Incerteza - Rodrigo Peñaloza

Teorias de Deciso sob Incerteza
Rodrigo Andrs de Souza Pealoza
Departamento de Economia - Universidade de Braslia
Centro de Investigao em Economia e Finanas, CIEF - Universidade de Braslia
Centro de Estudos em Regulao de Mercados, CERME - Universidade de Braslia
verso: 17 de junho de 2010
1 Introduo
Neste trabalho exponho as teorias de deciso sob incerteza, sem, entretanto, qualquer pre-
tenso de originalidade. De Gilboa (2007) sigo, em linhas gerais, a sequncia de tpicos
e apresento, de forma unificada e com muitas consideraes pessoais, os fundamentos de
cada teoria, alm de apresentar teorias mais recentes. Embora a motivao bsica do desen-
volvimento dessas teorias tenha partido de problemas econmicos e estatsticos de tomada
de deciso, bvio que seus fundamentos merecem a ateno sria da Epistemologia em
particular e da Filosofia em geral.

Texto preparado para o seminrio do Grupo de Epistemologia e Filosofia da Cincia do Departamento
de Filosofia da Universidade de Braslia. Agradeo especialmente ao professor Agnaldo Portugal (FIL-UnB)
pelo convite e pelas discusses quanto ao tema do seminrio.
1
Na seo 2 apresentamos as abordagens tradicionais da probabilidade: clssica, objetiva
e subjetiva. Na seo 3 apresentamos as teorias comportamentais da probabilidade subjetiva
e da maximizao da utilidade esperada. So elas: a teoria de von Neumann e Morgenstern,
a teoria de Ramsey e de Finetti, a teoria de Savage e a teoria de Anscombe e Aumann.
Na seo 4 apresentamos as teorias comportamentais alternativas, mais conhecidas na teoria
econmica por teorias de incerteza knightiana. Finalmente, na seo 5 apresento a teoria que
vem sendo desenvolvida por Gilboa, Lieberman e Schmeidler, chamada de teoria da deciso
baseada em casos. ela um meio termo entre a abordagem bayesiana e freqentista.
Considere os seguintes exemplos concernentes a situaes de incerteza enfrentadas por
um indivduo chamado Augur:
Exemplo 1. Um bolo lanado e aposta-se sobre qual face ficar para cima. Augur
quer saber a probabilidade de "Caesar", isto , de a face de Csar estar voltada para cima.
Exemplo 2. Augur costuma estacionar sua biga na rua durante os jogos no Coliseu. Ao
comprar um seguro, Augur quer saber a probabilidade de sua biga ser roubada no perodo
de vigncia do contrato.
Exemplo 3. Augur enfrenta uma doena rara e tem de se submeter a uma cirurgia.
Augur inquire seu mdico, Asclepius, quanto probabilidade de sucesso.
Exemplo 4. Augur conjectura mudar-se para o Oriente Mdio, uma regio conturbada
por brigas intestinas desde os tempos de Ado e Eva. Ele quer ter uma idia da probabilidade
de ecloso de uma guerra na regio, mas os pssaros no cu no colaboram.
2
2 Abordagens tradicionais da probabilidade
H trs abordagens comumente aceitas para a definio de probabilidade:
a abordagem clssica: aplica o Princpio da Indiferena;
b abordagem freqentista: a probabilidade definida em termos da freqncia emprica e da
Lei Fraca dos Grandes Nmeros;
c abordagem subjetiva: a probabilidade uma medida numrica do grau de crena satis-
fazendo a certos axiomas comportamentais.
Vamos explicar cada uma a seu turno.
2.1 Abordagem clssica
A abordagem clssica aplica o Princpio da Indiferena de Laplace, s vezes atribudo a
Bernoulli. Segundo esse princpio, diante de um nmero de possveis estados do mundo,
opta-se pela eqiprobabilidade dos estados. Essa postura diante da incerteza faz sentido
quando no h qualquer razo que justifique a probabilidade maior de um estado com relao
a outro.
Essa abordagem lida muito bem com situaes que so semelhantes do exemplo 1. Nesse
exemplo, o mundo dado pelo conjunto = { 1 2 } de faces do bolo. Aqui, o elemento
1 denota o fato de o bolo cair com a face "cara" voltada para cima. Laplace, no
captulo II de seu Ensaio Filosfico sobre Probabilidades, justifica esse princpio com base no
Princpio da Razo Suficiente, segundo o qual uma coisa no pode ocorrer sem uma causa
que a produza. Se o bolo honesto, isto , se todos os aspectos fsicos do bolo e at do
3
ambiente em que ele lanado no privilegiam qualquer face em particular em detrimento
da outra, pelo menos at o ponto em que os sentidos e aparelhos de Augur consigam detectar
quaisquer diferenas, ento nosso colega Augur possui total ignorncia quanto causa que
poder vir a fazer com que um determinado estado do mundo se realize. Estando tudo justo
e perfeito, e como deve haver uma causa, e como ignoramos qual seja, no h razo suficiente
para distorcer a eqiprobabilidade dos estados do mundo. Desse modo, se P() denota a
probabilidade do estado do mundo , ento P() = 12 .
Uma caracterstica fundamental, porm muitas vezes no percebida, que Augur, embora
incerto quanto ao estado do mundo que se realizar, possui certeza absoluta de que o conjunto
o mundo. Em outras palavras, Augur possui certeza quanto ao mundo, ele apenas
distribui essa certeza entre os estados que compem o mundo. Alm disso, ele sabe quais
so os estados componentes. Ele sabe que o mundo e que o mundo formado pelos
elementos 1 e 2 .
Considere, entretanto, um exemplo, aparentemente anlogo ao exemplo 1:
Exemplo 1b. Augur gira seu basto no ar e observa o vo dos pssaros no cu. Men-
talmente evoca os foros das aves e pergunta: "Amanh, chove ou no chove?"
Neste exemplo, o mundo tambm pode ser descrito pelo conjunto = { 1 2 } de estados
da natureza, em que 1 =chove e 2 =no chove. Se Augur ignorante quanto
ocorrncia de um ou outro estado da natureza, ento, pelo Princpio da Indiferena, ele diria
que P(1 ) = P( 2 ) = 12 . Este exemplo, porm, fundamentalmente diferente do exemplo 1,
embora parea similar. Temos, aqui, a liberdade de escolher o mundo. Se dissssemos que
= { 1 2 3 }, em que 1 =chove, 2 =nublado e no chove e 3 =ensolarado e
4
no chove, ento P(1 ) = 13 A probabilidade de chuva depende da escolha do espao de
estados. Note que no temos a mesma liberdade no caso da moeda. Tambm no temos essa
liberdade no caso de lanamento de dados, nem no caso da roleta de um cassino. Em suma,
essa abordagem serve apenas para jogos de azar em que os estados do mundo so dados (isto
, perfazem a totalidade do mundo e o mundo conhecido) e uniformemente distribudos,
ou seja, com eqiprobabilidade dos estados.
Considere uma varivel aleatria com distribuio uniforme no intervalo (0 1], ou seja,
U(0 1] Podemos justificar a distribuio uniforme de pelo Princpio da Indiferena
devido ignorncia. Mas se definirmos uma varivel aleatria por = 2 , veremos que
existe entre e uma relao biunvoca1 , mas que a distribuio de no uniforme. De
fato, como:

1 se (0 1]
() =

0 se
(0 1]
a funo de densidade de , ento a funo de densidade de :

1 se (0 1]
2
() =

0 se (0 1]
ou seja, no uniforme. Ora, se temos a ignorncia quanto s realizaes de e se e
mantm entre si uma relao biunvoca, ento temos a mesma ignorncia com relao a .
Entretanto, a ignorncia prescreve a distribuio uniforme para , mas o mesmo no vale
para ! Assim, mesmo no caso de jogos de azar em que os estados do mundo so dados e
uniformemente distribudos, o Princpio de Indiferena deve ser restrito ainda mais, pois no
invariante por transformaes biunvocas.

1
Essas variveis tm o mesmo suporte, (0 1].
5
2.2 Abordagem freqentista
A abordagem freqentista lida igualmente com situaes como a do exemplo 1, mas tambm
se aplica ao caso em que o bolo no honesto. Principalmente, porm, lida com situaes
como a do exemplo 2. Toma-se uma srie longa de observaes de bigas iguais roubadas sob
as mesmas circunstncias e calcula-se a freqncia emprica.
A ferramente bsica a Lei Fraca dos Grandes Nmeros (WLLN2 ). A WLLN usada
para estimar probabilidades. Ela requer que o experimento seja repetido sob as mesmas
condies e sob a hiptese de independncia estatstica. Augur, tendo em mente o exemplo
2, considera que = 1 significa ter a biga roubada e que = 0 significa no ter a biga
roubada. A probabilidade de ter a biga roubada, isto , a probabilidade de = 1, um certo
nmero [0 1]. Desse modo, uma varivel aleatria com distribuio de Bernoulli de
parmetro , o que escrevemos como B(). Que ? Augur imagina que deve haver
uma probabilidade verdadeira, o que quer que ele entenda por verdade, porm desconhecida.
Augur coleta uma srie histrica { }

=1 de observaes relativas a roubos na vizinhana
do Coliseu e toma como estimativa da probabilidade de roubo a freqncia observada de
roubos. Por exemplo, ele observou que de = 5 bigas l deixadas no dia anterior, 2
foram roubadas, digamos, 1 = 0, 2 = 1, 3 = 0, 4 = 0, 5 = 1. Isso significa que a
segunda e a quinta bigas foram roubadas. Com base nessa amostra, ele observou que 40% das
bigas foram roubadas. Assim, uma estimativa da probabilidade de roubo = 0 4. Essa
probabilidade objetiva no sentido de ter sido obtida a partir das observaes anteriores. O
tamanho da amostra coletada por Augur foi = 5. claro que essa amostra pequena.
2
O acrnimo WLLN refere-se expresso Weak Law of Large Numbers.
6
Ser que uma amostra maior pode deixar Augur mais confiante de estar mais prximo da
verdadeira probabilidade? A WLLN diz que, quanto maior o tamanho da amostra, menor a
probabilidade de se cometer um erro de estimativa previamente fixado.
Ora, Augur comeou sua estimativa calculando a freqncia emprica de roubos:
1
= (1 + 2 + 3 + 4 + 5 )
5
1
= (0 + 1 + 0 + 0 + 1)
5
2
=
5
= 40%
Se sua amostra tivesse um tamanho qualquer, ento:
1
= (1 + 2 + + 5 )

1 X

=
=1
Suponha que Augur fixa uma margem de erro qualquer, digamos 0, um nmero bem
pequeno, mas fixo. Cometer um erro de estimativa pela margem de erro 0 significa que
| | , ou seja, que a estimativa dista da probabilidade verdadeira uma distncia
de pelo menos Em outras palavras, que Augur errou o alvo por . A WLLN diz que,
qualquer que seja a margem de erro 0, vale o seguinte:
lim P[ | | ] = 0

