Vitória Liu

Exploração matemática
O dilema do prisioneiro

Introdução
Aprendemos muitas teorias na aula de matemática. No entanto, muitas vezes não
conseguimos ver a bela tradução das equações para a vida real. Meu interesse pela ciência
humana me levou a explorar até que ponto, a teoria dos jogos nos ajuda a prever a tomada de
decisão humana e quão precisa ela é? Depois de assistir ao filme uma bela mente, em que
John Nash – um paciente de esquizofrenia – ganhou o prêmio Nobel por sua descoberta da
teoria dos jogos. Isso aumentou ainda mais minha paixão e entusiasmo para aprender sobre
sua prova e a filosofia. Este estudo aplica-se a uma variedade de campos, tais como ciências
sociais, negócios e ciência da computação.
Escolhi o clássico dilema do prisioneiro como tema de investigação. Será realizado
através da análise matemática do retorno esperado para cada jogador, em termos de sua
cooperação ou deserção. Estímulos do dilema do prisioneiro também serão realizados para
investigar se a análise teórica dos comportamentos humanos coincide com os dados
experimentais. Além disso, estou interessado em examinar a diferença na decisão ideal para
jogos de termo único em comparação com jogos repetidos.

Parte 2: Visão geral da teoria dos jogos e regra bayesiana de probabilidade

O objetivo central da teoria dos jogos é explorar a relação estratégica entre atores
racionais (Wallister, s.d.).
O ramo da probabilidade serve como base da teoria dos jogos, que explica a
probabilidade de um evento ocorrer entre 0-1. 0 significa impossibilidade e 1 é certeza. A
probabilidade de um indivíduo desertar pode ser calculada pelo teorema de Bayes que se
baseia na probabilidade condicional. A derivação da probabilidade condicional — a chance
de um evento ocorrer dada a ocorrência do outro evento — é mostrada abaixo:

A probabilidade do evento A dado evento B é

P( A ⋂ B)
P ( A ∣B )=
P(B)
P( A ⋂ B)
Da mesma forma, a probabilidade do evento B dado o evento A é P ( B ∣ A )=
P( A)
A reorganização da fórmula mostra que
P ( A ∣B ) P ( B )=P ( A ⋂ B )=P ( B ∣ A ) P( A)
Portanto
P ( A ∣B ) P ( B )=P ( B∣ A ) P (A )

Dividindo ambos os lados da equação com P(B), o teorema de Bayes é derivado

P ( B ∣ A ) P( A)
P ( A ∣B )=
P(B)

A derivação da lei da probabilidade total é pela primeira recordação

P ( A ⋂ B )=P ( A ∣ B ) P ( B )

Na suposição de uma série de eventos de B1, B2, ... Bk, a regra de multiplicação aplica-se que
P ( A ⋂ B1 )=P ( A ∣ B1 ) P ( B 1)
 P ( A ⋂ B2 )=P ( A ∣ B2 ) P ( B 2 )

Se o espaço amostral Ω for composto por eventos disjuntos B1, B2, ... Bk, P(A) é a soma de
cada partição do espaço.

Representação da lei total da

probabilidade

❑
∴ P ( A )=∑ P( A ⋂ B n)
n
Ou, alternativamente,
❑
P ( A )=∑ P ( A ∣ Bn ) P ( Bn )
n

Parte 3: O dilema do prisioneiro

Dois criminosos estão detidos separadamente pela polícia. A cada um é dito que

1) Se A e B se traírem, cada um deles cumpre dois anos de prisão.

2) Se A trai B, mas B permanece em silêncio, A é libertado e B cumpre três anos de prisão (e

vice-versa)

3) Se A e B permanecerem em silêncio, ambos cumprem um ano de prisão.

