1. Introdução: O colapso da «aleatoriedade uniforme» em 1889
Nos espaços finitos e discretos, a expressão «escolher ao acaso» parece totalmente inequívoca: ao lançar um dado honesto, cada uma das seis faces possui probabilidade $1/6$. Contudo, assim que avançamos para o contínuo geométrico, essa intuição desmorona. Em 1889, o matemático francês Joseph Bertrand (1822–1900) apresentou em sua obra Calcul des probabilités um problema aparentemente elementar que abalou os alicerces da teoria das probabilidades: o Paradoxo de Bertrand.
Considere um círculo unitário $S^1 = \{(x,y) \in \mathbb{R}^2 : x^2 + y^2 = 1\}$ de raio $R = 1$ e um triângulo equilátero inscrito $\triangle ABC$. O comprimento do lado do triângulo é $L = 2R\sin(\pi/3) = \sqrt{3} \approx 1.732$, e o raio do seu círculo inscrito (a distância perpendicular do centro $O$ a cada lado) é $r_{\text{in}} = R\cos(\pi/3) = 1/2$.
[Problema de Bertrand (1889)] Escolhe-se «ao acaso» uma corda $c$ do círculo unitário. Qual é a probabilidade $P(c > \sqrt{3})$ de que o comprimento dessa corda seja maior que o lado $L = \sqrt{3}$ do triângulo equilátero inscrito?
Bertrand apresentou três construções geométricas perfeitamente naturais e simétricas que levam a três probabilidades exatas mutuamente contraditórias: $P_1 = 1/3$, $P_2 = 1/2$ e $P_3 = 1/4$.
flowchart TD
Q["Questão de Bertrand (1889)<br/>Escolhe-se ao acaso uma corda do círculo unitário:<br/>qual é a probabilidade P(c > √3)?"]
Q --> M1["Método 1: Extremos aleatórios em S¹<br/>Ângulo central θ ~ Uniform(0, π)"]
Q --> M2["Método 2: Distância radial aleatória<br/>Distância ao centro r ~ Uniform(0, 1)"]
Q --> M3["Método 3: Ponto médio aleatório em D²<br/>Coordenadas (x, y) ~ Uniform(D²)"]
M1 --> D1["Densidade radial<br/>f₁(r) = 2 / (π√(1 - r²))"]
M2 --> D2["Densidade radial<br/>f₂(r) = 1"]
M3 --> D3["Densidade radial<br/>f₃(r) = 2r"]
D1 --> P1["Probabilidade P₁ = 1/3 ≈ 0.3333"]
D2 --> P2["Probabilidade P₂ = 1/2 = 0.5000"]
D3 --> P3["Probabilidade P₃ = 1/4 = 0.2500"]
2. Derivação rigorosa das três soluções clássicas e suas funções densidade
Seja $\theta \in [0, \pi]$ o ângulo central subentendido pela corda, $r \in [0, 1]$ a distância perpendicular do centro $O$ ao ponto médio $M(x,y) = (r\cos\phi, r\sin\phi)$ da corda, e $c$ o seu comprimento. Pelo teorema de Pitágoras:
$$c = 2\sqrt{1 - r^2} = 2\sin\left(\frac{\theta}{2}\right), \qquad r = \cos\left(\frac{\theta}{2}\right) = \sqrt{1 - \frac{c^2}{4}}$$O evento $E = \{c > \sqrt{3}\}$ é estritamente equivalente nos três sistemas de coordenadas a:
$$c > \sqrt{3} \iff 2\sqrt{1 - r^2} > \sqrt{3} \iff 0 \le r < \frac{1}{2} \iff \theta \in \left(\frac{2\pi}{3}, \frac{4\pi}{3}\right)$$2.1 Método 1: Extremos aleatórios sobre a circunferência ($P_1 = 1/3$)
Por simetria rotacional $SO(2)$, fixamos o primeiro extremo $A$ em um vértice do triângulo ($\theta = 0$) e escolhemos o segundo extremo $B$ segundo $\theta \sim \text{Uniform}(0, 2\pi)$. Tem-se $c(\theta) > \sqrt{3}$ se e somente se $B$ pertence ao arco oposto $\theta \in (2\pi/3, 4\pi/3)$, de comprimento $2\pi/3$ em $2\pi$:
$$P_1(c > \sqrt{3}) = \frac{4\pi/3 - 2\pi/3}{2\pi} = \frac{1}{3}$$Com $r = \cos(\theta/2)$ ($\theta \in [0, \pi]$, $f_\Theta(\theta) = 1/\pi$) e o jacobiano $\left|\frac{d\theta}{dr}\right| = \frac{2}{\sqrt{1 - r^2}}$, obtemos:
$$f_{R,1}(r) = \frac{2}{\pi\sqrt{1 - r^2}}, \qquad f_{C,1}(c) = \frac{2}{\pi\sqrt{4 - c^2}}, \qquad \mathbb{E}_1[c] = \frac{4}{\pi} \approx 1.2732$$2.2 Método 2: Distância radial aleatória ao longo de um raio fixo ($P_2 = 1/2$)
Escolhemos uma direção radial $\phi \sim \text{Uniform}(0, 2\pi)$ e sobre ela a distância ao centro $r \sim \text{Uniform}(0, 1)$. Como o lado do triângulo equilátero dista $r_{\text{in}} = 1/2$ do centro, $c > \sqrt{3} \iff 0 \le r < 1/2$:
$$P_2(c > \sqrt{3}) = \int_0^{1/2} 1\,dr = \frac{1}{2}, \qquad f_{R,2}(r) = 1, \qquad f_{C,2}(c) = \frac{c}{2\sqrt{4 - c^2}}, \qquad \mathbb{E}_2[c] = \frac{\pi}{2} \approx 1.5708$$2.3 Método 3: Ponto médio aleatório uniformemente no disco ($P_3 = 1/4$)
Toda corda não diametral é determinada de forma única pelo seu ponto médio $M(x, y) \in D^2$. Escolhendo $M$ uniformemente em relação à área $dx\,dy$ do disco unitário $D^2$ ($f_{X,Y}(x,y) = 1/\pi$), então $c > \sqrt{3}$ se e somente se $M$ cai dentro do disco inscrito concêntrico $D_{1/2}$ de raio $1/2$:
$$P_3(c > \sqrt{3}) = \frac{\text{Área}(D_{1/2})}{\text{Área}(D_1)} = \frac{\pi (1/2)^2}{\pi (1)^2} = \frac{1}{4}$$Por que os métodos 2 e 3 divergem? Porque o elemento de área em coordenadas polares inclui o determinante jacobiano $J = r$, isto é, $dx\,dy = r\,dr\,d\phi$. Integrando em $\phi \in [0, 2\pi)$, a densidade marginal radial torna-se linear:
$$f_{R,3}(r) = \int_0^{2\pi} \frac{1}{\pi} r\,d\phi = 2r, \qquad f_{C,3}(c) = \frac{c}{2}, \qquad \mathbb{E}_3[c] = \frac{4}{3} \approx 1.3333$$| Característica | Método 1: Extremos aleatórios | Método 2: Raio aleatório | Método 3: Ponto médio aleatório |
|---|---|---|---|
| Coordenada uniforme | Ângulo $\theta \sim U(0, \pi)$ | Distância $r \sim U(0, 1)$ | Área $(x,y) \sim U(D^2)$ ($r^2 \sim U(0,1)$) |
| Elemento de medida $d\mathbb{P}(r,\phi)$ | $\dfrac{1}{\pi^2\sqrt{1 - r^2}}\,dr\,d\phi$ | $\dfrac{1}{2\pi}\,dr\,d\phi$ | $\dfrac{r}{\pi}\,dr\,d\phi = \dfrac{1}{\pi}\,dx\,dy$ |
| Densidade radial $f_R(r)$ | $\dfrac{2}{\pi\sqrt{1 - r^2}}$ | $1$ | $2r$ |
| Densidade de comprimento $f_C(c)$ | $\dfrac{2}{\pi\sqrt{4 - c^2}}$ | $\dfrac{c}{2\sqrt{4 - c^2}}$ | $\dfrac{c}{2}$ |
| Probabilidade $P(c > \sqrt{3})$ | $1/3 \approx 0.3333$ | $1/2 = 0.5000$ | $1/4 = 0.2500$ |
| Esperança $\mathbb{E}[c]$ | $4/\pi \approx 1.2732$ | $\pi/2 \approx 1.5708$ | $4/3 \approx 1.3333$ |
3. A crise do princípio da indiferença de Laplace e o paradoxo do vinho e da água de Keynes (1921)
A probabilidade clássica de Pierre-Simon Laplace baseava-se no princípio da razão insuficiente, renomeado como princípio da indiferença (Principle of Indifference) por John Maynard Keynes (1921) em A Treatise on Probability. No contínuo, atribuir uma densidade uniforme $f_X(x) = \frac{1}{b-a}$ a um parâmetro $x \in [a, b]$ sob uma transformação não linear $y = g(x)$ multiplica a densidade pelo jacobiano $\left|\frac{dx}{dy}\right|$:
$$f_Y(y) = f_X\bigl(g^{-1}(y)\bigr)\left|\frac{dx}{dy}\right|$$No paradoxo do vinho e da água de Keynes (1921):
- Uma taça contém uma mistura de vinho e água cuja razão $x = W_{\text{vinho}}/W_{\text{água}}$ está entre $1/3$ e $3$. Se $x \sim \text{Uniform}(1/3, 3)$, a mediana é $x_{\text{med}} = 5/3$ e $P_X(x \le 2) = \frac{2 - 1/3}{3 - 1/3} = \frac{5}{8} = 0.625$.
