac{1}{3}}{\frac{1}{2}} = \frac{1}{3} $$

Probabilidade do carro estar na porta C (caso você mude):

$$ P(C_C|M_B) = \frac{P(M_B|C_C) P(C_C)}{P(M_B)} = \frac{1 \times \frac{1}{3}}{\frac{1}{2}} = \frac{2}{3} $$

A prova matemática mostra claramente que “as chances de ganhar dobram (2/3) se você mudar de porta”.

4. Viés Cognitivo: O Valor da Informação do “Condicionamento”

Por que até mesmo muitos matemáticos geniais erraram intuitivamente neste problema? Isso se deve ao “Viés de Equiprobabilidade” e à “Falha na Atualização de Informações” incorporados ao cérebro humano.

4.1. Viés de Equiprobabilidade (Equiprobability Bias)

Quando os humanos se deparam com escolhas desconhecidas, eles têm uma tendência subconsciente de assumir que “as probabilidades das opções restantes são sempre iguais”. No momento em que o cérebro vê duas portas restantes, ele automaticamente as rotula como “$50\%$ : $50\%$”.

4.2. A Informação da “Intenção” do Apresentador

A principal razão pela qual nossa intuição falha é porque ignoramos o fato de que as ações do apresentador não são aleatórias. Se a regra fosse “o apresentador abre uma porta aleatoriamente sem saber onde está o carro, e por acaso é uma cabra” (conhecido como Problema de Monty Fall), a probabilidade para as portas A e C seria $\frac{1}{2}$ para cada.

No entanto, no Problema de Monty Hall real, o apresentador opera sob restrições estritas:

Ele não pode abrir a porta escolhida pelo participante.
Ele não pode abrir a porta com o carro novo.

Devido a essas restrições, o próprio ato do apresentador “abrir a porta B” nos fornece uma informação enorme sobre a porta C. Ele está enviando a mensagem não dita: “Eu não pude abrir a porta C (porque o carro novo está lá)”.

5. Corrigindo a Intuição com um Exemplo Extremo

Se você ainda não está convencido, tente aumentar o número de portas para 1 milhão.

Dentre 1 milhão de portas, você escolhe a porta 1. (A chance de ganhar é $\frac{1}{1.000.000}$)
O apresentador, que sabe de tudo, abre 999.998 portas contendo cabras, das 999.999 restantes.
As únicas portas fechadas são a “porta 1” que você escolheu e a “porta 777.777” que o apresentador deixou fechada de propósito.

E então, você vai mudar? Neste caso, a menos que você acredite que acertou o milagre de “1 em 1 milhão” no começo, você deve mudar. Realisticamente, você pode entender intuitivamente que a probabilidade de que o carro novo esteja na “única porta que o apresentador absolutamente não pôde abrir” é $\frac{999.999}{1.000.000}$.

O Problema de Monty Hall (3 portas) é simplesmente o mesmo fenômeno deste “1 milhão de portas” em uma escala menor.

pie title "Efeito de Mudar de Porta (100 Simulações)" "Muda e Ganha Prêmio (aprox. 66.7%)" : 67 "Não Muda e Ganha Prêmio (aprox. 33.3%)" : 33

6. Conclusão: Lições de Vida e Negócios Ensinadas Pela Teoria das Probabilidades

O Problema de Monty Hall vai além de ser apenas um jogo e nos ensina lições importantes.

A intuição costuma falhar: O cérebro humano não evoluiu para lidar intuitivamente com probabilidades condicionais complexas. Tomar decisões importantes contando apenas com a intuição é perigoso.
Atualize as probabilidades com novas informações (Atualização Bayesiana): Quando a situação muda e novas informações são apresentadas (como qual porta o apresentador abriu), a chave para o sucesso é a capacidade de atualizar de forma flexível as probabilidades e estratégias sem se apegar às ideias existentes.

A pequena decisão de “mudar de porta” pode dobrar suas chances de conseguir o “carro novo” de sua vida.

Paradoxo do Aniversário: Mais de 50% com apenas 23 pessoas? A magia da "combinação" que engana a intuição

Thu, 10 Sep 2026 00:00:00 +0900

1. Teste de Intuição: Quantas pessoas são necessárias para que a probabilidade ultrapasse 50%?

Imagine que as pessoas estão reunidas em uma festa. Aqui, qual você acha que é o número mínimo de pessoas necessárias para que “a probabilidade de haver pelo menos um par de pessoas com exatamente o mesmo aniversário (mês e dia) no local seja superior a 50%”? (Excluindo anos bissextos e assumindo que um ano tem 365 dias, e que todos os aniversários são igualmente prováveis).