Parte 3. 1: Solução para o dilema do prisioneiro

O dilema do prisioneiro é um jogo não cooperativo que não depende de coalizões ou

pagamentos coletivos (Milovasky, 2013). O equilíbrio de Nash é a melhor resposta de um
indivíduo, independentemente da estratégia do outro jogador. Se um jogador for questionado
se mudaria sua decisão depois de ser informado da estratégia de seu oponente, a resposta
seria sempre não sob o equilíbrio de Nash. Isso se deve ao fato de que nenhum jogador pode
se beneficiar mais mudando unilateralmente sua estratégia (Osborne& Rubinstein, 1994).

Para ilustrar o dilema do prisioneiro, considere a tabela a seguir:

Matriz de pagamento do dilema do prisioneiro

Um B B fica em silêncio B trai

 A fica em silêncio -1 1 -3 0

Uma traição 0 -3 -2 -2

Em uma célula, a área à esquerda representa a recompensa de A. O direito representa a recompensa

de B.
Sob a suposição de que ambos os jogadores são racionais e não têm lealdade um pelo outro, o
equilíbrio de Nash estabelece que a melhor resposta para um indivíduo é sempre trair –
independentemente da estratégia de seu oponente. Isso se deve ao raciocínio:

1) Se B cooperar, A deve desertar. Isso lhe dá a oportunidade de ser livre, em vez de ficar 1
ano na cadeia.

2) Se B defeito, A também deve defeito. Neste caso, ele ficará 2 anos na cadeia, em vez de 3.

Portanto, a deserção mútua é o único equilíbrio forte de Nash.

A forma generalizada
A forma generalizada da ilustração do dilema do prisioneiro
Vermelh Cooperar Defeito Payoff representado por
o letras
R — Recompensa por
Azul cooperação mútua: 1 ano de
Coopera R T prisão
r P — Pena de deserção
R S mútua: 2 anos de prisão
Defeito S P S — Pagamento do "": 3
anos de prisão
T — Recompensa da
T P

Como 0 > - 1 > -2 > -3, o dilema do prisioneiro tem a seguinte recompensa:
T>R>P>S

A cooperação mútua (R) apresenta melhor retorno do que a deserção mútua (P). No entanto, a
recompensa da tentação ainda é melhor do que a cooperação mútua (T > R) e a deserção
mútua é melhor do que a recompensa do (P > S). Isso faz com que a deserção seja a opção
ideal para um indivíduo.

Parte 3. 2: Estimulação probabilística do dilema do prisioneiro

Uma estimulação do dilema do prisioneiro visa testar se as pessoas na vida real
realmente realizarão o equilíbrio de Nash na escolha da deserção.
Nesta investigação, são realizados 22 julgamentos de jogo de dilema de prisioneiro
único.
 Percentage of Cooperation or Defects
70
60
Percentage of decision (%) 50
40
30
20
10
0
at
e ct at
e ct
er fe er fe
op de
op de
co B co th
th e
+
B Bo
Bo at +
per ct
o fe
co de
A A
Decisions made by surveyed population

A porcentagem de jogador A ou B desertando pode ser calculada pela lei da probabilidade

total.

A probabilidade condicional P (defeitos A∣ defeitos B) refere-se à frequência do

evento A desertando entre todos os ensaios que B defeitos.
P(A defeitos) = P(A defeitos∣ B defeitos)×P(B defeitos) + P(A defeitos∣ B coopera)× P(B
coopera)

P (A defeitos) = 0,1666 × (0,1085+0,1667) + 0,1009 × (0,624+0,1009) = 0,1190=11,9%

Esses números são dados coletados do experimento.

Isso demonstra que a maioria da população opta por cooperar, o que é significativamente
diferente da opção ideal esperada de deserção.

