Introdução: Por que alguns golpes de sorte no início se cristalizam em desigualdades irreversíveis?
Dois vídeos ou padrões de qualidade idêntica são lançados no mesmo instante: graças a uma pequena vantagem aleatória inicial, um deles se amplifica por retroalimentação positiva até dominar o mercado (efeito Mateus), enquanto o outro cai no esquecimento. Contudo, a Lei Forte dos Grandes Números (SLLN) ensina o oposto: em ensaios independentes (i.i.d.) como lançar uma moeda, as flutuações iniciais são diluídas quando \(n \to \infty\) e a proporção converge quase certamente para a constante \(p\).
Muitos processos reais são processos estocásticos reforçados nos quais a ocorrência de um evento aumenta a probabilidade de ele se repetir. Em 1923, George Pólya e Florian Eggenberger formularam o modelo da urna de Pólya, revelando dois paradoxos:
- Primeiro paradoxo (Permutabilidade): Embora a urna mude a cada passo, \(\mathbb{P}(I_n = 1) = \frac{r}{r+b}\) permanece constante para todo \(n\), e a probabilidade de qualquer sequência depende apenas do total de bolas vermelhas e azuis, independentemente da ordem (permutabilidade).
- Segundo paradoxo (Limite aleatório): Quando \(n \to \infty\), a proporção vermelha \(X_n\) converge quase certamente para uma variável aleatória \(X_\infty \sim \mathrm{Beta}(r, b)\). Para \(r=1, b=1\), o limite segue a distribuição uniforme \(\mathrm{Uniform}(0, 1)\) em \([0, 1]\)!
Capítulo 1: Três universos de urnas — Esgotamento, ausência de memória e reforço de Pólya
Em \(n = 0\), uma urna contém \(R_0 = r\) bolas vermelhas e \(B_0 = b\) azuis (\(N_0 = r + b\)). Em cada passo sorteamos uma bola e a devolvemos com \(c\) bolas da mesma cor: 1. Sem reposição (\(c = -1\)) (retroalimentação negativa, hipergeométrica), 2. Com reposição (\(c = 0\)) (sem memória i.i.d. \(\mathrm{Binomial}(n, \frac{r}{r+b})\)), 3. Urna de Pólya (\(c = +1\)) (retroalimentação positiva: bola sorteada mais \(1\) bola da mesma cor).
flowchart TD
Start["Início (n = 0): Vermelhas r, Azuis b, X₀ = r/(r+b)"]
Draw["Passo n+1: Sortear 1 bola, P(Iₙ₊₁ = 1 | Fₙ) = Xₙ"]
BranchW["1. Sem reposição (c = -1)"]
BranchB["2. Com reposição (c = 0)"]
BranchP["3. Urna de Polya (c = +1)"]
LimW["Termina em n = r+b com r/(r+b)"]
LimB["SLLN: Xₙ → r/(r+b) q.c."]
LimP["Doob: Xₙ → X_∞ ~ Beta(r, b) q.c."]
Start --> Draw
Draw --> BranchW --> LimW
Draw --> BranchB --> LimB
Draw --> BranchP --> LimP
Com \(I_n \in \{0, 1\}\) e \(S_n = \sum_{k=1}^n I_k\), temos \(R_n = r + S_n\) e \(N_n = r + b + n\):
\[X_n := \frac{R_n}{N_n} = \frac{r + S_n}{r + b + n}, \qquad \mathbb{P}(I_{n+1} = 1 \mid \mathcal{F}_n) = X_n, \qquad |X_{n+1} - X_n| \le \frac{1}{r + b + n + 1}\]| Característica | 1. Sem reposição (\(c = -1\)) | 2. Com reposição (\(c = 0\)) | 3. Urna de Pólya (\(c = +1\)) |
|---|---|---|---|
| Retroalimentação | Negativa (esgotamento) | Nula (sem memória) | Positiva (autorreforço) |
| Dependência | Correlação negativa | Independente (i.i.d.) | Infinitamente permutável |
| Distribuição \(S_n\) | \(\mathrm{Hypergeom}(N_0, r, n)\) | \(\mathrm{Binomial}(n, \frac{r}{r+b})\) | \(\mathrm{BetaBinom}(n, r, b)\) |
| Limite \(X_\infty\) | Constante \(\frac{r}{r+b}\) | Constante \(\frac{r}{r+b}\) q.c. | Variável \(X_\infty \sim \mathrm{Beta}(r, b)\) q.c. |
Capítulo 2: Permutabilidade e distribuição Beta-Binomial
Para qualquer sequência \((i_1, \dots, i_n) \in \{0, 1\}^n\) com \(k = \sum_{j=1}^n i_j\) vermelhas, o produto dos denominadores é \((r+b)^{(n)}\) e o dos numeradores é comutativamente \(r^{(k)} b^{(n-k)}\):
\[\mathbb{P}(I_1 = i_1, \dots, I_n = i_n) = \frac{r^{(k)} \, b^{(n-k)}}{(r+b)^{(n)}}, \qquad \mathbb{P}(S_n = k) = \binom{n}{k} \frac{\mathrm{B}(r+k, \, b+n-k)}{\mathrm{B}(r, \, b)}\]Para \(r = 1, b = 1\), os fatoriais se cancelam gerando a distribuição uniforme discreta \(\mathbb{P}(S_n = k) = \frac{1}{n + 1}\) (\(k = 0, 1, \dots, n\)).