Quando o tamanho da amostra tende para infinito, a probabilidade de se cometer um erro
de estimativa pela margem converge para zero.
Esse procedimento no serve como definio de probabilidade. A WLLN j pressupe a
noo de probabilidade de vrios modos. Em primeiro lugar, a distribuio de j pressupe
7
a probabilidade . Em segundo lugar, a WLLN supe independncia das variveis aleatrias
{ }
=1 , um conceito que definido em termos da probabilidade P. Por fim, o enunciado da
WLLN expresso em termos da probabilidade P. Se Augur no est seguro quanto ao que
seja a probabilidade , ento como ele pode usar a probabilidade P para definir ? Parece
uma petio de princpio. Entretanto, a WLLN nos d a definio de probabilidade mais
intuitiva.
Nos exemplos 3 e 4, os experimentos no so conduzidos sob as mesmas condies.
Quando Augur pede a Asclepius a probabilidade de sucesso de sua cirurgia, Asclepius se
recorda de que j praticou essa cirurgia duas vezes na vida, que na primeira obteve sucesso
e na segunda insucesso. O tamanho da amostra pequeno e a probabilidade de Asclepius
cometer um erro grande. Alm disso, os pacientes das duas cirurgias anteriores de Ascle-
pius eram diferentes. O primeiro paciente era um gladiador, era forte e bem alimentado. O
segundo era um certo estudante da Academia, de alma forte e bem alimentada, mas de corpo
franzino. Ele pode at mesmo recorrer aos registros histricos das cirurgias de Hipcrates,
mas este tambm operou poucos pacientes com essa doena e mesmo esses eram diferentes
entre si e diferentes dos pacientes de Asclepius. A capacidade cirrgica de Asclepius no a
mesma de Hipcrates. As cirurgias foram feitas em locais e pocas diferentes, com pacientes
diferentes, ou seja, as condies no eram as mesmas.
Num certo sentido, o mesmo se pode dizer do exemplo 1. Nenhum lanamento de bolo
igual a outro. A fora que o lanador exerce varia, as condies atmosfricas tambm
podem variar e influenciar o lanamento. Segundo Augur, at a posio dos astros nas
esferas celestes poderia determinar o resultado de cada lanamento. Assim, a condio de
que os experimentos sejam conduzidos sob circunstncias idnticas uma simplificao. Essa
8
simplificao bastante aceitvel no exemplo 1, aceitvel no exemplo 2, mas no aceitvel
nos exemplos 3 e 4.
Quanto ao exemplo 4, existe uma dependncia causal entre as guerras, mesmo que durem
sculos. O rancor, a intolerncia, a falta de perdo e at o orgulho na conduo das relaes
internacionais e a falta de bom senso geram guerras, uma depois da outra. O exemplo 4
sofre de todos os males do exemplo 3 e, alm de tudo, viola a hiptese de independncia.
2.3 Abordagem subjetiva
Voltando ao exemplo 3, Asclepius no tem como recorrer a uma probabilidade objetiva de
sucesso. Resta-lhe apenas crer. A probabilidade ser assim subjetiva.
Quem primeiro usou o conceito de probabilidade subjetiva foi Pascal. H dois estados do
mundo: Deus existe e Deus no existe. H duas estratgias possveis para o ser humano:
crer e no crer. Se admitirmos que h uma pequena probabilidade 0, por menor que
seja, de Deus existir, ento crer prefervel a no crer. Se o ser humano cr e Deus existe,
ento o benefcio auferido pelo ser humano infinito (). Se o ser humano cr e Deus no
existe, ento o ser humano ainda assim recebe um certo benefcio (digamos, uma constante
finita 0), pois a crena lhe alivia as dores. Assim, o benefcio esperado decorrente da
crena :
+ (1 ) =
Por outro lado, se o ser humano no cr e Deus existe, ento o ser humano sofre um prejuzo
infinito. Se o ser humano no cr e Deus no existe, ento o ser humano nem perde nem
9
ganha. Assim, o benefcio esperado decorrente da descrena :
() + (1 ) 0 =
Vrias idias foram introduzidas por Pascal, ainda que de forma implcita. Primeiro, a
noo de matriz de deciso. No exemplo da aposta de Pascal:
Deus existe Deus no existe
crer
descrer 0
Em segundo lugar, a noo de estratgia (fracamente) dominante. No exemplo de Pascal,
crer uma estratgia dominante, ou seja, no importa se Deus existe ou no existe, crer
sempre melhor que no crer. Em terceiro lugar, a idia de maximizao da utilidade esperada
de acordo com uma probabilidade subjetiva a priori . Por fim, a noo de mltiplas
probabilidades a priori. Lembre do qualificativo ...por menor que seja .
Chegamos assim ao tema do bayesianismo.
H trs princpios bsicos que caracterizam o que a Economia entende por bayesianismo:
1 deve haver uma distribuio a priori (crena probabilstica);
2 com o advento de novas informaes, a probabilidade a priori deve ser atualizada para
uma distribuio a posteriori de acordo com a frmula de Bayes;
3 em um problema de deciso, maximiza-se a utilidade esperada de acordo com a dis-
tribuio prescrita pela crena bayesiana.
O terceiro princpio usual na Economia e em certos ramos da Estatstica. Existe
um problema para a aplicao da WLLN abordagem bayesiana: a independncia das
10
variveis aleatrias condicional a . Esse problema foi resolvido por de Finetti em 1930,
que estendeu a condio de independncia para a de intercambiabilidade (exchangeability).
Especificamente, uma seqncia de variveis aleatrias { }

=1 intercambivel se, para
qualquer tamanho da amostra, a distribuio conjunta de 1 simtrica. Em
particular, as distribuies marginais so iguais e as variveis aleatrias so independentes.
Se IID denota a condio de independncia e distribuies iguais, ento:
intercambiabilidade
mas no vale a recproca:
intercambiabilidade ;
de Finetti mostrou que a condio de intercambiabilidade suficiente para a validade de
uma espcie de Lei Forte dos Grandes Nmeros (SLLN), um conceito mais forte de lei dos
grandes nmeros.
Mas o que , afinal de contas, probabilidade subjetiva? Savage (1954) mostrou que se
as escolhas de um tomador de decises satisfazem certos axiomas comportamentais, ento a
escolha do indivduo ser aquela que maximiza sua utilidade esperada de acordo com uma
probabilidade subjetiva. O uso da abordagem subjetiva estaria justificado se o comporta-
mento observado do tomador de decises consistente com a maximizao de acordo com
a probabilidade subjetiva. Podemos no saber qual a probabilidade subjetiva que est na
mente de Augur, mas podemos verificar se seu comportamento consistente com o uso de
uma. Entramos, assim, no campo da abordagem comportamental da tomada de deciso sob
incerteza.
11
3 Teorias comportamentais
O ponta-p inicial para o desenvolvimento da abordagem comportamental foi dado pelo
matemtico alemo George Cantor em 1915. Suponha que Augur tem diante de si vrias
alternativas. Denote por o conjunto de todas essas alternativas. Augur possui uma escala
de preferncias sobre as alternativas. Ao comparar duas alternativas e , ele pode, por
exemplo, preferir a . Escrevemos isso como % e lemos como a alternativa preferida
ou indiferente alternativa . Em outras palavras, Augur julga que a alternativa pelo
menos to boa quanto a alternativa . O smbolo % uma relao binria, isto , diz algo
acerca de dois elementos quaisquer de um conjunto qualquer.
A relao binria completa se, , % ou % Ela transitiva se,
, se % e ou % , ento %
O axioma da completeza diz que Augur, diante de duas alternativas quaisquer, sempre
capaz de dizer qual das duas ele prefere ou se as julga indiferentes. Ele sempre capaz de
tomar uma deciso. Se Augur, algum dia, for colocado na arena para servir de comida a um
leo faminto e, ao sair correndo do leo, encontrar um tigre igualmente faminto, ento, se
suas preferncias forem completas, ele ser capaz de decidir se prefere alimentar, com seu
prprio corpo, o leo, o tigre ou se indiferente entre ambos. Se, entretanto, ele entrar em
estado de choque e ficar paralisado, sem saber o que fazer, o que seria bastante compreensvel,
ento suas preferncias tero sido incompletas.
O axioma da transitividade diz que, se Augur prefere a alternativa alternativa e se
prefere, por sua vez, a alternativa a uma terceira alternativa , ento ele prefere a .
Os axiomas da completeza e da transitividade, juntos, caracterizam o que chamamos de
12
ordem fraca. Se % completa e transitiva, ento % uma ordem fraca.
Se % refere-se a uma escala de gostos ou de preferncia, ento Cantor sups como naturais
os seguintes axiomas:
C1 Ordem fraca: % completa e transitiva
C2 Separabilidade: subconjunto enumervel de tal que, \, se
% , ento tal que % %
O axioma da separabilidade exerce uma funo meramente tcnica. Entretanto, ele
mais do que um mero axioma comportamenal, pois alm de dizer algo sobre as preferncias,
diz tambm algo sobre a natureza do conjunto de alternativas. O conjunto de alternativas
deve ser rico o suficiente para que Augur possa sempre encaixar entre duas alternativas
ordenadas uma terceira alternativa que, na sua escala de gostos, intermediria entre as
outras duas.
Uma funo numrica : R que associa a cada alternativa um valor numrico
() dita funo (de) utilidade. Uma funo utilidade representa numericamente uma
relao de preferncia % se valer a seguinte equivalncia:
% () ()
Se existir tal representao, ento haver uma isotonia entre a escala de preferncias e a
ordenao usual da reta real. Se a utilidade de uma alternativa () = 20 e a de
() = 12, ento prefervel a . A principal vantagem da representao numrica das
preferncias por uma funo utilidade que o problema de escolher a melhor alternativa
torna-se um simples problema de maximizao matemtica.
13
Cantor provou o seguinte teorema:
Teorema (Cantor, 1915): Se a relao de preferncia % sobre o conjunto de alternativas
satisfaz os axiomas C1 C2, ento existe uma funo utilidade : R que representa
%. Alm disso, essa funo nica, salvo transformaes crescentes de .
Esse um resultado poderoso. Toda teoria econmica da tomada de deciso sob incerteza
comea por um teorema desse tipo. Com relao ao problema da fundamentao compor-
tamental da probabilidade subjetiva, temos quatro modelos principais, que so os modelos
de:

John von Neumann & Oskar Morgenstern

Frank Ramsey & Bruno de Finetti

Leonard Savage

Francis Anscombe & Robert Aumann
3.1 von Neumann & Morgenstern
A idia bsica do modelo de von Neumann & Morgenstern que denotaremos por vNM
adaptar o teorema de Cantor ao problema de escolha da melhor alternativa sob condies de
incerteza. A origem dessa idia, apenas para variar, remonta, na verdade, a Daniel Bernoulli,
que, em 1738, apresentou o famoso paradoxo de So Petersburgo. Considere uma moeda
honesta, ou seja, tal que as probabilidades de cara e coroa so de 50% cada. A moeda
lanada repetidas vezes at sair cara a primeira vez. Se isso ocorrer no lanamento, o
jogador ganha $2 Ora, a probabilidade de sair cara a primeira vez no lanamento :
1 1 1 1
=
|2 {z 2} 2
|{z} 2
coroa e m 1 la n a m ento s cara n o
co n sec u tivo s la n a m ento
14
1
O jogador ganha $2 com probabilidade 2
. Portanto, o valor esperado :
X
1

$2 =
=1
2
isto , o valor esperado do jogo infinito. Se esse o caso, o jogador deveria estar disposto
a pagar uma quantia infinita para participar desse jogo. O paradoxo que as pessoas esto
dispostas a pagar apenas uma quantia finita. A soluo de Bernoulli foi sugerir que as
pessoas maximizam uma funo utilidade, em vez do mero valor monetrio. A quantia $2
d ao indivduo uma utilidade (2 ). Se essa funo for limitada, ento:
X
1

