O Problema que Enganou 10 000 Matemáticos

Em 1990, a jornalista Marilyn vos Savant publicou numa coluna de revista a resposta a um problema de lógica. Em poucos dias, recebeu mais de 10 000 cartas de leitores a dizer que estava errada. Muitos eram professores de matemática e doutores em estatística. Estavam todos enganados — e ela estava certa.

O problema ficou conhecido como o Problema de Monty Hall, inspirado num programa de televisão americano chamado Let's Make a Deal. Era assim:

Estás num concurso televisivo. À tua frente há três portas. Atrás de uma delas está um carro. Atrás das outras duas há cabras. Escolhes a Porta 1. O apresentador — que sabe onde está o carro — abre a Porta 3 e mostra uma cabra. Agora pergunta: queres ficar com a Porta 1 ou trocar para a Porta 2?

Antes de continuar, decide: trocar ou não trocar?

A maioria das pessoas diz: "Tanto faz, são 50/50." Os 10 000 matemáticos disseram o mesmo. A Marilyn disse: troca sempre — tens o dobro das hipóteses de ganhar. E estava correta.

Porquê? Isso vamos descobrir — mas primeiro precisamos de perceber como funciona a probabilidade.

Probabilidade Teórica

A probabilidade de um evento é um número entre 0 e 1 que mede a nossa expectativa de que esse evento ocorra.

P (A) = \frac{n u ˊ mero de casos favor a ˊ veis}{n u ˊ mero de casos poss ı ˊ veis}

P = 0 → impossível
P = 1 → certo
P = 0,5 → igualmente provável que ocorra ou não

Exemplo: Um dado justo tem 6 faces. A probabilidade de sair o número 4:

P (4) = \frac{1}{6} \approx 0, 167 = 16, 7%

O espaço amostral é o conjunto de todos os resultados possíveis. Para um dado: 6.

Probabilidade Experimental

A probabilidade teórica é o que esperamos. A probabilidade experimental é o que observamos em experiências reais:

P_{exp} (A) = \frac{n u ˊ mero de vezes que A ocorreu}{n u ˊ mero total de experi e ˆ ncias}

Se lançarmos um dado 60 vezes e o 4 sair 11 vezes:

P_{exp} (4) = \frac{11}{60} \approx 0, 183

Isso é ligeiramente diferente de 1/6 ≈ 0,167. Porquê? Porque numa amostra pequena, o acaso cria variação.

A Lei dos Grandes Números

Com o tempo, quanto mais experiências fizermos, mais a frequência experimental se aproxima da probabilidade teórica. Isto chama-se Lei dos Grandes Números (não confundir com "a sorte muda" — cada lançamento é sempre independente dos anteriores).

Usa a simulação acima: lança o dado 10 vezes, depois 100, depois 1000. Observa como as barras convergem para 1/6.

🔬O erro do jogador

Um dos erros de raciocínio mais comuns em probabilidade: "Saiu cara 5 vezes seguidas, por isso a próxima tem de ser coroa!" Não. Cada lançamento é independente. A moeda não tem memória. As probabilidades são sempre 50/50, independentemente do histórico.

Eventos Complementares

Se a probabilidade de algo acontecer é P(A), a probabilidade de não acontecer é:

P (\overset{ˉ}{A}) = 1 - P (A)

Exemplo: Qual a probabilidade de não sair 6 num dado?

P (\overset{ˉ}{6}) = 1 - \frac{1}{6} = \frac{5}{6}

Útil quando calcular o evento diretamente é difícil: calcula o complemento e subtrai de 1.

Problema: Qual a probabilidade de, em dois lançamentos de uma moeda, sair pelo menos uma cara?

Complemento: nenhuma cara = (coroa, coroa) → probabilidade = 1/4.

P (pelo menos uma cara) = 1 - \frac{1}{4} = \frac{3}{4}

Resumo

Probabilidade teórica: casos favoráveis ÷ casos possíveis.
Probabilidade experimental: frequência relativa observada em experiências.
A Lei dos Grandes Números garante que a probabilidade experimental converge para a teórica com muitas repetições.
Em eventos compostos, o espaço amostral cresce multiplicativamente.
A probabilidade complementar P(Ā) = 1 − P(A) simplifica muitos cálculos.

ℹPróximo tópico