2 QUE E PROBABILIDADE? RUDOLF CARNAP Os capitulos deste livro, sobre questées fun- damentais da ciéncia, dao-nos uma imagem esclarecedora da maneira como trabalham (05 cientistas. Ninguém que leia tais capitulos poder deixar de ficar impressionado com a grande importincia que tém para a ciéncia as hipéteses — as ousadas conjeturas, escas- samente respaldadas em provas, que entram nna elaboragio de novas teorias. A questic aque gostaria de levantar aqui é a seguinte: Sera possivel tornar mais preciso o método de per- quirigo cientifica? Poderemos aprender a jut- {gar as hipéteses, a pesar o grau em que encon- tram apoio em provas cxistentes, como um pesquisador julga e avatia seus dados? ‘A questo descamba de imediato para o do- minio da ciéncia das probabilidades. Se inda- garmos dos cientistas o significado desse ter mo, descobriremos uma situagao curiosa. Qua- se todos dirio que a probabilidade, aplicada ciéncia, tem apenas um significado, mas quan- do perguntanios qual é cle, obtemos varias respostas. A niaioria dos ciemtistas defini como probabilidade estatistica, que quer d et a fiequéncia relativa de determinada es- pécie de eventos ou fendmenos dentro de uma classe de fendmenos. denominada geralmente “populagio". Por exemplo, quando um esta- tico afirma que @ probabilidade de que uma pessoa nascida nos Estados Unidos tenha san- ftue do tipo A é de 4/10, quer dizer que 4 em 19 pessoas possuem este’ tipo. Este significado 4, probabilidade tornou-se de uso quase pa- dronizado na ciéncia, Encontraremos, todavia, alguns cientistas que definem a probabilidade de’ outra mancira, Eles preferem empregar 0 termo no sentido mais chegado 20 uso diario, ‘no qual significa uma medigio, bascada nas Provas disponiveis, das chances’ ou probabili- dades de que alguma coisa seja verdade, como ‘no caso de um juri que decide que o réu é “pro- vayelmente” eulpado, ou de um metcorolo- Per. Hype” "9 PEafauens MEME 92 Com Perpdcéw' TO” +, 1493 Naf CES &. Revs, RI gista que preveja chuva para o dia seguinte. Esta espécie de probabilidade equivale a uma avaliagao da intensidade da evidéncia. Sua expresso numérica tem uma significagéo muito diferente da que s€ refere & probabilidade es- tatistica: se 0 meteorologistz se aventurasse a afirmar que @ probabilidade de chuva para © dia seguinie era de 4/10, nao estaria descre- vendo um fato estatistico, mas simplesmente afirmando que, se apostéssemos que iria cho- ver no dia scguinte, convitia fazé-lo com base na proporcao de 4 para 6, Este conceito denomina-se_probabilidade indutiva. Um cientista faz 0 julgamento das probabilidades, consciente ox inconsciente- mente, sempre que pianeja um experimento, Geralmente a probabilidade atribuida & sta hipdtese € express ndo em niimeros, mas em termos comparativos, isto é, diz-se que a pro- babilidade & grande 'ou pequena, ou determi- nada probabilidede é considerada maior que outra. Para alguns de nés, parece que a proba bilidade indutiva poderia ser refinada © con- ida em um instrumento mais preciso para a ciéncia. Dadas uma hipdtese ¢ certa prova, € possivel determinar. pela analise l6gica ¢ 0 céleulo matemético, a probabilidade de que ‘a hipétese soja verdadcira, ou 0 “grau de con- firmagio” ‘Se dispuséssemos de um sistema lutiva em forma matemética, nos- nos negécios ¢ na vida didria, que geralmente fazemos por “intuigdo” ou “instinto”, ‘pode riam ser tornadas mais exatas e racionais. Dei ‘5 primeiros passos na elaboragdo de um sis- tema assim, com base nas descobertas de ou- twos pesquisadores neste setor e nas ferramen- tas exatas da moderna logica simbdlica. Antes de entrar na andlise deste sistema, quero pas sar breve revista & histéria do conceito induti- v0 de probabilidade.20 