(2 )
=1
2
A idia da utilidade esperada tomou um ch de sumio por quase 200 anos, at que von
Neumann resgatou-a de seu esconderijo.
O modelo vNM parte de elementos primordiais muito semelhantes aos do modelo de
Cantor. O conjunto de alternativas denotado por = {1 }. A diferena que
os objetos de escolha no so mais as alternativas, mas o que os economistas chamam de
loterias sobre . Uma loteria nada mais do que uma distribuio de probabilidades sobre
as alternativas, isto , sobre os elementos de .
Vejamos um exemplo. Augur possui trs alternativas dadas pelo conjunto = { }.
No modelo vNM, Augur no tem que dizer se prefere a ou se a ou qualquer coisa
assim. Ele tem que dizer, por exemplo, se prefere a loteria com probabilidade 30%,
com probabilidade 50% e com probabilidade 20% loteria com probabilidade 60%,
com probabilidade 10% e com probabilidade 30%. A primeira loteria escrita como
= [30%] [50%] [20%] e a segunda = [60%] [10%] [30%]. Aqui,
Augur no diz algo do tipo % , mas sim algo como % Denote por L o conjunto de
15
todas as loterias sobre o conjunto de alternativas . Suponha que Augur possui uma relao
de preferncia % sobre L.
Considere os seguintes axiomas:
vNM1 Ordem fraca: % completa e transitiva
vNM2 Continuidade: L, se , ento (0 1) de tal sorte que
+ (1 ) + (1 ).
vNM3 Independencia: L e (0 1), temos que % + (1 ) %
+ (1 ).
A expresso + (1 ), para 0 1 denota uma loteria composta. Na verdade,
a expresso deveria ser (1 ) , mas, por comodidade, usaremos indistintamente
os dois modos. Ela diz que, com probabilidade , o indivduo enfrentar a loteria , e,
com probabilidade 1 , enfrentar a loteria . Quanto mais prximo de 1 o valor de ,
ento maior a chance de se obter a loteria e, portanto, menor a chance de se obter a
loteria . O que diz, assim, o axioma da continuidade? Imagine que Augur tem diante de
si duas loterias, a saber, e . A ele so oferecidas duas loterias compostas: a primeira
+ (1 ), que d mais chance de se obter do que ; a segunda + (1 ), que
d, ao contrrio, mais chance se obter do que . Pelo axioma da continuidade, sempre
existe uma loteria que, na escala de gostos de Augur, intermediria entre essas duas
loterias compostas.
E o que diz o axioma da independncia? Suponha que Augur se defronta com duas
loterias, digamos, e , e que, de acordo com suas preferncias, % , ou seja, ele prefere
16
a (ou, no mnimo, indiferente entre ambas). Surge, ento, uma terceira loteria, . Se
ele considerar duas loterias compostas, uma sendo com , outra sendo com , ento
a ordenao no varia. Em outras palavras, se Augur prefere a , ento a composio
de cada uma dessas duas loterias com uma terceira loteria, , no altera o fato de que
preferida a , mesmo quando estas so compostas com uma terceira.
Vejamos um exemplo. A loteria :
= ($6) [40%] ($0) [60%]
o que lido da seguinte forma: com 40% de probabilidade, Augur ganha 6 sestrcios e, com
probabilidade de 60%, Augur ganha nada. A loteria :
= ($2) [20%] ($1) [80%]
Com 20% de probabilidade, Augur ganha 2 sestrcios e, com 80% de probabilidade, ganha
1 sestrcio. Digamos que Augur prefere (estritamente) a , isto , . Uma terceira
loteria aparece, , definida como:
= ($3) [100%]
ou seja, Augur ganha 3 sestrcios com certeza. Considere a composio meio-a-meio de
com , a saber, 12 + 12 fcil entender essa composio. Imagine que uma moeda honesta
lanada. Se sair cara, Augur joga a loteria ; se sair coroa, joga . J a composio
1
2
+ 12 significa que, sendo lanada uma moeda honesta e saindo cara, Augur joga a
loteria , mas saindo coroa, joga . Pelo axioma da independncia, se , ento
1
2
+ 12 12 + 12 . Reciprocamente, se 12 + 12 12 + 12 , ento
17
Vejamos um outro exemplo, um que seja ainda mais simples. Considere duas loterias,
e , definidas por:
= ($90) [100%]
= ($50) [100%]
A loteria diz que Augur ganha 90 sestrcios com certeza; diz que Augur ganha 50
sestrcios com certeza. Elas no parecem realmente loterias no sentido leigo do termo,
uma vez que no h aleatoriedade. Porm, no deixam de ser casos particulares do conceito
formal de loteria. Augur no titubeia em afirmar que, para ele, . Uma terceira loteria
surge, , definida por:
= ($) [100%]
em que 0 qualquer valor monetrio. Neste caso, 12 + 12 significa que, primeiro,
Augur lana uma moeda honesta. Em segundo lugar, se sair cara, ele ganha 90 sestrcios;
se coroa, sestrcios. Analogamente, 12 + 12 significa que Augur, lanando uma moeda
honesta e saindo cara, ganha 50 sestrcios, e que, saindo coroa, sestrcios. Nas duas
loterias compostas, Augur ganha com 50% de probabilidade. Ento a diferena s pode
residir no ganho no evento complementar. Na primeira loteria, ele ganha 90 com 50%; na
segunda, 50. Ento, o que podemos deduzir do comportamento de Augur, se o axioma da
independncia for satisfeito, que, diante das loterias 12 + 12 e 12 + 12 , ele dir que
1
2
+ 12 12 + 12 . A recproca ainda mais interessante. Se ele disser que 12 + 12
1
2
+ 12 , ento podemos afirmar que, para Augur,
Chegamos, enfim, ao teorema de von Neuman & Morgenstern:
Teorema (von Neuman e Morgenstern): Se a relao de preferncia % sobre o conjunto
18
de loterias L sobre as alternativas em satisfaz os axiomas vNM1 vNM3, ento existe
uma funo utilidade : R tal que, para quaisquer loterias L :
X X
% () () ()()

Alm disso, essa funo nica, salvo transformaes afins positivas de .
Uma transformao afim positiva de qualquer outra utilidade definida por () =
() + , em que 0 qualquer nmero positivo e R qualquer nmero real.
O teorema de von Neumann & Morgenstern afirma que, se as preferncias % de Augur
quanto s loterias L definidas sobre o conjunto de alternativas satisfazem os axiomas
de ordenao fraca, de continuidade e de independncia, ento uma deciso do tipo %
equivalente ao resultado decorrente do seguinte processo mental:
(1 ) por alguma razo subjetiva, Augur avalia o valor de cada alternativa mediante uma
regra que associa a cada alternativa um nmero (), dito a utilidade de ;
(2 ) diante da loteria , que nada mais do que uma distribuio de probabilidade sobre
as alternativas, Augur computa a probabilidade () de cada alternativa ;
(3 ) de posse do valor numrico () de cada alternativa e de sua probabilidade (),
Augur computa a utilidade esperada decorrente da loteria :
X
E () = () ();

(4 ) ele faz o mesmo para a loteria , isto , calcula:
X
E () = ()();

19
(5 ) diante das loterias e , ele conclui que E () E (), isto , que
X X
() () ()();

(6 ) se, em vez de atribuir a cada alternativa o valor numrico (), de acordo com
a utilidade , ele atribuir o valor nmerico () = () + , em que 0 qualquer
nmero positivo e R qualquer nmero real, de acordo com a utilidade , ento
tanto como representam as mesmas preferncias % e so indistingves para o
processo decisrio.
3.2 Ramsey & de Finetti
As contribuies de Ramsey e de Finetti so da dcada de 1930 e, portanto, anteriores s
de von Neumann e Morgenstern. A diferena que eles no levaram em conta o insight
de Bernoulli quanto utilidade esperada, mas apenas os valores monetrios associados s
loterias.
A partir dos axiomas comportamentais listados por de Finetti, a deciso de um indivduo
diante das alternativas disponveis equivalente deciso decorrente da comparao de
valores monetrios esperados de acordo com uma distribuio de probabilidade subjetiva. O
que de Finetti prova, em suma, que existe uma distribuio de probabilidade subjetiva que
explica o comportamento do indivduo.
Suponha que Augur conhece o mundo e sabe que a totalidade do mundo dada por
um nmero finito de possveis estados do mundo, = { 1 }. Uma aposta um
vetor = (1 ), em que denota o ganho monetrio se ocorrer o estado do mundo
, qualquer que seja = 1 . O conjunto de apostas denotado por . No modelo de
20
de Finetti, Augur possui preferncias % sobre apostas .
de Finetti considera os seguintes axiomas:
dF1 Ordem fraca: % completa e transitiva
dF2 Continuidade: , os conjuntos { : } e { : } so abertos
(na topologia de ).
dF3 Aditividade: , % + % +
dF4 Monotonia: , se , = 1 , ento %
dF5 Nao trivialidade: tais que
Os axiomas de ordenao fraca e de continuidade no merecem comentrios. Aquele
porque dele j falamos. Este por ser um requerimento tcnico. O axioma da aditividade
implica o que os economistas chamam de neutralidade ao risco. Em outras palavras, o que
importa para Augur o valor monetrio esperado e no a utilidade esperada. O axioma
da no-trivialidade implicar a unicidade da medida de probabilidade subjetiva.
Teorema (de Finetti): Se a relao de preferncia % sobre o conjunto de alternativas
satisfaz os axiomas dF1 dF5, ento existe uma nica distribuio de probabilidade
= (1 ) tal que tal que, para quaisquer alternativas :
X
X

%
=1 =1
Lembrando que uma aposta um vetor = (1 ) e que = (1 ), em
que a probabilidade subjetiva atribuda alternativa , ento % se, e somente se,
21
1 1 + + 1 1 + + Em outras palavras, se as preferncias de Augur sobre
as apostas satisfazem os axiomas de de Finetti, ento qualquer deciso de Augur do tipo
% equivalente ao seguinte processo mental:
(1 ) Augur possui uma distribuio de probabilidade subjetiva = (1 ) sobre as
apostas ;
(2 ) de posse dessa distribuio de probabilidade subjetiva, Augur avalia uma aposta de
acordo com seu retorno monetrio esperado, ou seja, ele computa 1 1 + + ;
(3 ) ele faz o mesmo para a aposta , isto , ele calcula 1 1 + + ;
(4 ) diante das apostas e , ele opta por aquela com maior retorno esperado.
Note que, se definirmos (1 ) = 1 1 + + , ento o teorema de de Finetti
diz que existe uma nica funo de utilidade que representa as preferncias de Augur.
3.3 Savage
de Finetti mostra como obter probabilidades subjetivas a partir de preferncias. J von Neu-
mann & Morgenstern mostram como obter utilidades dadas distribuies de probabilidade.
O modelo de Savage, ao contrrio dos modelos anteriores, parte apenas de estados abstratos
do mundo e de um conjunto de conseqncias. No h nmero algum! No h qualquer
mensurao de eventos ou de desejabilidade de conseqncias! No h sequer uma estrutura
algbrica que facilite o uso da matemtica, como o fizeram de Finetti e von Neumann &
Morgenstern, os quais se valeram do teorema de separao de conjuntos convexos! Mesmo
22
assim, Savage mostra que os axiomas listados por ele equivalem existncia tanto de uma
funo utilidade como de uma distribuio de probabilidade subjetiva.
H, assim, apenas dois conceitos primitivos:

: conjunto de estados do mundo

: conjunto de conseqncias possveis
Um estado resolve toda incerteza, ele especifica a resposta a qualquer pergunta, e
essa resposta deve ser determinstica. Um evento qualquer subconjunto de estados .
Uma conseqncia especifica tudo que relevante para o bem-estar do indivduo.
No modelo de Savage, os objetos de escolha so os atos. Um ato uma funo : ,
ou seja, uma regra que associa a cada estado do mundo uma conseqncia ()
Ao escolher um ato, o ndivduo escolhe a funo . Isso implica que ele no sabe qual a
conseqncia, mas capaz de listar plenamente as conseqncias correspondentes a cada
estado do mundo. Seja F o conjunto de atos. Desse modo, as preferncias de Augur esto
definidas sobre atos, ou seja, ele diz coisas do tipo o ato preferido ao ato , o que
simbolizado por % .
fcil mergulhar em F. Basta tomar, para cada conseqncia , o ato constante
(isto , no contingente ao estado) [] : definido por [] () = , qualquer que seja o
estado . Assim, Augur tem, em particular, no s preferncias sobre atos, mas tambm
preferncias sobre conseqncias.
Antes de listarmos os axiomas de Savage, precisamos introduzir algumas notaes impor-
tantes.
23
Dados dois atos F e um evento , defina um ato : por:

() se

() =

() se

Em outras palavras, o ato igual ao ato , mas quando ocorre o evento , ele igual a .
a ocorrncia do evento que faz com que o ato seja trocado pelo ato . Em particular:

se

() =

() se

Temos tambm, com certo abuso de notao:

se

() =

se

A notao % significa que, dada a ocorrncia do evento , tem-se % . A
notao significa indiferena entre os atos e , quando da ocorrncia do evento .
Um evento dito nulo se, para quaisquer atos F, , ou seja, um evento
nulo se, sob a ocorrncia de , todos os atos so considerados indiferentes por Augur.
Os axiomas de Savage so os seguintes:
S1 Ordem fraca: % completa e transitiva
S2 Princpio da coisa certa: F, se = { : () 6= ()}, ento %
S3 Monotonia: F, evento no-nulo e , % %
S4 Invariancia: e com e , % %
S5 Nao trivialidade: F tais que
24
S6 Continuidade de atos: F com , {1 } partio de tal que,
= 1 , e .
S7 Continuidade de consequencias: F e , (a) se, , % (), ento
% e, (b) se, , () % , ento % .
O axioma de ordenao fraca j bvio.
O princpio da coisa-certa diz que a preferncia sobre dois atos quaisquer e depende
apenas dos valores de e quando eles diferem. O evento = { : () 6= ()} lista os
estados da natureza para os quais os atos e tm conseqncias diferentes. Ento, em
e coincidem. Assim, a preferncia sobre os atos e depende apenas da preferncia sobre
os atos e quando restritos aos estados do mundo para os quais as suas conseqncias so
diferentes.
O axioma da monotonia diz que, se, para qualquer evento no-nulo (ou seja,
relevante), o ato traz as mesmas conseqncias que o ato , qualquer que seja o estado
do mundo, e se, para algum estado especfico, a conseqncia que o ato traz preferida
conseqncia que o ato traz, ento o ato preferido ao ato .
O axioma da invarincia interessante. Suponha que Augur quer saber se Anebo acha
que o evento = {Porfrio escrever uma carta a Anebo} mais provvel do que o
evento = {O magister e os dois decuriones no iro ao Templo de Mitra no solstcio de
inverno} Suponha ainda que Augur sabe que, para Anebo, se = 100 sestrcios e
= 10 sestrcios, ento Augur faz a Anebo a seguinte pergunta: Voc prefere a
loteria que lhe d na ocorrncia do evento e no caso contrrio ou prefere a loteria
que lhe d se ocorrer o evento e no caso contrrio? Se Anebo escolher a primeira
25
loteria, ento porque ele cr que o evento mais provvel. Em outras palavras, % .
Augur, usando o instrumento de medida dado pelo par ( ), descobriu que Anebo cr ser
o evento mais provvel que . O axioma da invarincia diz que, se Augur utilizar outro
instrumento, digamos, ( ), a concluso no pode ser diferente.
O axioma da no-trivialidade serve para mostrar que a probabilidade subjetiva nica.
O axioma da continuidade de atos diz que o mundo no pode ser muito grande nem
muito pequeno, pois devemos ser capazes de particion-lo em um nmero finito de eventos
no muito significantes de tal sorte que perturbaes de quaisquer dois atos nesses eventos
no alterem a escolha. Se o mundo fosse grande demais, talvez jamais pudssemos encontrar
um nmero finito de eventos com essa propriedade; e se fosse pequeno demais, quaisquer
eventos seriam significantes em relao ao mundo.
Considere dois atos e quaisquer tais que . Quando Augur escolhe o ato ,
ele sabe qual a conseqncia () em cada estado do mundo Pelo axioma da
continuidade de atos, deve existir, dado qualquer outro ato , uma partio do mundo em
um nmero finito, digamos, , de eventos disjuntos, ou seja, eventos 1 tais
que = 1 2 , com = , para qualquer 6= , para = 1 ,
partio essa para a qual e . Lembre que:

() se

() =

() se

() se

() =

() se
Que significa isso? Suponha que um certo estado do mundo pertence ao evento .
O evento deve ser insignificante o suficiente para que, se, na ocorrncia do evento ,
26
Augur trocar o ato pelo ato , ento o ato perturbado por essa pequena modificao no
evento ainda continua melhor, do ponto de vista de Augur, do que o ato , mesmo que,
no estado , a conseqncia seja outra, a saber, () = (), e no (). Isso simbolizado
pela expresso Simetricamente, uma pequena perturbao do ato , sob as mesmas
circunstncias, no altera o fato de que ainda melhor. Isso, por sua vez, simbolizado
pela expresso
Ora, fica claro que, para esse axioma valer, o mundo deve ser grande o suficiente para
que possamos sempre encontrar uma partio finita do mundo em eventos suficientemente
insignificantes de tal modo que perturbaes dos atos e nesses eventos insignificantes
no alterem a preferncia de Augur por em detrimento de , e que tambm o mundo no
pode ser pequeno. Com efeito, note que o axioma da continuidade de atos exclui, de um
sopeto, mundos finitos, porquanto so pequenos. Qualquer mundo finito pequeno. Se o
mundo tivesse 999 ziripitilhes de estados possveis, ainda assim seria pequeno, apenas por
ser finito. Desse modo, se Augur quisesse usar o modelo de Savage para descrever seu processo
decisrio em um mundo finito, digamos, = {1 }, mesmo que = 101000000000000 ,
estaria usando o modelo errado. No ser pequeno assim quer dizer que deve ser uma espcie
de continuum.
O axioma da continuidade de conseqncias muito estranho. Considere dois atos e
quaisquer e seja um evento. Em particular, suponha que o prprio mundo, isto ,
= . Suponha que, dada a ocorrncia do evento , isto , de qualquer coisa no mundo,
tenhamos % (), ou seja, o ato (fracamente) preferido conseqncia () . Em
outras palavras, o que se diz aqui que o ato , enquanto regra que associa a cada estado
do mundo uma conseqncia nesse estado, preferido a qualquer conseqncia particular
27
() prescrita pelo ato . Ento, pelo axioma da continuidade de conseqncias, o ato
deve ser preferido ao ato , num sentido global, no apenas sob a ocorrncia do evento
ou estado a estado. Isso explica em palavras o contedo da parte (a) do axioma. A parte
(b) anloga. um axioma meramente tcnico, mas sem ele Savage no consegue mostrar
que preferncias satisfazendo os seis primeiros axiomas so representadas por uma funo de
utilidade esperada.
Teorema (Savage): Suponha que finito. Ento a relao de preferncia % sobre o
conjunto de atos F satisfaz os axiomas S1 S6 se, e somente se, existe uma nica medida
de probabilidade no-atmica finitamente aditiva sobre ( 2 ) e existe uma funo de
utilidade (no-constante) : R tais que, para quaisquer atos F:

Z Z
% ( ())() (())()

Alm disso, a utilidade nica, salvo transformaes afins positivas.
Se for infinito, basta adicionar S7 e impor a condio de que a funo de utilidade
seja limitada, pois do contrrio teramos o paradoxo de So Petersburgo. A expresso:

Z
E [()] , ( ())()

, por definio, a utilidade esperada do ato . A escolha do ato prescreve a conseqncia
() em cada estado do mundo . Cada conseqncia () d uma utilidade
(()). Toma-se em seguida a soma ponderada (pela medida ) desses nveis de utilidade.
A medida a probabilidade subjetiva consistente com o comportamento de Augur
regulado pelos axiomas de Savage. O teorema de Savage garante que essa probabilidade
apenas finitamente aditiva, o que significa que, para quaisquer eventos disjuntos,
28
vale a seguinte regra: a probabilidade da unio igual soma das probabilidades de
e de . Em outras palavras, tais que = :
( ) = () + ()
No enunciado temos tambm o smbolo ( 2 ). O que isso? O conjunto 2 denota
a coleo formada por todos os subconjuntos de , ou seja, a coleo de todos os eventos.
Assim, ( 2 ) designa o fato de que, alm de Augur conhecer a totalidade do mundo, que,
lembre-se, infinito, ele conhece todos os eventos possveis e pode atribuir a cada um de-
les uma probabilidade subjetiva de ocorrncia. Uma vez que sua probabilidade subjetiva
finitamente aditiva, embora ele tenha todo esse saber, ele no consegue mensurar probabilis-
ticamente unies infinitas de eventos, apenas unies finitas.
A propriedade de aditividade finita da medida de probabilidade pode parecer algo tcnico
demais para merecer qualquer ateno de algum esprito mais crtico. A verdade, porm,
no essa3 . A teoria de Savage sofre de um problema muito grave: o paradoxo de Ellsberg.
Mais adiante falaremos dele e veremos que s se pode resolv-lo se a probabilidade subjetiva
deixar de ser aditiva e se tornar sub-aditiva.
Os axiomas S1 S4 so os mais criticados.
De acordo com os axiomas S3 e S4, os gostos so separados das crenas. Lembre-se de
que podemos mergulhar o conjunto de conseqncias no conjunto de atos F. Para cada
conseqncia , tome o ato [] F definido por:
[] () =
ou seja, qualquer que seja o estado do mundo , o ato [] acarreta sempre a mesma conse-
3
O que , afinal, a verdade?
29
qncia, . O axioma da monotonia aplicado ao ato [] implica que, para qualquer evento
, % ([] ) % ([] ) Ora:

se
([] ) () =

[] () se

se
=

se

=
Alm disso:

se
([] ) () =

[] () se

se
=

se

Portanto, % se, e somente se, (a) ocorrendo , % e, (b) no ocorrendo , % .
Ora, em qualquer caso, (a) ou (b), a ocorrncia de A no altera o fato de que fracamente
preferido a (ou seja, % ) e o fato de que fracamente preferido a ele mesmo, (ou
seja, % , j que % uma ordem fraca).
mesma concluso se chega a partir do axioma da invarincia, mas j no necessrio
entrar novamente nesse labirinto de detalhes tcnicos.
Em suma, a preferncia de Augur por em detrimento de independe do estado do
mundo e, portanto, no est sujeita a qualquer crena que Augur tenha quanto aos estados
do mundo. A forma como as preferncias de Augur se manifestam diante das alternativas
e decorrncia to-somente da posio de Augur relativamente s conseqncias. Dessa
30
forma, o modelo de Savage pressupe que os gostos so separados das crenas. No importa
qual a crena de Augur quanto aos eventos = {Porfrio escrever uma carta a Anebo}
e = {Jmblico sonhar com Plotino} Suas crenas no mudaro o fato de que Augur
prefere = 100 sestrcios a = 10 sestrcios.
Esse um problema srio, porquanto fato que as preferncias de qualquer indivduo
podem mudar conforme as circunstncias. O contra-exemplo clssico o seguinte:

= roupa de banho

= guarda-chuva

= chuva

= no-chuva
Nesse caso, se ocorre o evento , ento e, se ocorre o evento , ento .
Savage, porm, perspicaz que era, foi cuidadoso ao expor sua teoria. Ele dizia que esse
contra-exemplo no funcionava, pois a definio de conseqncia deve ser precisa o suficiente
para caracterizar de forma total e determinstica o bem-estar do indivduo. Bens fsicos
como roupas de banho e guarda-chuvas no podem ser tomados como conseqncias, pois a
utilidade que o indivduo tiraria do consumo ou uso desses bens incerta. Com efeito, como
o prprio contra-exemplo procura mostrar, a utilidade depende do estado do mundo. Para
Savage, se o contra-exemplo acima contra-exemplo de algo, certamente no pode ser contra-
exemplo de seu modelo. Uma conseqncia no contexto associado ao contra-exemplo deveria
ser algo como bronzear-se na praia quando estiver sol e caminhar sob chuva usando roupa
de banho. Cada conseqncia deve ser uma descrio completa e determinstica de algo,
livre de quaisquer incertezas.
Robert Aumann e Savage trocaram correspondncias no incio dos anos 1970. Aumann
31
oferece um contra-exemplo talvez mais slido. Augur casado com Laetitia e so felizes.
Laetitia, porm, est muito doente. Seu mdico, Asclepius, diz a Augur que a probabilidade
de Laetitia sobreviver s sanguessugas de 50%. Confiante que na sabedoria de Asclepius,
Augur no duvida dessa probabilidade. Se algum perguntar a Augur sobre as chances de
sobrevivncia da doce e amada Laetitia, Augur dir que so de 50%. Tentando elicitar a
probabilidade subjetiva de Augur quanto s chances de Laetitia, Anebo pede-lhe que diga
qual dos atos seguintes ele prefere:

$0 se Laetitia sobreviver
=

$400 se Laetitia morrer
= $100
ao que Augur reage com um tanto faz. Diante da indiferena manifestada por
Augur, Anebo conclui que a probabilidade subjetiva de Augur na sobrevivncia de Laetitia
de 34 ou 75%. Porm, Augur assim respondeu porque estava deprimido e no se importava
com os atos e . Se, no lugar do ato , Anebo tivesse oferecido o ato:

$0 se Laetitia sobreviver
=

$500 se Laetitia morrer
= $100
Augur tambm diria que e Anebo teria concludo que a probabilidade subjetiva
era de 45 ou 80%. As conseqncias, nesse contra-exemplo, encaixam-se perfeitamente no
critrio estabelecido por Savage. A utilidade , mesmo assim, dependente do estado. Essa
dependncia em relao ao estado ocorre em situaes de stress ou de insupervel angstia
dalma... Em situaes assim, nada importa, diz-se qualquer coisa apenas por obrigao de
dizer. Algo semelhante acontece em booms, crashes da bolsa etc.
32
Os axiomas S1 S2 sofrem do paradoxo de Ellsberg. Suponha que em uma urna I
existem 100 bolas, sendo 50 vermelhas e 50 pretas. Na urna II tambm existem 100 bolas,
entre vermelhas e pretas, mas no se sabe quantas de cada cor. Diante de cada urna,
o indivduo tem que escolher uma cor. Em seguida, uma bola retirada da urna. Se o
indivduo acertar, ganha $100; se errar, nada muda.
Experincias mostram que, diante da urna I, os indivduos manifestam indiferena entre
as cores, eles reportam 50% 50% de preferncia por cada cor. Essa manifestao de
indiferena denota o fato de que o indivduo atribui a cada cor uma probabilidade igual a
50% de ocorrncia. Essa probabilidade objetiva, porquanto sabe-se a proporo exata de
cada cor na urna I.
Diante da urna II, os indivduos tambm manifestam indiferena, ou seja, o indivduo
atribui 50% de probabilidade ocorrncia de cada cor. Neste caso, a proporo 50% 50%
de preferncia por cada cor, entretanto, decorre da utilizao do princpio da indiferena. O
indivduo possui total ignorncia quanto distribuio das cores na urna II.
At aqui tudo bem... Mas, quando aos indivduos perguntado se eles preferem apostar
na cor vermelha com a urna I ou se preferem apostar no vermelho com a urna II, os indivduos
optam pela urna I. Eles preferem a urna cuja distribuio de probabilidade de cores
conhecida urna cuja distribuio desconhecida. Eles preferem a urna cuja probabilidade
da cor vermelha 50% quela cuja probabilidade pode ser qualquer coisa entre 0% e 100%.
Essa uma clara violao do princpio da coisa-certa. Lembre-se de que, pelo princpio da
coisa-certa, a preferncia sobre os atos e depende apenas da preferncia sobre os atos e
quando restritos aos estados do mundo para os quais as suas conseqncias so diferentes.
O conjunto de estados = { }, em que significa vermelho na urna
33
I e preto na urna II, e assim sucessivamente. Os atos so F = {I I II II }, em que
1 , I denota uma aposta na bola vermelha da urna I etc. Temos, assim, a seguinte matrz
de deciso:
F \

1 , 2 , 3 , 4 ,
1 , I 100 100 0 0
2 , I 0 0 100 100
3 , II 100 0 100 0
4 , II 0 100 0 100
Considere o evento = { }. Ento:

I () = II () I () = II ()
I () = II () I () = II ()
No evento , os atos I e II so iguais. Dessa forma, se, na ocorrncia do evento ,
trocarmos um ato pelo outro, mantendo-os iguais, as preferncias entre eles no mudaro.
Mas se mudarmos I e II em igualando-os a I = II , I torna-se II e II torna-se
I . O axioma S2 ento implica que:
I % II II % I
enquanto que:
I I II II
uma contradio.
O paradoxo de Ellsberg mostra que os indivduos tm averso incerteza, um conceito
que deve ser contraposto ao conceito de averso ao risco. A diferena entre incerteza e risco
34
foi sugerida por Frank Knight (1921) em sua obra Risk, Uncertainty and Profit. O que ele
sugeriu que, entre ter uma distribuio de probabilidade e no ter, o indivduo prefere ter.
Risco a medida de variabilidade dos resultados de um fenmeno aleatrio computado com
a ajuda de uma distribuio de probabilidade, seja ela objetiva ou subjetiva. Incerteza
quando essa distribuio ausente ou, se existente, no nica.
3.4 Anscombe-Aumann
Anscombe e Aumann propuseram uma teoria baseada na de Savage, mas com algumas
generalizaes. O ponto crucial que diferencia uma da outra a formalizao do conceito
de ato. Recorde que, para Savage, ato uma funo : , ou seja, uma regra
que especifica, para cada estado do mundo , o resultado ou conseqncia ou outcome
() Para entendermos o modo pelo qual Anscombe e Aumann definem o ato, denote
por () o conjunto de todas as distribuies de probabilidade sobre os resultados em .
Assim, um elemento () uma distribuio de probabilidade sobre os resultados. Em
outras palavras, uma loteria sobre . Para Anscombe e Aumann, um ato uma funo
: L, em que L () um subconjunto de loterias com suporte finito. Uma
loteria tem suporte finito se atribui probabilidades positivas apenas a um nmero finito de
resultados. Com um certo abuso de notao, denotemos tambm por F o conjunto de atos
la Anscome-Aumann.
Essa pequena modificao matemtica na definio de ato faz uma diferena profunda,
pois faz com que, no modelo de Anscome e Aumann, haja duas fontes de incerteza:
(i) incerteza sobre o mundo , chamada de incerteza subjetiva, pois nenhuma probabili-
35
dade objetiva dada aqui;
(ii) incerteza sobre o conjunto de resultados ou conseqncias, chamada de incerteza
objetiva, pois, uma vez o indivduo tendo escolhido o ato e a natureza tendo escolhido
o estado do mundo , o indivduo tem uma probabiulidade objetiva () sobre as
coneqncias em .
No modelo de Savage, o indivduo tem uma probabilidade subjetiva sobre os estados do
mundo. Aqui, alm disso, o indivduo tem uma probabilidade objetiva sobre as conseqn-
cias. Portanto, o indivduo escolhe o ato : L, em que L (). A natureza escolhe
o estado do mundo e, desse modo, o indivduo obtm a distribuio de probabilidade
() sobre . Como essa distribuio tem suporte finito, ela atribui probabilidade postiva a
apenas um nmero finito de resultados. Assim, ()() denota a probabilidade do resultado
de acordo com a distribuio de probabilidade (). Essa distribuio tem sua origem no
ato escolhido pelo indivduo e no estado do mundo escolhido pela natureza.
As preferncias tambm so definidas sobre atos. Portanto, a relao de preferncias
tambm uma relao binria sobre F.
Os axiomas de Anscombe- Aumann so os seguintes:
AA1 Ordem fraca: % completa e transitiva
AA2 Continuidade : F tais que , (0 1) tais que + (1 )
+ (1 )
AA3 Monotonia: F, () % () = %
AA4 Independencia: F e (0 1) % + (1 ) % + (1 )
36
AA5 Nao trivialidade: F tais que
Os axiomas AA1 AA3 da ordenao fraca, da continuidade e da independncia so
os mesmo axiomas de von Meumann e Morgenstern vNM1 vNM3. A nica diferena
que, l, as preferncias eram definidas sobre loterias em ; aqui, so definidas sobre atos
la Anscome-Aumann.
O axioma AA5 da no-trivialidade serve apenas para impor a unicidade da probabilidade
subjetiva consistente com o comportamento baseado na maximizao da utilidade esperada.
Considere dois atos e tais que () % () Recorde que () e () so
distribuies de probabilidade sobre . A condio () % () , significa que,
qualquer que seja o estado do mundo , o indivduo prefere a distribuio ()
distribuio (). Se esse for o caso, ento o axioma da monotonia diz que o indivduo
prefere o ato ao ato .
Tambm no modelo de Anscombe e Aumann, devido ao axioma da monotonia, os gostos
so separados das crenas.
Teorema (Anscombe & Aumann): A relao de preferncia % sobre o conjunto de
atos F satisfaz os axiomas AA1 AA5 se, e somente se, existe uma nica medida de
probabilidade sobre e existe uma funo de utilidade (no-constante) : R tais
que, para quaisquer atos F:
Z Z

% E () [] () E() [] ()

P
em que E () [] , ()()(). Alm disso, a utilidade nica, salvo transfor-
maes afins positivas.
37
Se as preferncias de Augur sobre atos satisfazem os axiomas de Anscombe e Aumann,
ento qualquer deciso de Augur do tipo % equivalente ao seguinte processo mental:
(1 ) Se Augur escolhesse o ato F, ele esperaria a deciso da natureza quanto ao estado
do mundo .
(2 ) Uma vez conhecendo o verdadeiro estado do mundo, ele descobre que () L
() a distribuio de probabilidade sobre resultados em . Assim, ()() a
probabilidade de ocorrncia da conseqncia .
(3 ) Augur avalia cada resultado de acordo com uma funo utilidade : R,
atribuindo a o valor numrico ().
(4 ) De posse da probabilidade ()() de cada conseqncia e de sua utilidade (), ele
calcula a utilidade esperada:
X
E () [] , ()()()

(5 ) S que a natureza ainda no determinou o estado do mundo, mas Augur j sabe qual
a sua utilidade esperada (sobre as conseqncias), E () [] para cada estado
(6 ) Dado que Augur tem uma probabilidade subjetiva sobre os estados do mundo, ele cal-
cula a mdia de todos os valores E () [] de acordo com a distribuio de probabilidade
:
Z

E () [] ()

(7 ) Ele faz o mesmo para o ato , calculando:

Z

E() [] ()

38
(8 ) Por fim, ao comparar os atos e , ele opta por aquele com maior valor. No caso,
R R
Augur conclui que
E () [] () E() [] ().
As vantagens do modelo de Anscombe e Aumann so que ele permite espao finito de
resultados e dois tipos de incerteza: objetiva e subjetiva.
4 Teorias comportamentais alternativas
Teorias alternativas so aquelas que relaxam alguns dos axiomas de Savage. H trs caminhos
para tanto:
manter a noo de probabilidade, mas abandonar o projeto comportamental;
manter o projeto comportamental, mas adotar uma noo diferente de crena, em
particular, probabilidades no-aditivas;
uma combinao das duas anteriores: diferentes noes de crena e diferentes tipos de
definies primitivas (no necessariamente comportamentais).
Nesta seo apresentaremos duas teorias alternativas que seguem o segundo caminho: a
teoria da utilidade esperada de Choquet e a teoria maxmin de Gilboa e Schmeidler.
4.1 Teoria da utilidade esperada de Choquet
O objetivo desta teoria superar o paradoxo de Ellsberg. Sua caracterstica principal que
a medida de probabilidade no aditiva: ela no-aditiva. Uma probabilidade no-aditiva
dita uma capacidade de Choquet. Se denota o mundo, uma capacidade de Choquet
39
definida como uma regra que associa a cada evento um valor numrico (entre 0 e 1) tal
que:
(a) () = 0
(b) , se , ento () ()
(c) () = 1
Essa definio mais fraca do que a definio tradicional de probabilidade, porquanto
no requer que, para dois eventos disjuntos quaisquer, isto , com = ,
valha a aditividade da medida, a saber, que ( ) = () + ().
Inicialmente temos que saber como calcular a esperana matemtica de acordo com uma
capacidade. Seja {1 } uma partio de e seja : R uma varivel aleatria
que assume o valor numrico quando ocorre um estado do mundo Isso escrito
como:

1 se 1

() = .. ..
. .

se
o que pode ainda ser reescrito como:
X

() = 1 ()
=1
em que:

1 se
1 () =

0 se

40
a funo indicadora do evento . Quando ocorre um estado do mundo 1 , por
exemplo, a funo indicadora indica que ocorreu o evento 1 , pois, nesse caso, 11 () = 1 e
toda outra funo indicadora 1 (), com 6= 1, ser tal que 1 () = 0 Dessa forma:
X

() = 1 ()
=1
= 1 11 () + 2 12 () + + 1 ()
= 1 1 + 2 0 + + 0
= 1
ou seja, a varivel aleatria assume o valor 1 Analogamente, se ocorre um estado do
mundo 2 , a varivel aleatria assumir o valor 2 e assim por diante.
Se calculssemos a esperana dessa varivel aleatria segundo o mtodo da integral de
Riemann, faramos:
X

R( ) = ( )
=1
Pelo mtodo de Choquet, devemos fazer:
X

C( ) = ( +1 )(=1 )
=1
com +1 0. Se a capacidade for aditiva, ento ser uma medida de probabilidade
usual e, portanto, C( ) = R( ) Tambm simbolizaremos a integral de Choquet de de
acordo com a capacidade por:
Z
hChoqueti
C( ) , ()()