A intuição humana tende a calcular da seguinte forma: “Um ano tem 365 dias. Se formos colocar pessoas aleatoriamente nessas 365 vagas, deve ser necessário pelo menos cerca de 180 pessoas para que haja uma sobreposição. Mesmo estimando por baixo, a probabilidade não seria metade se não houvesse pelo menos 50 a 60 pessoas, certo?”

No entanto, a resposta correta obtida pela matemática é de apenas “23 pessoas”. Em uma turma de escola (cerca de 30 a 40 alunos), a probabilidade de haver uma dupla com o mesmo aniversário salta para cerca de 70% a 89%. Com 50 pessoas, essa probabilidade chega a 97%, chegando a um estado onde “é mais raro não haver pessoas com o mesmo aniversário”.

Por que a nossa intuição se desvia tanto das probabilidades reais?

2. A razão pela qual a intuição falha: A diferença entre “eu e alguém” e “alguém e alguém”

O principal motivo pelo qual a intuição erra neste problema é que, inconscientemente, pensamos na “probabilidade de haver alguém com o mesmo aniversário que uma pessoa específica (por exemplo, você mesmo)”.

Se você entrar no salão e pensar “Será que tem alguém aqui com o mesmo aniversário que o meu?”, a probabilidade de haver alguém entre 23 pessoas com o mesmo aniversário que você é de apenas cerca de 6,1%. (Para que essa probabilidade ultrapasse 50%, seriam necessárias impressionantes 253 pessoas).

No entanto, o Paradoxo do Aniversário não pergunta sobre o par “eu e alguém”. Basta que haja uma coincidência em pelo menos um par dentre “todas as combinações possíveis entre todas as pessoas presentes (Pessoa A e Pessoa B, Pessoa B e Pessoa C, Pessoa C e Pessoa A…)”.

graph TD subgraph "Ilusão da intuição: Comparação centrada em 'Si mesmo'" You["Você"] --- P1["Pessoa A"] You --- P2["Pessoa B"] You --- P3["Pessoa C"] You --- P4["Pessoa D"] style You fill:#ff9999,stroke:#333,stroke-width:4px end subgraph "Realidade: Comparação 'todos contra todos'" A["Pessoa A"] --- B["Pessoa B"] A --- C["Pessoa C"] A --- D["Pessoa D"] B --- C B --- D C --- D end

Mesmo em um grupo de apenas 4 pessoas, há 3 comparações centradas em “si mesmo”, mas se compararmos todos com todos, existem 6 formas (${}_4 C_2 = 6$). Quando o número de pessoas aumenta para 23, as combinações de pares aumentam de forma explosiva para surpreendentes 253 formas (${}_{23} C_2$). Com 253 pares, não começa a parecer razoável que pelo menos um deles acerte a probabilidade de “1 em 365”?

3. Prova Matemática: Uma solução elegante usando o evento complementar

Calcular diretamente “a probabilidade de pelo menos um par ter o mesmo aniversário” é muito difícil (porque há muitos padrões: um único par igual, dois pares iguais, três pessoas com o mesmo aniversário, etc.). Portanto, usaremos a técnica básica da teoria das probabilidades, o “evento complementar”.

O evento complementar é “a probabilidade de algo não acontecer”. Ou seja, calculamos a “probabilidade de que os aniversários de todos sejam diferentes (nenhuma coincidência)” e subtraímos isso de 100% (1) para obter a probabilidade desejada.

$$ P(\text{pelo menos 2 pessoas com o mesmo aniversário}) = 1 - P(\text{todos com aniversários diferentes}) $$

Então, vamos imaginar as pessoas entrando no local uma a uma e calcular.

1ª pessoa: Não há preocupação de coincidir com ninguém. A probabilidade é $\frac{365}{365}$.
2ª pessoa: Deve ter um aniversário diferente da 1ª pessoa. Qualquer um dos 364 dias restantes é seguro. A probabilidade é $\frac{364}{365}$.
3ª pessoa: Deve ter um aniversário diferente das duas primeiras pessoas. Qualquer um dos 363 dias restantes é seguro. A probabilidade é $\frac{363}{365}$.

Multiplicando isso até a $n$-ésima pessoa, obtemos o termo geral da probabilidade $P(n)'$ de que todos os aniversários sejam diferentes.

$$ P(n)' = \frac{365}{365} \times \frac{364}{365} \times \frac{363}{365} \times \dots \times \frac{365 - (n - 1)}{365} $$ $$ P(n)' = \prod_{k=1}^{n-1} \left(1 - \frac{k}{365}\right) $$

Portanto, a “probabilidade $P(n)$ de que pelo menos duas pessoas tenham o mesmo aniversário” que procuramos é:

$$ P(n) = 1 - \prod_{k=1}^{n-1} \left(1 - \frac{k}{365}\right) $$

Ao substituir o número de pessoas $n$ nesta fórmula, podemos ver que a probabilidade aumenta a uma velocidade surpreendente.