Com Case de Conhecimento

Dois conjuntos de experimentos são realizados para testar a decisão do participante com
conhecimento da escolha de seu oponente.
Percentage of decision (%)

Participant's decision with Knowledge of the Opponent's Defection

90
80
70
60
50
40
30
20
10
0
Cooperate Defect
Decision made by Player A
 Percentage of decision (%) Participant's decision with Knowledge of the Opponent's Cooperation
90
80
70
60
50
40
30
20
10
0
Cooperate Defect
Decision made by Player A

Com base nos resultados, os participantes têm 54,7% mais probabilidade de desertar, quando
são informados de que seus oponentes desertariam. Da mesma forma, eles têm 7,57% de
probabilidade de cooperar quando seu oponente coopera. A diferença não é tão significativa
quanto o defeito, já que 70,2% da população pesquisada optou por cooperar originalmente
sem qualquer conhecimento da decisão de seu oponente.

Parte 4: O dilema do prisioneiro iterado

O dilema do prisioneiro é quando o jogo é jogado mais de uma vez. Um jogador pode
mudar sua estratégia, de acordo com a decisão do adversário na última rodada. É o estudo da
confiança humana que se aplica a problemas da vida real, como as corridas armamentistas, a
proliferação nuclear e a negociação de crises (Milovasky, 2013).

Jogo de doação
O dilema iterado é construído sobre o jogo da doação. A letra b representa benefício e
c representa perda pessoal.
Dilema do prisioneiro matriz de pagamento no jogo de doação
X Cooperar Defeito A coluna à direita
representa a decisão de X
Y e a esquerda representa a
Cooperar b-c b decisão de Y.

b-c -c
Defeito -c 0

b 0

Demonstra que a cooperação mútua é mais benéfica do que a deserção unilateral.

Mutual cooperation :2 ( B−C )

One coorperation +One defection: B−C

 2 ( B−C )> B−C

Parte 4.2: Mentalidade ideal para o dilema do prisioneiro iterado

Em um único jogo, o equilíbrio de Nash é sempre desertar para ter os melhores

resultados. Isso se deve ao fato de que seus oponentes não têm chance de vingança. No
dilema do prisioneiro iterado não sabe o número total de rodadas, portanto, sempre defeito
pode não ser a melhor estratégia.
A estratégia exploratória resulta mal a longo prazo, enquanto estratégias mais
altruístas beneficiam ambas as partes. Exige que o jogador tenha as seguintes qualidades:

1. Bonito
Este é o requisito mais crucial, onde um jogador não desertará contra seu oponente antes que
o adversário o faça (Axelrod, s.d.).

2. Retaliação
Uma estratégia bem-sucedida não pode ser "cegamente otimista". O jogador tem que tomar
medidas de retaliação (Axelrod, s.d.).

3. Perdoar
O jogador pode perdoar seu oponente por retaliar ocasionalmente e voltar a cooperar com ele,
desde que ele não continue a retaliar (Axelrod, s.d.).

4. Não invejosos
A premissa da estratégia deve ser baseada no interesse próprio, em vez de tentar alcançar uma
pontuação mais alta do que o oponente (Axelrod, s.d.).

Parte 4.3: Estratégias para o dilema do prisioneiro iterado

1. Tit for Tat: o jogador acompanha a ação do adversário na última rodada.

Com base nas circunstâncias, uma estratégia melhor é Tit for Tat com perdão, onde um
jogador ainda cooperaria mesmo se seu oponente desertasse na última rodada. O participante
deve decidir se coopera ou deserta com base no fator de desconto (Acemoglu & Ozdaglar,
2009). O fator de desconto (δ ) é uma suposição de que o retorno futuro será menos valioso
em comparação com hoje. δ x é o fator de desconto que se aplica continuamente a cada
resultado do termo anterior (Acemoglu & Ozdaglar, 2009).
Por exemplo, em um jogo de dois períodos, o payoff de estágio é U1 e U2, portanto, o
retorno geral é:
U =U 1 + δ U 2
A estratégia Tit for Tat pode ser vista no dilema do prisioneiro infinitamente repetido,
por exemplo, na seguinte situação.
Tit para Tat Payoff
Cooperar Defeito (2,9) o jogador 1 é X
e o jogador 2 é Y.
Cooperar 6, 6 2, 9
Defeito 9, 2 3, 3
O Tit for Tat replica a decisão anterior do outro jogador, portanto, se um optar por usar a
estratégia de cooperação (C, C), os jogadores cooperarão para sempre.