A integral de Choquet possui a propriedade da comonotonia. Duas funes e so
comonotnicas se @ tais que () () e () (). Equivalentemente, as funes
41
e so comonotnicas se tivermos () () e () () ou () ()
e () (). Em palavras, e so comonotnicas se variam sempre na mesma direo
conforme o estado do mundo.
David Schmeidler (1986) usa a comonotonia da integral de Choquet para introduzir um
axioma comportamental mais fraco do que a monotonia.
Para Schmeidler, um ato uma regra : L, em que L () que associa a cada
estado do mundo uma loteria () L sobre os resultados em . O conjunto de atos
denotado por F. Dois atos F so comonotnicos se no existem dois estados do
mundo tais que () () e () (), ou seja, que revertam a ordenao de
preferncia conforme o estado do mundo. Considere dois atos comonotnicos e . Quando
o estado do mundo , esses atos do as loterias () e (), respectivamente. No
estado do mundo , eles do as loterias () e (), respectivamente. Se, fixado o ato
, o indivduo manifestar a preferncia () % (), ento a comonotonia entre e requer
que () % (). E se, ao contrrio, fixado o ato , o indivduo manifestar a preferncia
() - (), ento a comonotonia entre e requer que () - (). Em suma, o estado do
mundo no pode afetar a ordenao entre os atos comonotnicos.
O modelo de Choquet troca o axioma AA4 de independncia de Anscombe-Aumann
pelo axioma de independncia comonotnica seguinte:
Ch4 Independencia comonotonica: F atos 2-a-2 comonotnicos e (0 1) :
% + (1 ) % + (1 )
Choquet, ento, relaxa o axioma da independncia, exigindo-o apenas quando os atos
envolvidos so comonotnicos. Quando o indivduo compara atos no-comonotnicos, ele
42
pode simplesmente desconsiderar o axioma da independncia. No paradoxo de Ellsberg, a
independncia violada, mas os atos envolvidos no so comonotnicos. Dessa forma, o
paradoxo de Ellsberg no se aplica ao modelo de Choquet. O que Choquet quer dizer no
fundo que o modelo de Anscombe-Aumann no adequado para explicar o comportamento
que deu origem ao paradoxo de Ellsberg porque os indivduos, na verdade, no satisfazem
o axioma da independncia. A conseqncia dessa pequena mudana que a probabilidade
subjetiva torna-se no-aditiva, isto , torna-se uma capacidade de Choquet.
Teorema (Choquet): A relao de preferncia % sobre o conjunto de atos F satisfaz
os axiomas AA1 AA3, Ch4 e AA5 se, e somente se, existe uma nica capacidade de
Choquet sobre e existe uma funo de utilidade (no-constante) : R tais que,
para quaisquer atos F:
Z
hChoqueti Z
hChoqueti

% E () [] () E() [] ()

(a integral sendo no sentido de Choquet). Alm disso, a utilidade u nica, salvo transfor-
Se as preferncias de Augur sobre atos satisfazem os axiomas de Choquet, que so os
mesmos de Anscombe-Aumann, salvo o da independncia, trocado pelo de independncia
comonotnica, ento qualquer deciso de Augur do tipo % equivalente ao seguinte
processo mental:
do mundo .
43
X
E () [] , ()()()

(6 ) Dado que Augur tem uma probabilidade subjetiva no-aditiva (ou seja, uma capacidade
de Choquet) sobre os estados do mundo, ele calcula a esperana, no sentido de
Choquet, de todas os valores E () [] de acordo com a capacidade :

Z
hChoqueti
C(E () [] ) = E () [] ()


Z
hChoqueti
C(E () [] ) = E() [] ()

Augur conclui que:

Z
hChoqueti Z
hChoqueti
E () [] () E() [] ()

44
4.2 Teoria da utilidade maximin de Gilboa & Schmeidler
A teoria da utilidade maxmin de Ithzak Gilboa e David Schmeidler um caso particular
da teoria de Choquet. A teoria de Choquet bastante geral e, por isso mesmo, no
muito intuitiva. Gilboa e Schmeidler consideram probabilidades no-aditivas com a seguinte
condio adicional: para quaisquer eventos , vale a desigualdade:
() + () ( ) + ( )
Essa condio dita convexidade e generaliza aquela conhecida regra do Clculo de Proba-
bilidades que diz que, para quaisquer eventos , ( ) = () + () ( ).
Para entendermos o que ela significa, basta que consideremos dois eventos disjuntos
quaisquer, isto , com = . Ento, pela convexidade da capacidade:
( ) () + ()
Em outras palavras, a juno dos eventos e aumenta o grau de crena. A soma dos
graus de crena nos eventos disjuntos e , encarados separadamente, () + (). Mas
quando encarados conjuntamente, o grau de crena ( ) no evento formado
pela juno dos dois eventos e maior. Decorre disso que a capacidade convexa , na
verdade, uma medida de probabilidade sub-aditiva. Em particular, dado um evento e
seu complementar , a sub-aditividade de implica que:
() + ( ) 1
No Clculo de Probabilidades usual, a regra () + ( ) = 1. Na teoria de Gilboa e
Schmeidler, ao contrrio, a regra () + ( ) 1 O resduo (no-negativo) 1 ()
45
( ) pode ser visto como uma medida de averso incerteza. Quanto maior esse resduo,
mais convexa a capacidade. essa averso incerteza que explica o paradoxo de Ellsberg.
Quando os indivduos tm que escolher uma cor dentre as bolas da urna I, aquela com
distribuio conhecida, eles no enfrentam incerteza propriamente, mas um risco calculado.
J a escolha entre as urnas I e II apresenta um resduo positivo.
O que sabe Augur sobre a verdadeira probabilidade ()? Tudo o que ele sabe que:
() () 1 ( )
Assim, o grau de incerteza do evento 1 () ( ). A incerteza total dada por
() = 0, em cujo caso:
0 () 1
ou seja, que a probabilidade verdadeira qualquer grau de crena entre 0% e 100%.
Uma caracterstica magnfica da capacidade convexa que ela descreve o comportamento
decisrio de acordo com o critrio maxmim.
Denote por M() o conjunto de todas as medidas de probabilidade aditivas sobre o
estados do mundo. Considere o seguinte conjunto de medidas de probabilidades associado a
uma capacidade convexa de Choquet :
CORE() = { M() : () (), , e () = () = 1}
O core da capacidade convexa (ou ncleo de ) o conjunto de todas as medidas aditivas
(aquelas usuais) de probabilidade tais que:
a crena subjetiva na totalidade do mundo a mesma tanto para a capacidade quanto
46
para a medida aditiva, ou seja, toda certeza est no mundo , condio essa dada por
() = () = 1;
a crena subjetiva no-aditiva () no evento uma verso cautelosa da crena
aditiva () no mesmo evento, sendo isso expresso pela condio () (), .
Os axiomas prprios da teoria maxmin so:
GS4 C Independencia: F, F ato constante e (0 1), %
+ (1 ) % + (1 )
GS6 Aversao a incerteza: F, se , ento, (0 1), + (1 ) %
O axioma GS4 da C-independncia idntico ao axioma AA4 da independncia, salvo
pelo fato de o ato , em GS4, ser um ato constante. Portanto, a C-independncia um
relaxamento da condio de independncia, j que GS4 requer que o axioma AA4 valha
apenas quando ato constante.
O axioma GS6 da averso incerteza diz que, dados dois atos e indiferentes do ponto
de vista de Augur, ele prefere uma composio distribucional (ou uma mdia ponderada
qualquer) + (1 ) dos dois a cada um em particular.
Temos, assim, o teorema de Gilboa & Schmeidler (1989):
Teorema (Gilboa & Schmeidler): A relao de preferncia % sobre o conjunto de atos
F satisfaz os axiomas AA1 AA3, GS4, AA5 e GS6 se, e somente se, existe um nico
() subconjunto fechado e convexo de medidas de probabilidade sobre e existe uma
funo de utilidade (no-constante) : R tais que, para quaisquer atos F:

Z Z

% min E () [] () min E() [] ()
CORE() CORE()
47
P
em que E () [] , ()()(). Alm disso, a utilidade nica, salvo transfor-
Schmeidler (1986) mostrou que, para qualquer funo : R:
Z
hChoqueti Z
()() = min ()()
CORE()
Logo, o que o teorema de Gilboa & Schmeidler diz que, considerando todos os axiomas
de Anscombe & Aumann, mas trocando a independncia pela C-independncia e adicionando
a averso incerteza, ento, aplicando o teorema de Anscombe & Aumann:

Z
hChoqueti Z
hChoqueti

% E () [] () E() [] ()

R
hChoqueti R
em que
()() = minCORE()
()() e = CORE()
O que isso quer dizer? Se as preferncias de Augur sobre atos satisfazem os axiomas de
Gilboa & Schmeidler, que so os mesmos de Anscombe-Aumann, salvo o da independncia,
trocado pelo de C-independncia, e pelo acrscimo da averso incerteza, ento qualquer
deciso de Augur do tipo % equivalente ao seguinte processo mental:
do mundo .
48
X
E () [] , ()()()

(6 ) Dado que Augur tem uma probabilidade subjetiva sub-aditiva (uma capacidade de
Choquet convexa) sobre os estados do mundo, ele considera o ncleo CORE() da
capacidade. Em outras palavras, ele possui mltiplas probabilidades a priori. Cada
probabilidade CORE() uma crena a priori.
(7 ) De acordo com cada probabilidade a priori CORE() Augur calcula a esperana,
no sentido usual, de todas os valores E () [] de acordo com a crena :

Z
E () [] ()

(8 ) Em seguida, dado que Augur cauteloso, ela toma a menor dessas esperanas:
Z

min E () [] ()
CORE()

Z

min E() [] ()
CORE()
Augur conclui que:

Z Z

min E () [] () min E() [] ()
CORE() CORE()
49
ou seja, ele opta por aquele ato que maximiza sua utilidade na pior situao possvel.
Vejamos um exemplo numrico. Suponha que = {1 2 3 } e considere uma varivel
aleatria definida por:
(1 ) , 1 = 1
(2 ) , 2 = 5
(3 ) , 3 = 3
Denote por 1 a probabilidade a priori (1 ), por 12 a probabilidade a priori ({1 2 })
etc. Suponha que:

1 = 0 2 12 = 0 5 123 = 1
2 = 0 2 13 = 0 6
3 = 0 2 23 = 0 6
Ordenando 2 3 1 a esperana maximin :
Z
hChoqueti
EChoquet () = ()()

= (2 3 )(2 ) + (3 1 )({3 2 }) + 1 ({1 3 2 })
= 2 0 2 + 2 0 6 + 1 1
= 2 6
A utilidade maxmin resolve vrios problemas em Economia. Alguns deles so:
O paradoxo de Ellsberg.
A inrcia de portflios, isto , o fato de que pequenas variaes nos preos dos ativos
componentes de uma carteira no afetam a composio dos ativos nem suas quanti-
dades.
50
O vis domstico nas finanas internacionais, isto , o fato de que os indivduos ten-
dem a participar mais de seus mercados financeiros domsticos do que dos mercados
internacionais.
Crashes e booms financeiros.
Contratos incompletos. Um contrato incompleto quando no consegue estabelecer
clusulas de conduta ou de ao para todos os possveis estados do mundo. Suponha
que Augur compra um seguro contra acidentes com sua biga. O contrato especifica o
que as partes entendem por acidente: coliso com outra biga, choque com uma manada
descontrolada de touros no festival de Mitra, pedras no caminho etc. Agora, imagine
que Augur passeia com sua biga lentamente beira da prais. De repente, uma orca, a
baleia assassina, sai do mar e avana sobre a biga achando que era uma foca. Nenhuma
das partes imaginava que isso pudesse acontecer e o contrato nada diz sobre esse caso.
Esse um contrato incompleto.
A questo do job search, que pode ser resumida pela pergunta: Como um desempre-
gado reage a uma incerteza crescente no mercado de trabalho? No modelo bayesiano,
a maior incerteza capturada pela maior varincia dos salrios dos empregos ofereci-
dos. Ceteris paribus, maior varincia torna o indivduo menos desejoso de aceitar uma
oferta, pois sabe que tem uma chance de obter uma oferta melhor mais tarde. Esse
resultado contra-intuitivo decorre da hiptese de que toda incerteza quantificvel
por uma medida de probabilidade aditiva, ou seja, por uma crena descrita por uma
medida de probabilidade aditiva. Com a multiplicidade de probabilidades a priori e
com a averso incerteza proporcionadas pelo modelo de Gilboa & Schmeidler, o re-
51
sultado inverte-se. Quando h mais incerteza, h mais probabilidades a priori. isto
quer dizer que o indivduo considera que outras crenas so possveis. Quanto mais
probabilidades a priori, a utilidade maxmin tende a cair. O agente racional, portanto,
aceita a oferta que vier e no espera.
As teorias de deciso sob incerteza com mltiplas priors, em especial a de Gilboa-
Schmeidler, tambm conhecida por teoria da incerteza knightiana, adaptam-se s situaes
do exemplo 3. Os modelos de mltiplas priors levam a resultados s vezes qualitativamente
diferentes e em geral mais plausveis do que os obtidos pela abordagem bayesiana.
5 Teoria de GilboaLieberman-Schmeidler de crena
qualitativa baseada em casos
At agora, as teorias de deciso sob incerteza buscaram um modo de definir probabilidades
subjetivas a partir do comportamento observado. A idia era observar o comportamento e
deduzir quais crenas induziriam o comportamento observado.
Agora abandonaremos o projeto comportamental e perguntaremos: Como as proba-
bilidades podem ser construdas? Partindo do procedimento adotado na abordagem fre-
qentista da probabilidade objetiva, Gilboa, Lieberman & Schmeidler (2007) desenvolveram
recentemente a teoria da crena qualitativa baseada em casos, uma teoria de carter cogni-
tivo.
52
H duas primitivas:

A : conjunto de alternativas

X : conjunto de observaes
Uma observao um fenmeno bem definido. Por exemplo, o fenmeno Caesar no lana-
mento do bolo. Toda vez que esse fenmeno se realiza, isto , toda vez que a face Caesar
fica para cima, diz-se que se tem uma observao do tipo Caesar. Uma base de dados
: X Z+ uma regra que associa a cada observao do tipo X o nmero () Z+
de vezes que ela ocorreu. Recorde que Z+ = {0 1 2 3 } o conjunto dos nmeros inteiros
no-negativos. Denote por I o conjunto de todas as bases de dados. O conjunto de bases de
dados definido por:

X
D = { I : () }
X
Uma base de dados D , assim, um vetor de contagem. Ela diz quantas observaes
temos de cada tipo na base de dados .
Para cada base de dados D, Augur possui uma relao de preferncia % sobre o
conjunto de alternativas A. Dadas duas alternativas a b A, a expresso a % b significa
que, para Augur, a alternativa a to provvel quanto a alternativa b, dada a base de dados
Dada uma funo : A X R que associa a cada par alternativa-observao (a )
A X um valor numrico (a ) R pode ser vista como uma matriz cujo elemento
genrico na linha a e coluna (a ) A matriz : A X R diversificada se nenhuma
linha dominada por uma combinao afim de trs (ou menos) linhas, ou seja, no existem
alternativas a b c d A com b c d 6= a e no existem nmeros reais R com
+ + = 1 tais que, para qualquer X (a ) (b ) + (c ) + (d ).
53
Os axiomas so:
GLS1 Ordem fraca: D, % completa e transitiva.
GLS2 Combinaao : D e a b A, se a % b e a % b, ento a %+ b.
GLS3 Princpio arquimediano: D e a b A, se a b, ento N tal que
a + b.
GLS4 Diversidade: a b c d A distintos, D tal que a b c d. Se |A| 3, a
existncia de tal trivial).
O axioma da ordenao fraca j usual. Para cada base de dados D, a relao de
preferncias % sobre as alternativas completa e transitiva.
O axioma da combinao diz que, se Augur tem razes para crer que a alternativa a
to provvel quanto a alternativa b, tanto para a base de dados D como para a base de
dados D, ento Augur tambm ter razes para crer que a alternativa a to provvel
quanto a alternativa b, para a base conjunta de dados + D.
O princpio arquimediano diz que, se a base de dados D d razes suficientes para
Augur crer que a alternativa a estritamente mais provvel quanto a alternativa b, ento
uma replicao suficientemente grande da base de dados eventualmente superar qual-
quer evidncia em contrrio vinda de qualquer outra base de dados D. O princpio
arquimediano uma espcie de axioma de continuidade sobre base de dados. Esse axioma
o mais problemtico. muito fcil encontrar exemplos na histria da cincia de bases de
dados que reverteram crenas a despeito de enormes replicaes de bases de dados anteri-
ores. Durante sculos a astronomia de Ptolomeu foi suficiente para prever eclipses e outros
54
fenmenos celestes. Entretanto, bastou uma pequena base de dados diferente para reverter
a crena. De qualquer forma, um axioma mais razovel deveria permitir que bases de dados
especficas contradissessem bases anteiores, mesmo que largamente replicadas no passado.
Gilboa, Lieberman e Schmeidler estranhamente no criticam o princpio arquimediano.
Tampouco o elogiam. Na verdade, dizem apenas que razovel para uma mente estatstica.
O que eles querem dizer que uma base de dados pequena negligvel relativamente a uma
base de dados largamente replicada e, portanto, do ponto de vista estatstico, no afeta
a ordenao das crenas. Ora, negligibilidade do tamanho da base de dados no implica
negligibilidade do contedo informativo da base. O princpio arquimediano, portanto, pode
no ser to razovel. Eles reconhecem, entretanto, as deficincias do axioma da combinao
e discorrem algo sobre ele.
O axioma da diversidade uma traduo, para o contexto do modelo, do axioma da
no-trivialidade. Porm, como os elementos do modelo vm de observaes histricas, a
interpretao fica mais rica. Com efeito, o axioma da diversidade diz que a experincia
enriquece a estrutura d epreferncias sobre as alternativas.
Teorema (Gilboa, Lieberman & Schmeidler, 2007): A coleo {% : D} de relaes
de preferncia sobre as alternativas em A para as possveis bases de dados satisfaz os axiomas
GSL1 GSL4 se, e somente se, existe uma matriz diversificada : A X R tal que,
para qualquer base de dados D e para quaisquer alternativas a b A:
X X
a % b (a )() (b )()
X X
P
em que E () [] , ()()(). Alm disso, a matriz nica, salvo transformaes
matricialmente afins positivas, ou seja, se : A X R outra matriz diversificada tal
55
que = + , em que 0 e : A X R uma matriz de colunas constantes, ento
representa as mesmas preferncias.
P
Na expresso X (a )(), o termo (a ) faz o papel da funo utilidade e o termo
() faz o papel da medida de probabilidade. A diferena que () , salvo o nmero total
de observaes, uma freqncia emprica.
Se as preferncias de Augur sobre atos satisfazem os axiomas de Gilboa, Lieberman &
Schmeidler, ento qualquer deciso de Augur do tipo a % b, qualquer que seja a base de
dados D, equivalente ao seguinte processo mental:
(1 ) Se Augur escolhe a alternativa a A e considera a observao do tipo X ento
ter utilidade (a )
(2 ) Ele computa (), ou seja, ele verifica quantas observaes h do tipo X.
(3 ) De posse da utilidade (a ) e do nmero de observaes (), ele calcula a utilidade
esperada sobre o conjunto de tipos de observao X:
X
(a )()
X
(5 ) Ele faz o mesmo para a alternativa b A, calculando:
X
(b )()
X
(6 ) Por fim, ao comparar as alternativas a e b, ele opta por aquela com maior valor. No
caso, Augur conclui que:
X X
(a )() (b )()
X X
56
Considere o exemplo 3. Augur pergunta a Asclepius qual a probabilidade de sucesso,
mas no insiste numa distribuio de probabilidade. Ele fica satisfeito com uma resposta
do tipo: Tens mais chance de sucesso que de insucesso. Asclepius enfrenta, aqui, um
problema de classificao, que so mais simples que os problemas de deciso. De fato, no
processo decisrio, Asclepius tem que fazer raciocnios contrafactuais, perguntando: O que
aconteceria se eu escolhesse diferente? No processo classificatrio, Asclepius sabe quais os
resultados de diferentes previses.
Se Asclepius satisfaz os axiomas de Gilboa, Lieberman & Schmeidler, ento haver uma
funo ( 0 ) sobre X X tal que sua resposta ser dada de acordo com o seguinte critrio:
a soma dos valores de sobre os pacientes que sobreviveram maior do que a soma sobre
os que no sobreviveram. Os pacientes sobreviventes, mesmo que diferentes e operados
sob circunstncias e por mdicos diferentes, podem ser agrupados mediante uma noo de
similaridade. Podemos pensar na funo como a similaridade que Asclepius identifica entre
os pacientes de sua base de dados e Augur, seu paciente atual. Isso segue a idia de Hume
(An Enquiry Concerning Human Understanding, 1748): De causas que parecem similares
esperam-se efeitos similares. Essa a soma de todas as nossas concluses experimentais.
A teoria de Gilboa, Lieberman & Schmeidler um modelo do raciocnio analgico que
Hume via como a base da predio. Em particular, esse modelo permite uma abordagem
freqentista revisitada. Considere uma varivel aleatria que pode assumir dois valores:
= 1 denota sucesso e = 0 insucesso. Tenhamos em mente a situao do exemplo 3.
As caractersticas dos pacientes so dadas pelo vetor = (1 ) R . temos, assim,
57
uma base de dados de observaes passadas das variveis:
{( ) : = 1 }
em que ( ) = (1
). Um novo caso introduzido, o de Augur, com caracters-
ticas:
+1 = (1+1
+1 )
Asclepius quer acessar a probabilidade de +1 = 1. Seja ( +1 ) 0 uma funo de
similaridade entre e +1 Ento a probabilidade de sucesso na cirurgia de Augur :

P
I =1 ( +1 )
( + 1 ) = P
=1 ( +1 )
Essa frmula conhecida na Estatstica como kernel estimation of probability e na
Psicometria como exemplar learning. Ela se reduz freqncia relativa de sucesso na base
de dados se a funo de similaridade ( 0 ) constante, isto , quando todas as observaes
so consideradas igualmente relevantes. Se, entretanto, definirmos:

1 se = 0
0
( ) =

0 se 6= 0
ento a frmula acima se reduz freqncia relativa condicional de +1 = 1 (de sucesso),
isto , freqncia relativa na sub-base de dados definida por +1 . Em outras palavras,
atualizao bayesiana. A frmula , ento, um meio-termo entre dois extremos: a freqncia
relativa e a freqncia relativa condicional. Essa teoria, ento, um meio-termo entre a
abordagem freqentista objetivista e a abordagem subjetiva bayesiana.
Pode parecer, primeira vista, que simplesmente se troca a pergunta Qual probabilidade
subjetiva usar? pela pergunta Qual funo de similaridade usar?, mas no bem assim.
58
Pode-se estimar a funo de similaridade a partir dos dados. Utilizando algum critrio
estatstico de minimizao de erros, como, por exemplo, o critrio mdio-quadrtico, pode-
se escolher a melhor funo de similaridade dentre uma famlia de funes. Os autores
comparam o modelo com vrios outros mtodos de inferncia estatstica:
regresso linear;
kernel estimation;
interpolao;
atualizao bayesiana;
modelos de auto-regresso;
sries temporais etc.
Se Augur usar a teoria da deciso baseada em casos, ele pode se considerar um bayesiano
mais flexvel, que classifica as caractersticas dos fenmenos de maneira menos rigorosa. Ele
identifica, mediante a funo de similaridade, quais casos so mais ou menos relevantes para
a sua predio. O que justifica a contaminao de sua anlise com casos diferentes, embora
similares (de acordo com a similaridade adotada) justamente a escassez de dados. Alm do
mais, esse mtodo no baseado em axiomas comportamentais, mas cognitivos. Lembre-se
de que os dados do razo para crer mais numa alternativa que em outra. Isso no pressupe
uma relao de preferncia como nos modelos comportamentais.
O modelo pode ainda incorporar vrios indivduos. Basta fazer com que cada observao
coletada especifique tambm quem o observador. Dessa forma, a % b significar que,
59
se a base de dados D especifica quantas vezes cada indivduo observou o par ( 0 ),
ento a alternativa a mais provvel que a alternativa b de ser o assessment do conjunto
de indivduos. Esse assessment reflete a opinio coletiva.
6 Concluso
As teorias comportamentais da tomada de deciso sob incerteza partem de axiomas bastante
semelhantes. Podemos notar em primeiro lugar que as relaes de preferncia, sejam elas
definidas sobre alternativas ou loterias, so sempre uma ordem fraca, isto , completas e
transitivas.
Na Economia costuma-se associar as propriedades de completeza e de transitividade
das preferncias individuais ao pressuposto de racionalidade do homo conomicus. Junte-
se a isso a caracterstica de comportamento maximizador com aproveitamento de todas
as informaes disponveis para o tomador de deciso. Entretanto, j no sculo XVIII,
Condorcet alertava para os problemas decorrentes da agregao de preferncias transitivas.
O paradoxo do voto o exemplo clssico. Portanto, o tomador de deciso sob incerteza
sujeito aos axiomas comportamentais deve ser, de fato, um indivduo.
A Economia, porm, principalmente a moderna macroeconomia com fundamentos micro-
econmicos, toma a coletividade, a sociedade, como um indivduo com preferncias racionais
e tomando decises sob incerteza. O artifcio dizer que se toma um agente representativo.
H nos modelos macroeconmicos um consumidor representativo, uma firma representativa
e um governo. Todos esses agentes representativos so racionais: tm preferncias racionais
e so otimizadores. Dessa interao entre os agentes representativos decorrem os equilbrios
60
e, por conseguinte, as recomendaes de poltica macroecmica. Para piorar, os modelos
ainda supem que os indivduos tomam decises intertemporais. A racionalidade privada
no se transmuta em racionalidade coletiva quando da agregao de preferncias. O que
a macroeconomia faz passar-nos uma rasteira muito sutil: ela supe que todos os con-
sumidores so idnticos ex ante, ou seja, antes de qualquer choque aleatrio idiossincrtico
que diferencie os indivduos. O modelo pode ficar mais vendvel se disser que existe um
continuum de consumidores idnticos ex ante que sofrem um choque do tipo Bernoulli. Esse
pressuposto, porm, matematicamente equivalente ao pressuposto de que existe apenas um
nico indivduo que enfrenta uma incerteza dada pela realizao de uma varivel aleatria
com distribuio de Bernoulli e que, portanto, aps o choque, h apenas dois tipos diferentes
de indivduos , com o peso de cada um sendo dado pela massa de indivduos de cada tipo.
A hiptese de continuum de consumidores , assim, uma complicao desnecessria e tem o
evidente intuito de dar ao modelo uma roupagem matematicamente sedutora.
Vejamos, por exemplo, como Woodford introduz o modelo de asset-pricing com ativos
nominais em seu livro wickselliano Interest and Prices (2003, p. 64): Consider an economy
made up of a large number of identical households. The representative consumer seeks
to maximize the expected value of a discounted sum of period contributions to utility of