PARTE 1 ® AANALISE DA INCERTEZA: PROBABILIDADE 05 METODOS DE PRORABILIDADE INDUTIVOS 250 Tustrades per um exemplo tabulade acina, Quatro bolas ‘Je uma urns, consecutiamente. Elat joe go¢ tuda, ss algumas sig siuls © s Nada te sabe, contuds, quanto & proper. lo-dé bolas atuls para bolas brancas na uins, Prine Gucremor decir sobe ay probablidades leis no ex Berimento. =~ as probebildades antes de ser tas. 9 ‘rimeice Sola. Arcolsmos (na eoluna “DitribuigGes Ind. idvale") todas as maneirag possvels dos tesllados des. 2 relirada. Aplicamon, enlS0, © principio da Initerenca, Segundo 0 qual, se 8 hformacio disponivel nada encerrs 3 favor de ma possBalsade' om relapse. 2 outa, Todas fe possiblidader, domem ser considsradas igusimente provivels. Ha duas manelrar de aplicar principio. 20 Bresente exemple. A primeira acha-to iustrada na colune "Aélodo 1". Como exslem 16 casos porsiels, avidinds 2 probabilidade igualmente por eles, obtemos para coda ‘probabiisade de 16. Mos hd oulra manevs de ‘qvadro, fm rez de lavar em conta 2 ordem © (que salar as botes aula’ gs bolas brancat, podemoe Soncentrarnos apenas nos numeros folate de ayuis © de gegmuetss | oemeugege wero: ver0on “TB [anteoe (Sree esreane | amauats 1 4 ° t . £@G08 we us H vs | 2 Bee&O me a0 = 9700 - : 1 2 @@O ne vs vane = 460 | ~@0eH| ™ vine = 20 {| «O@@®e we vie = 100 fl s @@O00 ne va0 = 2160 > @OC ine ae = 200 ; »@00@ ne vio = 310 » O8GO we » O08 ms vva0 = 2740 ll. 0o0@@ 6 a0 = 2000 ff» @00G 6 »O@OC] »™ v= » OO 1 v0 = 3/00 | « COO®@ wns va = a0 sale sf} ew OCOO ine vs} branes numa sbrie oe reliadas — todas ani, és aris c'uma branca,¢ asim por diante, Taso classed 0 quadro sn MoiciuigSaEsaltcn gue 26 tam dead fon colchetee a exquerdo. Exrtem cinco aistbuigdas Stalticen, Se vamon'aplicar a elae 9 principio da ind ferenga, Cuda qual fem ema probapllidade de 15, como se rl sa primeira coluna do "Método 2". Ora, 3¢ dist Beigbes itdiisunts dentro de cade dicvibuigio estat lice aio probebildades atiburdas, determinadss, do mes fo modo, pol. Bincipia da inaerenga, A prielra dis- Mbuigse “esttitica, (quatro azuis) postu apenat “um Imombro, ¢ recebe, assim, 0 tolal de. probablidedes itribut, ou M1, eomo se ve na segunda coluna do “ia (odo 2A segunda disibuiggo evtalsticn (Wes szuls © ton bronce) tom quatra membros, © assim. probably ‘polos quatro, 120, sae senomnadr nine ma {seilar sua. comparagie.¢ com Superior 99 "Matodo 1", poraut Sidbui probetildades # eventos futures, com bast. n> fteaéncia de sus ocorréncla ante.A teoria dss _probabilidades cient meson, por assim dizer, com © conceite indu- tivo, e' no com a conceituagao estatistica, Seu estudo (eve inicio no séeulo XVI, promovido por ceftos matematicos, solicitados por ami- gos Jogsdores determina as probabiliades je Varios jogos de azar. O primeiro tratado sobre probabilidades, realmente de peso, es- Grito pelo professor suigo Jacob Bernouilli, e dado 2 lume postumamente, em 1713, foi de- ntominado Ars Conjectandi ("A arte ‘de con- jeturar") — em outras palavras, a arte de jul- iar hipdteses com base nas proves. Q petiodo lissico do estudo da probabilidade culminou nna grande obra de 1812, Théorie analytique des probabitités, do astiénomo ¢ mateinético francés Pierre Laplace. Declarou ele que 0 ob- jetivo da teoria das probabilidades era orien- tar nossos julgamentos © proteger-nas contra as ilusbes, ¢ sua preocupagéo essencial nao dizia respeito a estatistica, mas a0s métodos de avaliagio da accitabilidade dos pressupostos.. Mas, apés os meados do século XIX, a pa- lavra_probabilidade comegou a adquirit novo significado, e os cientistas passaram a inclinar- se cada vez mais para o conccito estatistico Na década dos 20, neste século, Robert