Paradoxos on kenji.blog

Quando as palavras descrevem a si mesmas: O Paradoxo de Grelling-Nelson

Thu, 10 Sep 2026 21:00:00 +0900

As palavras são ferramentas para descrever o mundo, mas quando tentamos usá-las para descrever as próprias palavras, a lógica pode cair em armadilhas inesperadas.

Criado em 1908 por Kurt Grelling e Leonard Nelson, o “Paradoxo de Grelling-Nelson” é um famoso paradoxo semântico que expõe exatamente os limites de quando “as palavras definem as palavras”.

Classificando as palavras em dois grupos

Grelling e Nelson propuseram que todos os adjetivos (palavras) podem ser classificados nos dois grupos a seguir:

Autológicas (Autological): A palavra em si possui a propriedade que ela mesma significa.
Heterológicas (Heterological): A palavra em si não possui a propriedade que ela mesma significa.

Vejamos alguns exemplos

Exemplos de palavras autológicas:

“Curto” (short): Esta própria palavra é curta.
“Inglês” (English): Esta própria palavra é inglês.
“Substantivo” (noun): Esta palavra é um substantivo.
“Pentassilábico” (pentasyllabic): Em inglês, “pen-ta-syl-lab-ic” possui 5 sílabas.

Exemplos de palavras heterológicas:

“Longo” (long): Esta palavra em si é curta e não longa.
“Alemão” (German): Esta palavra está em português (ou inglês) e não é alemão.
“Invisível” (invisible): Esta palavra é claramente visível agora na tela ou no papel.

Até aqui parece um mero jogo de palavras. Afinal, todas as palavras devem necessariamente ser classificadas entre aquelas que encarnam o seu próprio significado e as que não o fazem.

A pergunta fatal: O surgimento do paradoxo

Agora, aqui começa o paradoxo. Vamos refletir sobre a seguinte palavra.

A própria palavra “heterológica” (Heterological) é autológica ou heterológica?

Para essa pergunta, depararemo-nos com uma contradição independentemente da resposta que escolhermos.

Caso 1: Supor que “heterológica” é autológica

Se a palavra “heterológica” for “autológica”, por definição, “ela possui a propriedade que ela mesma significa”. Porém, o significado desta palavra é ser “heterológica”. Ou seja, ter a propriedade de ser “heterológica” significa que ela é “heterológica”. Supusemos que fosse autológica, mas o resultado foi que ela é heterológica. (Contradição)

Caso 2: Supor que “heterológica” é heterológica

Se a palavra “heterológica” for “heterológica”, por definição, “ela não possui a propriedade que ela mesma significa”. Como o significado desta palavra é “heterológica”, não ter essa propriedade significa que ela é “autológica”. Supusemos que fosse heterológica, mas o resultado foi que ela é autológica. (Contradição)

Independentemente do caminho escolhido, a lógica entra em colapso.

graph TD A["Palavra 'Heterológica' (Heterological)"] --> B{"Em qual é classificada?"} B -->|É autológica| C["Definição: Possui a propriedade do seu próprio significado"] C --> D["Seu significado é 'heterológica'"] D --> E["Resultado: É heterológica!"] E -->|Contradição| B B -->|É heterológica| F["Definição: Não possui a propriedade do seu próprio significado"] F --> G["Seu significado é 'heterológica'"] G --> H["Resultado: É autológica!"] H -->|Contradição| B style A fill:#4CAF50,stroke:#333,stroke-width:2px,color:#fff style B fill:#FF9800,stroke:#333,stroke-width:2px,color:#fff style E fill:#F44336,stroke:#333,stroke-width:2px,color:#fff style H fill:#F44336,stroke:#333,stroke-width:2px,color:#fff

Conexão com a Matemática e a Lógica: Um parente do Paradoxo de Russell

Este paradoxo não é um simples erro de cálculo ou ilusão como o “enigma do dólar desaparecido”. Ele possui essencialmente a mesma estrutura do Paradoxo de Russell (“O conjunto de todos os conjuntos que não contêm a si mesmos contém a si mesmo?”), que abalou os fundamentos da matemática.

O paradoxo de Grelling-Nelson pode ser considerado a versão semântica (do significado das palavras) do paradoxo de Russell.

O Paradoxo de Russell na Teoria dos Conjuntos:

$$ R = \{ x \mid x \notin x \} $$

Ao definir tal conjunto, questionar se $R \in R$ ou $R \notin R$ resulta em uma contradição.

O Paradoxo de Grelling-Nelson na Semântica: Quando definimos $Het(x)$ como “a palavra $x$ não possui a propriedade $x$ (é heterológica)”,

$$ Het(\text{"Het"}) \iff \neg Het(\text{"Het"}) $$

caímos em uma contradição lógica.

Por que este paradoxo é importante?

Quando a linguagem se refere a si própria (autorreferência), existe sempre o perigo oculto de ocorrer um erro semelhante a um loop infinito.

Este não é um problema exclusivo da filosofia ou da linguística. No campo da ciência da computação e da inteligência artificial, enfrentamos barreiras lógicas semelhantes quando um programa tenta avaliar ou modificar o seu próprio código, ou quando modelos de processamento de linguagem natural tentam interpretar contradições de significado.

O paradoxo de Grelling-Nelson é um experimento mental que visualiza de forma brilhante os “bugs” (limites) inerentes ao próprio sistema da “linguagem”.

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.