Matriz de recompensa de cooperação no delimma do prisioneiro

Ensaios 1 2 3 4 …

Jogador 1 C C C C C
Jogador 2 C C C C C

A fórmula da série geométrica afirma que quando n se aproxima do infinito:

∞
a
a+ ar +ar 2 + ar3 ...= k = ∑ ar , para ∣r∣< 1
k=0 1−r

A cooperação dá o seguinte retorno:

6
6+ 6 δ+6 δ 2 + 6δ 3 …=
1−δ

Se um jogador mudar de ideia e optar por desertar contra seu oponente, ele será punido na
próxima rodada, porque ele precisa seguir a escolha anterior de seu oponente para cooperar.
Portanto, isso o deixa com a remuneração do, que é de 9 anos.

Matriz de pagamento de deserção no delírio do preso

Ensaios 1 2 3 4 …

Jogador 1 C D C D C
Jogador 2 D C D C D

9+2 δ +9 δ 2 + 2δ 3 …

a=9 a=2
r= δ 2 r= δ 2
9 2
S= 2 S= 2
1−δ 1−δ

9 2
∴A soma do pagamento da deserção é de 2 + 2
1−δ 1−δ

A cooperação deve ser esperada se o retorno da deserção não for melhor do que a
cooperação.
6 9 2
≥ 2+ 2
1−δ 1−δ 1−δ
6 9+ 2 δ
≥ 2
1−δ 1−δ
 6
׿ 2¿ ≥ 9+2 δ
1−δ
6
×(1−δ )(1+δ)≥ 9+2 δ
1−δ

6+ 6 δ ¿ ≥ 9+2 δ

4 δ≥3

3
δ≥
4

3
Deve-se continuar cooperando, se δ ≥
4
3
Deve-se continuar desertando, se δ ≤
4

2. Gatilho sombrio
Outra estratégia é o gatilho sombrio. Um jogador cooperaria até que o adversário desertasse.
Uma vez que o adversário desertar, o jogador irá desertar para o resto do jogo. Esta é a
estratégia mais implacável em um jogo iterado. Ambos os jogadores não devem desertar se o
1
δ ≥ (Spaniel, s.d.).
2

Parte 4.2: Estimulação probabilística do dilema do prisioneiro iterado

A estimulação é realizada em 3 condições por 10 tentativas cada. Os jogadores recebem um

resumo de seus ganhos no final.

1. Parceiros
10 pares de parceiros jogaram o dilema do prisioneiro.

2. Estranhos
10 pares de estranhos interpretaram o dilema do prisioneiro.

3. Tit para Tat

Um jogador é informado de que seu oponente está executando a estratégia Tit for Tat para
100%. Espera-se que o jogador seja mais altruísta, já que será punido por sua deserção
anterior.
 Rate of cooperation(%) Rate of cooperation in iterated prisoner dilemma's game
70
60
50
40
30
20
10
0
1 2 3 4 5 6 7 8 9 10
Rounds

Strangers Partners Tit for Tat

Com base nos resultados, os parceiros mostram uma taxa de cooperação significativamente
maior do que os estranhos devido à sua lealdade existente. A disposição de Stranger para
cooperar pode ser devido ao seu desejo de construção de reputação.

Tit for Tat mostra uma taxa de cooperação ainda maior do que os parceiros devido ao medo
de retaliação.

Parte 4.2: Dilema do prisioneiro iterado com informações incompletas

Se um jogador conhece a distribuição de probabilidade de seu oponente, a contra-

estratégia ideal pode ser derivada (Deng, 2014).