Aylmer Fischer, na Inglaterra, Richard von Mises ¢ Hans Reichenbach, na'Alemanha (ambos mor- Teram com tma diferenga de meses), além de ‘outros, deram os primeiros passos no sentido do desenvolvimento de novas teorias de pro- dabilidades, baseadas na interprotagio esta~ tistica. Foi-Ihes possivel aproveitar muitos dos teoremas miatematicos da. probabilidade clés sica, que se aplicam igualmente bem & probs- bilidade estatistiea. Mas tiveram de_rejeitar alguris. Um dos prinefpios por eles rejcitados, denominado priceipio da indiferenga, assinala flagrantemente a distingdo entre probabilidade indutiva © probabilidade estatstica. Suponhamos que nos mostrem um dado ¢ nos informem simplesmente que é um cubo segular. Sem mais informagies aléma dessa, 36 podemos presumir que, ao ser 0 dado lan- gado, qualquer de suas seis faces terd a mes- na probabilidade, de cair para cima; em ot tras palavras, cada face tem a mesma proba- bilidade de 1/6. 1350 ilustra o principio da in- Giferenga, segundo 0 qual, se 0s indicios no cencetram’ nada que possa’ favorecer determi- nado evento possivel em relagio 2 outro, 0s eventos tém a mesma probabilidade, relativa~ ‘mente a tais indicios. Um segundo observador, porém, poderé dispor de indicios suplemen- tares: 0 dado esta com uma das faces chum- bada, embora ignore qual seja_procisamente essa face. As probabilidades ainda so as mes- CARNAP * QUE E PROBABILIDADE? 21 mas para éle, porque, dentro dos limites do que sabe, cada uma das seis faces tem igual possibilidade de estar chumbada. Por outro lado, para um terceiro observador, que saiba que a face chumbada & a de mimero L, as pro- babilidades se modificam; com base na infor- magio de que dispde, a probabilidade de sair ‘[Link]é maior do que 116. Esta probabilidade indutiva depende do observador ¢ da informagio a seu dispor, ndo € simplesmente uma propriedade do objeto em si. Na probabilidade estatistica, que diz sespeito A freqiiéncia efetiva de um evento, 0 principio da indiferenca é, claro esté, absurdo. Nao seria aconselhavel, para um observador que apenas soubesse que um dado tinh as dimensbes exatas de um cubo, afirmar que as seis faces sairiam com igual freqiiénei: soubesse que o dado estava vi de um lado, entraria em contradigao com o seu préprio conhecimento. A probabilidade indutiva, por outro lado, ndo prediz freq cis; € mais uma ferramenta para avalia dicias em relagio a uma hipdtese, Tanto o eonceito estatistico como 0 conceito indutivo de probabilidade io indispensiveis & ciéncia; cada qual (em fungdes valiosas a desempenha Mas & importante reconhecer as distingdes centre os dois conceitos, € desenvolver as pos sibifidades das dnas ferramentas. Nos tiltinos trinta anos, 0 conceito indutivo de probabilidade, que fora suplantado pelo conceito estatistico, tem sido reanimado por uns quantos pesquisadares. O primeiro foi © grande economista inglés John Maynard Key- nes. Em seu Treatise on Probability, em 1921, demonstrou como 0 conceito inidutivo € empre- gado implicitamente em todo @ nosso pensa- Mento acerca de eventos desconhecidos, na ciéncia como na vida didria, Contudo, a tenta~ aiva de Keynes no sentido de desenvalver este conceito foi excessivamente restrita: ele julga impossivel calcular as probabilidades numé- ricas, salvo em situagoes bem definidas, como © langamento de dados, as distrituigdes de cartas possiveis, e outras semelhantes. E ainda mais, fejeitou o conceito estatistico de proba- bilidade, sob a alegagio de que as afirmagoes sobre probabilidade poderiam ser formuladas ‘em termos de probabilidade indutiva, Creio que estava enganado neste seu ponto de vista. Hoje em dia, um mimero cada ver maior de estudiosos de ambos os partidos da