Quando $n = 10$, a probabilidade é de cerca de 11,7%
Quando $n = 23$, a probabilidade é de cerca de 50,7% (Aqui ultrapassa os 50%!)
Quando $n = 40$, a probabilidade é de cerca de 89,1%
Quando $n = 70$, a probabilidade é de cerca de 99,9%

pie title "Probabilidade quando 23 pessoas estão reunidas" "Há um par com o mesmo aniversário (50,7%)" : 50.7 "Todos diferentes (49,3%)" : 49.3

4. Cálculo aproximado por expansão de Taylor

Como calcular multiplicações 23 vezes à mão é trabalhoso, vamos tentar entender isso de forma mais intuitiva usando uma fórmula de aproximação matemática.

Considere a expansão de Taylor da função exponencial $e^{-x}$. Quando $x$ é suficientemente pequeno, a seguinte aproximação é válida:

$$ e^{-x} \approx 1 - x $$

Aplicando isso a cada termo $\left(1 - \frac{k}{365}\right)$ anterior,

$$ 1 - \frac{k}{365} \approx e^{-\frac{k}{365}} $$

Multiplicando tudo isso (o que se torna uma adição pelas leis dos expoentes),

$$ P(n)' \approx e^{-\frac{1}{365}} \times e^{-\frac{2}{365}} \times \dots \times e^{-\frac{n-1}{365}} $$ $$ P(n)' \approx \exp\left(-\sum_{k=1}^{n-1} \frac{k}{365}\right) $$

Como a soma de 1 a $n-1$ é $\frac{n(n-1)}{2}$ (ou seja, o número de combinações ${}_n C_2$),

$$ P(n)' \approx \exp\left(-\frac{n(n-1)}{2 \times 365}\right) $$

Nesta fórmula, encontramos o $n$ quando a probabilidade é 50% ($0.5$).

$$ 0.5 = e^{-\frac{n(n-1)}{730}} $$

Tomamos o logaritmo natural de ambos os lados ($\ln 0.5 \approx -0.693$).

$$ -0.693 = -\frac{n(n-1)}{730} $$ $$ n(n-1) = 0.693 \times 730 \approx 505.89 $$

Aproximando $n^2 \approx 506$, temos $n = \sqrt{506} \approx 22.49$ A resposta $n \approx 23$ foi brilhantemente derivada!

5. Aplicação no cotidiano e “Colisão de Hash”

Este paradoxo não é apenas um assunto para festas. Ele desempenha um papel extremamente importante na teoria da criptografia e segurança da informação que sustenta a sociedade de TI moderna.

Em sistemas de computador, usamos um mecanismo chamado “função hash” para confirmar rapidamente a identidade de senhas ou arquivos. Uma função hash retorna uma string aleatória de comprimento fixo (valor hash) não importa qual dado seja inserido. No entanto, o fenômeno em que esses valores hash coincidentemente se tornam iguais é chamado de “Colisão de Hash (Hash Collision)”.

As colisões de hash ocorrem exatamente pelo mesmo princípio do Paradoxo do Aniversário. Ao contrário da intuição humana que diz “Como os tipos de valores hash são um número astronômico, as colisões raramente ocorrerão”, é mais fácil do que se imagina para um invasor gerar uma grande quantidade de dados aleatoriamente e encontrar “um par em que algo coincida com algo (como aniversários repetidos)”.

Isso é chamado de “Ataque do Aniversário (Birthday Attack)”. Os engenheiros que projetam sistemas de segurança assumem esse fato matemático de que “as colisões ocorrem muito mais rápido do que a intuição sugere”, e definem o comprimento do valor hash para ser muito longo para garantir a segurança.

6. Conclusão: Os limites da intuição humana

O Paradoxo do Aniversário é o exemplo perfeito para mostrar o quão frágil é a intuição humana em relação ao “crescimento exponencial” e à “explosão combinatória”.

Somos bons com aumentos lineares (aditivos), mas não conseguimos simular em nossos cérebros fenômenos em que o número de pares aumenta explosivamente no ritmo de $n^2$. Por trás da intuição de que “23 é um número muito pequeno em comparação com o grande número 365”, existe uma complexa teia de “253 fios invisíveis (pares)” criados por 23 pessoas.

Da próxima vez que você for a um lugar onde as pessoas estão reunidas, tente imaginar não apenas o “número de pessoas” visíveis, mas os inumeráveis “fios de combinações” que existem entre elas. A sua forma de ver o mundo deve mudar um pouco matematicamente.