Nessa estimulação, o jogador 2 pode ser egoísta ou altruísta. Egoísta significa que ele vai
desertar e altruísta significa que ele vai cooperar. (X, Y) = (Jogador 1, Jogador 2)
Matriz de distribuição do jogador 2 Matriz de distribuição do jogador 2
(Egoísta) (Altruística)
Cooperar Defeito Cooperar Defeito
Cooperar 4,4 0,6 Cooperar 6,6 2,4
Defeito 6,0 2,2 Defeito 4,2 0,0

Retorno do dilema do prisioneiro com informações

incompletas

Jogador 2

1 2
P(Altruísta)=2/3
P(Egoísta)= 3 P(Altruísta)= 3
Egoísta
 Cooperar Defeito Cooperar Defeito

Jogador
1
(X, Y) = (Jogador 1, Jogador 2

Cooperar Defeit Cooperar Defeit Cooperar Defeit Cooperar Defeit

o o o o

4,4 6,0 0,6 2,2 6,6 4,2 2,4 0,0

Retorno esperado
P = Probabilidade de o jogador 2 ser egoísta
1-P = é a probabilidade de o jogador 2 ser altruísta.

O retorno esperado da cooperação do jogador é de 0p + 6 (1-p).

- 0P é sob a circunstância de que o jogador 2 é egoísta. Quando o jogador 1 coopera,
seu retorno é 0.
- 6(1-P) é sob a circunstância de que o jogador 2 é altruísta. Se o jogador 1 cooperar,
seu retorno é 6.

A deserção do jogador é 2p+4(1-p).

- 2P deriva de quando o jogador 2 é egoísta. Se o jogador 1 defeito, seu retorno é 2.
- 5(1-P) deriva de quando o jogador 2 é altruísta. Se o jogador 1 defeito, seu retorno é
4.

∴ 0 p+ 6 ( 1−P )=2 p+ 4 ( 1− p )
6−6 p=4−2 p
2=4 p
1
p=
2
1
O jogador 1 deve optar por cooperar se a probabilidade de o jogador 2 ser egoísta (P) for ¿ ,
2
pois dá um retorno melhor. Por outro lado, o jogador 1 deve optar por desertar se a
1
probabilidade de o jogador 2 ser egoísta (P) for ¿ . Como resultado, a contra-estratégia ideal
2
pode ser encontrada conhecendo a distribuição estatística da estratégia do oponente.

Aplicativos
O dilema do prisioneiro é aplicado a muitos campos para modelar as interações humanas.
Estudos ambientais
Na crise climática, todos os países se beneficiarão na redução de suas emissões de
gases de efeito estufa. No entanto, todos os estados hesitam em conter a admissão de CO2
("Prisoner's dilemma", 2012). O benefício imediato de manter o nível de poluição atual é
percebido como maior do que os benefícios futuros da redução das mudanças climáticas
("Prisoner's dilemma", 2012). A diferença entre o dilema do prisioneiro e os estudos
ambientais é que o retorno da cooperação é desconhecido. Isso leva os Estados a serem
menos propensos a cooperar com outro, portanto, a possibilidade de evitar uma catástrofe
climática é significativamente menor ("Prisoner's dilemma", 2012).

Economia
O dilema do preso se aplica a ações concorrenciais, por exemplo, na publicidade. Se duas
empresas gastam a mesma quantia de dinheiro para anunciar seu produto, o efeito publicitário
se anula, mas a despesa aumenta (Picardo, 2020). Se a empresa A anuncia, a empresa B não,
então a empresa A poderia se beneficiar muito com a publicidade. Se ambos não anunciarem,
o efeito será cancelado sem nenhuma despesa. A decisão ideal é que ambas as empresas não
anunciem, no entanto, a situação da vida real é muitas vezes que ambas irão anunciar.

Política internacional
Um exemplo clássico é a corrida armamentista. Durante a Guerra Fria, tanto a OTAN quanto
o Pacto de Varsóvia têm a opção de armar ou desarmar ("Estados Unidos vs. União
Soviética", 2015). Isso mais uma vez se aplica à teoria do dilema do prisioneiro. Embora
desarmar para ambos os lados seja a decisão ideal, ainda assim a decisão racional tomada é
muitas vezes realizar a corrida de braço até que um dos lados não possa mais sustentar a
despesa.