controvérsia, que se vem desenrolando hi 30 anos, esti: egando & concluséo de que, no 50, Como muilas vezes tem sucedido na histd- ria do pensamento cientifico, ambos os lados22 PARTE 1 * AANALISE DA INCERTEZA: PROBABILIDADE esto certos nas suas teses positivas, e errados fem suas observagdes polémicas. © conceito estatistico, para o qual existe uma teoria ma- tematica consideravelmente elaborada, ¢ que tem sido aplicado proficuamente em’ muitos ‘campos da cigncia ¢ da indiistria, ado tem que ser abandonado para dar lugar ao conceito in- dutivo. A probabilidade estatistica caracteriza uma situagio objetiva, isto é, estado de um sistema fisico, biolégico ou social, Por outro lado, a probabilidade indutiva, como 2 enten- do, nfo ocorre em assertivas ‘cientificas, mas apenas nos julgamentos sdbre tais assertivas. Assim, & aplicada na metodologia da ciéncia — aanilise de conceitos, proposicées ¢ teorias. Em 1939, 0 geofisico inglés Harold Jeffreys apresentou uma teoria de probabilidade indu- tiva muito mais completa do que a de Keynes. Ele concordava com 0 ponto de vista clissico, de que a probabilidade pode ser expressa nu- Imericamente em todos 05 casos. Além disso, desejava aplicar a probabilidade @ hipdteses quantitativas da ciéncia, tendo erigido um sis- tema axiomético para a probabilidade mais s6- lido que o de Keynes. Reviveu principio da indiferenca, numa forma que me parece de- masiado forte: “Se ndo ha razdo alguma para crer numa hipétese, de preferéncia a outras, as probabilidades sto iguais.” Pode ser facil mente demonstrado que tal proposigio leva a contradicdes. Suponhamos, por exemplo, que temos uma urna que sabemos estar cheia ‘de bolas azuis, vermelhas e amarelas, mas igno- ramos a proporeio de cada cor. Consideremos, como hipstese inicial, que a primeira bola a ser retirada da uma seja azul. De acordo com ‘© enunciado de Jeffreys (e de Laplace) do prin- cipio da indiferenca, se a questao reside em qual seja a primeira bola, se azul ou no-azul, temos que atribuir iguais probabilidades dues hipéteses; isto &, cada probabilidade & de 1/2. Se-a primeira bola nao & azul, pode ser vermetha ou amarela, e neste caso, também, nna falta de informagio sobre as proporgées realmente existentes na urna, essas duas tm iguais probabilidades, de modo que a proba- bilidade de cada uma & de 1/4, Mas se tivés semos de comecar pela hipdtese de que a pri meira bola tirada seria, digamos, vermelha, teriamos uma probabilidade de 1/2 para o ver~ melho. Assim, o sistema de Jeffreys, como se apresenta, € inconsistente. Ademais, Jeffreys uniu-se a Keynes na re- jeigdo do conceito estatistico de probabilidade Sem embargo, seu livro Theory of Probability Permanece valioso, pela nova luz que tanga em numerosos problemas estatistieos, a0 ana- lisi-los pela primeira vez, em termos de pro- babilidade indutiva, Apoiei-me no trabalho de Keynes Jeffreys, na estruturagio de minha teoria matemética da probabilidade indutiva, apresentada no li- vo. Logical Foundations ‘of Probability, pu- blicado em 1950. Nao é possivel delinear agui 6 sistema matemético propriamente dito. Mas explicarei certos problemas gerais, dos que ti- veram de ser solucionados, e algumas das con- cepgdes bisicas que fundamentaram a elabo- ragdo. Uma das questdes fundamentais a serem de- cididas € se aceitamos 0 principio da indife- renga, € nesse caso, em que forma, Ele teria de ser stficientemente s6lido para permitir a de- dugio dos teoremas desejados, mas, ao mesmo tempo, 1G restrito que evitasse as contradi- es resultantes da forma classica ‘© problema pode ser esclarecido por um exemplo, que ilustra alguns coneeitos elemen- tares da légica indutiva. Temos uma urna cheia de bolas amis e brancas, em proporgdes