- Porém, a mesma premissa implica que a razão inversa $y = 1/x = W_{\text{água}}/W_{\text{vinho}}$ também pertence a $[1/3, 3]$. Se $y \sim \text{Uniform}(1/3, 3)$, a mediana é $y_{\text{med}} = 5/3$ (contradizendo $x \cdot y = 1$!) e o mesmo evento $x \le 2 \iff y \ge 1/2$ tem probabilidade $P_Y(y \ge 1/2) = \frac{3 - 1/2}{3 - 1/3} = \frac{15}{16} = 0.9375 \neq \frac{5}{8}$.
4. As três resoluções matemáticas e físicas modernas
flowchart TD
Crisis["Crise do princípio da indiferença de Laplace<br/>A reparametrização não linear y = g(x) introduz o jacobiano |dx/dy|"]
Crisis --> R1["Resolução 1: Kolmogorov (1933)<br/>Axiomas da teoria da medida (Ω, F, P)"]
Crisis --> R2["Resolução 2: Jaynes (1973) e Geometria Integral<br/>Medida cinemática E(2)-invariante"]
Crisis --> R3["Resolução 3: Jeffreys (1946) e Geometria da Informação<br/>Elemento de volume de Fisher"]
R1 --> R1D["Sem especificar explicitamente a medida P, o problema é mal posto;<br/>cada mecanismo físico define um espaço de probabilidade distinto."]
R2 --> R2D["A invariância sob o grupo euclidiano E(2) seleciona de forma única<br/>a medida cinemática dμ = dp dφ (Método 2, P = 1/2, fórmula de Cauchy-Crofton)."]
R3 --> R3D["A distribuição a priori de Jeffreys p(θ) ∝ √det I(θ) ou a medida de Haar dx/x<br/>garante invariância exata sob reparametrizações."]
4.1 Axiomatização na teoria da medida de Kolmogorov $(\Omega, \mathcal{F}, \mathbb{P})$ (1933)
Em 1933, Andrei Kolmogorov estabeleceu que todo problema probabilístico exige definir explicitamente a tripla $(\Omega, \mathcal{F}, \mathbb{P})$. Sem especificar a medida de probabilidade $\mathbb{P}$, pedir a probabilidade de uma corda «ao acaso» é matematicamente mal posto.
4.2 Invariância por grupos de transformação de E. T. Jaynes (1973) e geometria integral
Em “The Well-Posed Problem” (1973), o físico Edwin T. Jaynes demonstrou que ao lançar canudos longos sobre um círculo desenhado no chão, a medida $h(p, \phi)\,dp\,d\phi$ das retas $x\cos\phi + y\sin\phi = p$ deve ser invariante sob:
- Rotações $SO(2)$: $h(p, \phi) = g(p)/(2\pi)$;
- Mudanças de escala (restrição a um subcírculo concêntrico de raio $a < 1$);
- Translações $\mathbb{R}^2$ (grupo euclidiano de movimentos rígidos $E(2) = \mathbb{R}^2 \rtimes O(2)$): ao transladar a origem por $(x_0, y_0)$, tem-se $p' = p - x_0\cos\phi - y_0\sin\phi$ e $\phi' = \phi$, cujo determinante jacobiano é identicamente $1$: $$J = \det\frac{\partial(p', \phi')}{\partial(p, \phi)} = \det\begin{pmatrix} 1 & x_0\sin\phi - y_0\cos\phi \\ 0 & 1 \end{pmatrix} = 1$$ A invariância translacional $g(p') = g(p)$ impõe de forma única $g(p) = \text{const.}$
Esta é a medida cinemática de Poincaré–Santaló da geometria integral:
$$d\mu(L) = dp\,d\phi$$Pela fórmula de Cauchy–Crofton (que também rege a agulha de Buffon), a medida das retas que interceptam um corpo convexo $K \subset \mathbb{R}^2$ é igual ao seu perímetro $\text{Perimeter}(\partial K)$. A razão entre o perímetro do círculo inscrito ($\pi$) e do círculo unitário ($2\pi$) fornece imediatamente o Método 2 ($P = 1/2$).
4.3 Distribuição a priori de Jeffreys (1946)
Na inferência bayesiana, Harold Jeffreys (1946) utilizou a raiz quadrada do determinante da matriz de informação de Fisher $I_{ij}(\theta) = -\mathbb{E}\left[\frac{\partial^2 \ln p(X\mid\theta)}{\partial\theta_i\partial\theta_j}\right]$:
$$p_J(\theta) \propto \sqrt{\det I(\theta)}$$Para o paradoxo do vinho e da água, a medida de Haar do grupo multiplicativo $(\mathbb{R}_{>0}, \times)$, $d\mu(x) = \frac{dx}{x}$ com densidade $f(x) = \frac{1}{2\ln 3 \cdot x}$ em $[1/3, 3]$, é invariante sob $y = 1/x$, fornecendo uma mediana consistente $x_{\text{med}} = y_{\text{med}} = 1$.
5. Simulação de Monte Carlo em Python
| |