Conclusão
Comecei esta investigação aprendendo sobre como a teoria dos jogos se aplica ao
processo de tomada de decisão do ser humano. É muito emocionante entender a derivação da
teoria. Com base na análise matemática, a estratégia do jogador deve ser agradável,
perdoadora e não invejosa, a fim de alcançar o melhor resultado a longo prazo. Percebemos
que as exigências no jogo do dilema do prisioneiro se encaixam com os valores que temos
como sociedade. É revelador descobrir a aplicação da matemática a uma variedade de
situações da vida real em muitos campos diferentes pela primeira vez, como política,
economia, meio ambiente... Ao construir essa forte conexão entre a teoria e a aplicação dela,
fico mais intrigado para aprender matemática.
As fontes de erros no experimento realizado são uma, há apenas 20 pares de dados
coletados, o que é uma pequena gama de dados que carece de confiabilidade. Uma melhoria é
coletar uma gama de dados mais ampla para tirar conclusões, por exemplo, 80-100 pares de
experimentos. A segunda fonte de erro é que é incerto se os pares comunicaram sobre sua
decisão antes do experimento. Se o fizessem, criariam grandes erros no resultado. Uma
melhoria é criar a pesquisa on-line para cada indivíduo preencher de forma independente, em
vez de completar a entrevista pessoalmente.
A maior lição que aprendi com essa exploração é que você não pode apenas prever o
comportamento humano com base no melhor resultado ótimo encontrado na análise
matemática. É o que mostram as pesquisas realizadas. Embora desertar seja a estratégia
dominante declarada no equilíbrio de Nash, no entanto, os resultados mostram que ... são
mais propensos a cooperar. A diferença entre o resultado teórico e o experimental pode ser
causada pelo desejo inerente de construção de reputação humana, onde somos animais
cooperativos da natureza.
Fiquei com o desejo de descobrir mais sobre outras estratégias no dilema do
prisioneiro, por exemplo, soma zero, ganhar ficar perder turno e Monte Carlo. Também
gostaria de explorar a diferença do comportamento cooperativo quando mais de dois
jogadores estão presentes no jogo. Além disso, estou interessado em realizar mais ensaios
 para realmente estabelecer se a previsão teórica do comportamento humano e o resultado
experimental têm diferença.

Obra Citada

Acemoglu , D., & Ozdaglar, A. (2009, 2 de novembro). Jogos repetidos e cooperação.

Consultado em 12 de dezembro de 2019 de [Link]

Axelrod, R. (s.d.). A evolução da cooperação. Consultado em 22 de novembro de 2019 de

[Link]

Deng, X., & Deng, J. (2014, 24 de maio). Um Estudo do Modelo de Jogo do Dilema do
Prisioneiro com Informações Incompletas. Consultado em 2, 2020, de
[Link]

Milovasky, N. (2013, 9 de setembro). Noções básicas da teoria dos jogos. Consultado em 15 de

outubro de 2019 em [Link]

Osborne, M. J., & Rubinstein, A. (1994). Um curso de teoria dos jogos. Cambridge, Reino
Unido: MIT Press.

Picardo, E. (2020, 29 de janeiro). O Dilema do Prisioneiro nos Negócios e na Economia.

Consultado em 3 de fevereiro de 2020 em
[Link]
[Link]

Prisioneiro delimma e o meio ambiente . (24 de setembro de 2012). Consultado em 12 de

dezembro de 2019 em [Link]
the-environment/
Spaniel, W. (s.d.). Gatilho sombrio. Consultado em 28 de novembro de 2019 de
[Link]

Estados Unidos x União Soviética. (2015, 11 de setembro). Consultado em 22 de dezembro de

2019 em [Link]
prisoners-dilemma/

Wallister, B. (s.d.). Os princípios da teoria dos jogos. Consultado em 12 de dezembro de 2019

em [Link]