des- conhecidas. Vemos tirar quatro bolas suces- sivamente. Levando em conta a ordem, ha 16 retiradas possiveis (todas quatro azuis, as trés primeiras azuis e a quarta branca, a primeira branca € as trés seguintes azuis, © assim por diante). Arrolamos essas possibilidades qum quadro (ver fig. 9) Pois bem, qual é a probabilidade inicial, an- tes de termos tirado qualquer bola, de que nossa retirada correspondera @ qualquer uma dessas 16 distribuigoes? Poderiamos atribuir qualquer probabilidade as distribuigBes indivi- duais, contanto que juntas somassem 1. Supo ‘nhamos que aplicanios o prinefpio da indife- renga e dizemos que todas as distribuigées tém iguais probabilidades; isto & cada uma tem a probabilidade de 1/16, Formulemos uma hipétese especifica © cal culemos sua probabilidade. A hipétese & por exemplo, que, deptre as trés primeiras bolas que tiramos, $6 uma sera branea. Consultando © quadro, podemos ver que seis nos darao esse resultado, dentre as 16 retiradas posstveis, A probabilidade de nossa hipétese, portanto, é a soma dessas probabilidades iniciais, ou 6/16. Suponhamos agora que temos alguns indi- cigs, isto é, retiramos. algumas bolas, © nos pedem que calculemos a probabilidade de de~ termninada hipétese, com base nestes indicios. Por exemplo, tiramios primeiro uma bola azul, depois uma bola branca e, a seguir, uma bola fail, A hipétese & que a quarta bola sera azul; qual a sua probabilidade? Esbarramos aqui ‘na questo de como aplicar o principio da indi-ferenga. Experimentemos dois métodas dife- rentes, ‘No Método 1, comegamos por atribuis ipuais probabilidades "as distribuigdes —individuais. Consultando 0 quadro, vemos que duas dessas distribuigdes (Nos. 4 € 7) nos dario a seqiién- cia azo}, branca, azul, para as tres primeiras bolas. Siza probabilidade é, portanto, de 2/16. $6 em uma dessas distribuigbes a quarta bola € vermelha; sua probabilidade é de 1/16. A probabilidade de nossa hipétese, com base nos indicios, € obtida mediante a divisio de uma ia outra: isto é, 1/16 divididos por 2/16, que € igual a 1/2. Em outras palavras, as probat Jidades de que nossa hipotese esteja certa & de 50/50; a quarta bola tem @ mesma probabi- Jidade de’ser branca ou azul, Como orientagio no julgamento de uma potese, todavia, este resultado contradiz 0 prin- cipio da aprendizagem pela experiencia. Em igualdade de outros fatores, deveriamos consi- derar um evento mais provével do que outro, se tivesse ocorrido anteriormente com mais Freqiéncia, Considerariamos desarrazoads a pessoa cuja expectativa de um acontecimento futuro aumentasse quanto menos tivesse visto esse acontecimento suceder_precedentemente. ‘Temas que nos atientar pelo nossa conheci- mento de eventos observados. e neste exemplo, © fato de que duas em trés boias tiradas de uma turna desconhecida eram azuis deveria induzir- tnos a expectativa de que as probabilidades iriam favorecer a retirada de uma quarta bola também azul, Contudo, alguns filésofos, inclu- sive Keynes, tém proposto 0 Método I, a des- peito de seu pecaditho légico. Existe um segundo método, que nos dé um resultado. mais razoavel. Primeiro, aplicamos © princfpio da indiferenga, no as distribuigdes individuais, mas 8s distribuigdes: estatisticas.. Isto é, consideramos apenas o nimero de bolas amis ¢ de bolas brancas obtido em uma reti- rada, independentemente da ordem. O quadro indica que ha cinco distribuigées estatisticas possiveis (quatro azuis, quatro brancas, trés aauis € uma branca, trés brancas ¢ uma’ azul, duas azuis ¢ duas brancas). Pelo principio da indiferenca, atribuimos iguais probabilidades a estas, € assim a probabilidade de cada uma é de 1/5. Distribuiinos este valor (expresso, por cconveniéncia