Capítulo 3: Martingale de Doob e limite \(\mathrm{Beta}(r,b)\)
Como \(\mathbb{E}[R_{n+1} \mid \mathcal{F}_n] = R_n + X_n = (N_n + 1)X_n\), a proporção \(X_n\) é um martingale limitado em \([0, 1]\):
\[\mathbb{E}[X_{n+1} \mid \mathcal{F}_n] = \frac{R_n + \mathbb{E}[I_{n+1} \mid \mathcal{F}_n]}{N_n + 1} = \frac{(N_n + 1) X_n}{N_n + 1} = X_n\]Pelo teorema de convergência de martingales de Doob, \(X_n \xrightarrow{\text{q.c.}} X_\infty\). A assintótica \(\frac{\Gamma(z+\alpha)}{\Gamma(z+\beta)} \sim z^{\alpha-\beta}\) para \(k = \lfloor np \rfloor\) prova que \(X_\infty\) segue a distribuição Beta \(\mathrm{Beta}(r, b)\):
\[\boxed{f_{X_\infty}(p) = \frac{\Gamma(r+b)}{\Gamma(r)\Gamma(b)} \, p^{r-1} (1-p)^{b-1} \quad (0 < p < 1), \qquad \mathbb{E}[X_\infty] = \frac{r}{r+b}, \qquad \mathrm{Var}(X_\infty) = \frac{rb}{(r+b)^2(r+b+1)} > 0}\]Capítulo 4: Teorema de de Finetti, transições não lineares e aplicações
- Teorema de representação de de Finetti (1931): Toda sequência infinitamente permutável é uma mistura de ensaios de Bernoulli i.i.d. com distribuição a priori \(\mathrm{Beta}(r,b)\): \(\mathbb{P}(I_1 = i_1, \dots, I_n = i_n) = \int_0^1 p^k (1-p)^{n-k} \, \frac{\Gamma(r+b)}{\Gamma(r)\Gamma(b)} p^{r-1}(1-p)^{b-1} \, dp\)
- Urnas não lineares (\(f(x) = \frac{x^\gamma}{x^\gamma + (1-x)^\gamma}\)): \(X_{n+1} - X_n = \frac{1}{N_n+1}[(f(X_n)-X_n) + \xi_{n+1}]\) produz três regimes:
flowchart TD
Root["Urna não linear: f(x) = x^γ / (x^γ + (1-x)^γ)"]
Sub["1. Sublinear (0 < γ < 1)"]
Lin["2. Linear (γ = 1): g(x) ≡ 0"]
Sup["3. Superlinear (γ > 1)"]
ResSub["Coexistência: Xₙ → 1/2 q.c."]
ResLin["Dependência de trajetória: Xₙ → Beta(r, b) q.c."]
ResSup["Winner-Take-All: P(X_∞ ∈ {0, 1}) = 1"]
Root --> Sub --> ResSub
Root --> Lin --> ResLin
Root --> Sup --> ResSup
- Aplicações e limites: W. Brian Arthur (1989) explica o lock-in (\(\gamma > 1\), QWERTY, VHS); a ligação preferencial (Yule–Simon / Barabási–Albert) gera \(P(k) \sim k^{-(2 + \frac{1}{1-\alpha})}\); amostrar novas cores (\(\theta > 0\), \(H_0\)) converge para o processo de Dirichlet \(\mathrm{DP}(\theta, H_0)\) (CRP); MusicLab (Salganik et al. 2006) valida esses efeitos sob quatro limites: aptidão \(\eta_i\), saturação, memória e rede.