aritmética, como 12/60) em partes iguais pelas distribuigdes individuais corres- pondentes (ver « dltima coluna da Fig. 9). Agora, as probabilidades das di CN. 7 sao de 3/60 ¢ 2/60, respectivamente, ¢ a probabilidade da hipotese baseada nos indi ios € de 3160 dividido por 5/60, ou 3/5. Em suma, a probabilidade de que a quarta bola seja CARNAP * QUEEPROBABILIDADE 23 azul nio é de 1/2, mias de 3/2, 0 que € mais consistente com o que a experiéncia, no caso a informagio que adquirinos, deveria levar-nos esperar. (© Método 2, assim como o Método 1, con- duz a contradigées, s€ aplicado de mancira ir- festrita. Quando empregado nos casos caracte- rizados por mais de uma diferenga de proprie dades (como a diferenga entre bolas azuis € bolas brancas em nosso exemplo), todas 25 di ferencas pertinentes terdo de ser especificadas. Assim restrito, este sistema, qve props em 1945, constitu’ 0 primeiro’ método indutivo consistente, a0 que sei, que logrou satistazer 0 principio da aprendizagem pela experiéncia. Desde entio, tenho descoherto que existem muitos outros. Nenkum deles parece tao sim- ples como 0 Método 2, mas alguns oferecem ‘outras vantagens. Tendo encontrado um método indutivo con- sistente e adequado, podemos empreender 0 desenvolvimento de um procedimento geral para calcular, com base na informagao dada, luma estimativa de um valor desconhecido de qualquer quantidade. Suponhamtos que a infor magio aponta certo mimero de valores poss veis para uma quartidade em dado momento, por exemplo, a quantidade de chuva amanhi, ‘© némero dé pessoas que comparecemn a uma reunitio, © prego do trigo apés a préxima co- Iheita. Sejam os valores possiveis x1, ¥2, %, eC © suas probabilidades indutivas, Pr. Pa» Po» et. Entio, px € 0 “valor esperado”, ou esperanca matematica, do primeiro caso no momento atual, pexs odo segundo caso, e assim por dian- te. 0 “valor total esperado da quantidade, 3 uz da informagio dada, é a soma dos valores esperados para todos os casos possiveis. Como exemplo especifico, suponhamos que hi qu to prémios numa loteria, um primeiro pr tnio de 200 ddlares e trés préiios de 50 dé- lares cada um, Sabe-se que a probabilidade de tum bilhete tirar o primeiro prémio € de 1/100, e de tirar 0 segundo prémio é de 3/100; a pro- babilidade de sair branco o bilhete é, portanto, de 96/100. Aplicando 0 método atima desetito, © portador de um bilhete podera calcular que © bilhete vale para de 1/100 multiplicado por 200 dotares, mais 3/100 multiplicado por 50 délares, mais 96/100 moltiplicado por 0, 0 que da 3,50 délares. Seria irracional pagar por ele mais do que isso. (© mesmo método pode ser empregado para se chegar a_uma decisio racional em determi. hada situagio, na qual seja preciso optar por uma dentre varias agdes. Por exemplo, um ho- ‘mem estuda diversos meios possiveis de inves- fir certa soma, Ele pode, em principio pelo24 PARTE 1 #A ANALISE DA INCERTEZA: PROBABILIDADE ‘menos, calcular a estimativa de seu lucro para cada um desses meios. Para agir racionalmente, deveria, entio, escolher a modalidade de in- vestimento para a qual 0 ganho estimado fosse maximo. Bernoulli, Laplace e seus seguidores cones beram uma’ teoria de probabilidade indutiva que, quando plenamente desenvolvida, forne- ceria 0 meios para a avaliagao da aceitabili- dade de pressupostos hipotéticos, em qualquer campo da pesquisa te6rica, e para a tomada racional de devises nas questées da vida dit ria, Eles estavam muito mais Yonge deste obje- tivo audacioso do que supunham. Na atmostera cultural mais sdbria do fim do século XIX e do inicio deste século, sua idéia foi rejeitada como utépica. Hale, porém, poucos ousam acreditar que tais pioneiros nao eram sienples- mente sonhadores.