P
the form E {
=0 ( ; )} Temos ainda Stockey & Lucas (1989, p. 475), que, no
incio do captulo 16, escrevem: ... the solutions to certain planning problems can be
interpreted as competitive equilibria of economies with a large number of consumers who
have identical preferences and identical endowments, and a large number of firms that have
identical constant-returns-to-scale technologies. Somente na seo 16.7, Stockey & Lucas
apresentam o modelo com heterogeneidade entre os consumidores. Neste caso, porm, no
61
um continuum, mas um nmero finito deles. Blanchard & Fisher (1989, p. 48) supem
que there are many identical families, each with a welfare function given by equation (3),
a equao (3) sendo o valor presente de uma utilidade sobre um fluxo contnuo de consumo.
Mais adiante, dizem que there are many identical firms, each with the same technology.
Existe tambm a chamada questo do small world. Savage, no captulo 2 de seu famoso
livro The Foundations of Statistics, j dizia que sua teoria de deciso sob incerteza s faz
sentido em um mundo pequeno. O que significa isso? Um mundo pequeno um mundo no
qual sempre possvel to look before you leap. Em outras palavras, o indivduo tem que
conhecer a totalidade do mundo e, s ento, distribuir a certeza entre os possveis estados do
mundo. Ele capaz de levar em considerao, antecipadamente, todos os impactos de todas
as informaes futuras concebveis sobre o modelo subjacente que determina suas crenas.
No h espao para surpresas. Jamais poder ser o caso de o indivduo no saber e, alm
disso, no saber que no sabe.
No incio do sculo XX, um diretor da instituio que administrava os registros de
patentes nos Estados Unidos fez uma declarao que entrou para a Histria como o sm-
bolo do erro que os economistas insistem em repetir. Encantado com o progresso tecnolgico
de ento, ele afirmou publicamente que nada mais havia para ser inventado. Seu erro era
imaginar que todas as possibilidades concebveis perfaziam a totalidade do mundo. As re-
laes econmicas e, mais geralmente, as relaes sociais, so relaes em um big world, um
mundo grande. Devemos admitir que existem estados do mundo que desconhecemos e no
sabemos que desconhecemos.
Se pensarmos em termos dos axiomas de Kripke do sistema S5 sobre o operador de
conhecimento K : 2 2 sobre o conjunto dos estados do mundo , ento o primeiro
62
deles, K() = , j nos faz pensar. Ele diz que auto-evidente que contm todos os
estados do mundo. O quinto axioma diz que, se um evento qualquer, ento
K() = K(K()), ou seja, que, se o indivduo no sabe , ento ele sabe que no sabe .
O problema que, muitas vezes, o que ocorre K() = K(K()) Neste caso, entramos
no big world mencionado por Savage. L, sua teoria no faz sentido. Alis, nenhuma das
teorias comportamentais faz. No mundo grande devemos ter muito cuidado ao aplicarmos
as teorias de probabilidade subjetiva com bayesianismo.
Ser que num mundo pequeno existe realmente algum aprendizado? A compreenso
da natureza da mensagem trazida por uma surpresa um aprendizado. A famosa frmula
de atualizao bayesiana no uma frmula de aprendizagem racional. Todas as possveis
atualizaes j esto descritas. Basta apenas esperar a realizao de algum evento e atualizar
a distribuio de probabilidade. Ken Binmore enftico em criticar o uso indevido do
bayesianismo:
How is it that Bayesianismists succeed in convincing themselves that rational
learning consists of no more than the trivial algebraic manipulations required for
the use of Bayess rule? My guess is that their blindness is only a symptom of
a more serious disease that manifests itself as a worhip of mathematical formal-
ism. A definition-axiom-theorem-proof format is designed to close the mind to
irrelevant distractions. But the aspects of the learning process that are neglected
by Savages formalism are not irrelevant. How decision makers form and refine
their subjective judgements really does matter. But the fact that Savages theory
leaves these aspects of the learning process utterly unmodeled creates a trap into
63
which Baysianismists are only too ready to fall. The trap is to proceed as though
anything that is not expressed in the formalism to which one is accustomed does
not existe at all. [Binmore (1993), p.327]
Binmore aponta, portanto, no apenas para a questo do mundo pequeno e do mundo
grande, mas tambm para a questo da origem das crenas subjetivas. Podemos ver a teoria
de Gilboa-Lieberman-Schmeidler como um passo nessa direo. D-se formao de crenas
um fundamento emprico, observacional, semi-objetivo. A teoria no aborda, propriamente,
a questo do mundo pequeno e do mundo grande, mas entendemos que h nela espao para
tanto. O advento de um novo elemento no conjunto X pode ser facilmente incorporado.
Tendo em mos o conjunto ampliado X = X { } basta mudar a funo de similaridade
para : X X R e reestimar a probabilidade: :

!
X

( +1 )
I ( + 1 ) = P

=1 =1 ( +1 )
O advento de um estado surpresa pode afetar a insero de uma observao numa dada
categoria, mas parece-nos que um indivduo racional de bom-senso, o que quer que isso seja,
faria dessa forma.
A grande lio que devemos tirar de tudo isso que as teorias tradicionais de deciso sob
incerteza aplicam-se basicamente a mundos anlogos a um cassino. Quando se joga um dado
cbico, o mundo possui seis estados. Esses seis estados perfazem a totalidade do mundo.
Quando se trata da relao humana, seja econmica, financeira ou social, o mundo muito
maior do que pensamos, tanto que nem sabemos quanto...
Bibliografia
64
1. Anscombe, F. and R. Aumann (1963): A definition of subjective probability,
The Annals of Mathematics and Statistics, 34: 199-205.
2. Binmore, K. (1993): De-bayesing game theory, in K. Binmore, A. Kirman, and P.
Tani (eds.) Frontiers of Game Theory, pp. 321-339 The MIT Press, cambridge, MA.
3. Blanchard, J. & S. Fisher (1989): Lectures on Macroeconomics. The MIT Press,
Cambridge, MA.
4. Gilboa, I. (2007): Lecture Notes on the Theory of Decision under Uncertainty, mimeo,
Tel-Aviv University.
5. Gilboa, I. (1987): "Expected utility with purely subjective non-additive probabili-
ties", Journal of Mathematical Economics, 16: 65-88.
6. Gilboa, I., O. Lieberman & D. Schmeidler (2007): On the definition of subjec-
tive probability by empirical similarity, mimeo, Tel-Aviv University.
7. Gilboa, I., O. Lieberman, & D. Schmeidler (2006): Empirical similarity, Re-
view of Economics and Statistics, 88: 433-444.
8. Gilboa, I., F. Maccheroni, M. Marinacci, & D. Schmeidler (2008): Objective
and subjective rationality in a multiple prior model, mimeo, Tel-Aviv University and
Yale University.
9. Gilboa, I., & D. Schmeidler (1995): Case-based decision theory, The Quarterly
Journal of Economics, 110: 605-639.
65
10. Gilboa, I., & D. Schmeidler (1989): Maxmin expected utility with no unique
prior, Journal of Mathematical Economics, 18: 141-153.
11. Knight, F. (1921): Risk, Uncertainty and Profit. Houghton Miin Company, Boston,
MA.
12. Savage, L. (1954): The Foundations of Statistics. John Wiley & Sons, New York,
NY.
13. Stockey, N. & R. Lucas (1989): Recursive Methods in Economic Dynamics. Harvard
University Press, Cambridge, MA.
14. von Neumann, J. & O. Morgenstern (1944): Theory of Games and Economic
Behavior. Princeton University Press, Princeton, NJ.
15. Woodford, M. (2003): Interest and Prices. Princeton University Press, Princeton,
NJ.
66

Incerteza - Rodrigo Peñaloza

Diunggah oleh

Informasi Dokumen

Deskripsi Asli:

Hak Cipta

Format Tersedia

Bagikan dokumen Ini

Bagikan atau Tanam Dokumen

Opsi Berbagi

Apakah menurut Anda dokumen ini bermanfaat?

Apakah konten ini tidak pantas?

Hak Cipta:

Format Tersedia

Incerteza - Rodrigo Peñaloza

Diunggah oleh

Hak Cipta:

Format Tersedia

Teorias de Deciso sob Incerteza

Rodrigo Andrs de Souza Pealoza

Departamento de Economia - Universidade de Braslia

Centro de Investigao em Economia e Finanas, CIEF - Universidade de Braslia

Centro de Estudos em Regulao de Mercados, CERME - Universidade de Braslia

verso: 17 de junho de 2010

tenso de originalidade. De Gilboa (2007) sigo, em linhas gerais, a sequncia de tpicos

e apresento, de forma unificada e com muitas consideraes pessoais, os fundamentos de

volvimento dessas teorias tenha partido de problemas econmicos e estatsticos de tomada

de deciso, bvio que seus fundamentos merecem a ateno sria da Epistemologia em

particular e da Filosofia em geral.

de Filosofia da Universidade de Braslia. Agradeo especialmente ao professor Agnaldo Portugal (FIL-UnB)

pelo convite e pelas discusses quanto ao tema do seminrio.

e subjetiva. Na seo 3 apresentamos as teorias comportamentais da probabilidade subjetiva

e da maximizao da utilidade esperada. So elas: a teoria de von Neumann e Morgenstern,

a teoria de Ramsey e de Finetti, a teoria de Savage e a teoria de Anscombe e Aumann.

Na seo 4 apresentamos as teorias comportamentais alternativas, mais conhecidas na teoria

baseada em casos. ela um meio termo entre a abordagem bayesiana e freqentista.

Considere os seguintes exemplos concernentes a situaes de incerteza enfrentadas por

um indivduo chamado Augur:

Augur inquire seu mdico, Asclepius, quanto probabilidade de sucesso.

de ecloso de uma guerra na regio, mas os pssaros no cu no colaboram.

H trs abordagens comumente aceitas para a definio de probabilidade:

a abordagem clssica: aplica o Princpio da Indiferena;

b abordagem freqentista: a probabilidade definida em termos da freqncia emprica e da

Lei Fraca dos Grandes Nmeros;

c abordagem subjetiva: a probabilidade uma medida numrica do grau de crena satis-

fazendo a certos axiomas comportamentais.

Vamos explicar cada uma a seu turno.

2.1 Abordagem clssica

A abordagem clssica aplica o Princpio da Indiferena de Laplace, s vezes atribudo a

Bernoulli. Segundo esse princpio, diante de um nmero de possveis estados do mundo,

exemplo, o mundo dado pelo conjunto = { 1 2 } de faces do bolo. Aqui, o elemento

que a produza. Se o bolo honesto, isto , se todos os aspectos fsicos do bolo e at do

probabilidade do estado do mundo , ento P() = 12 .

Considere, entretanto, um exemplo, aparentemente anlogo ao exemplo 1:

talmente evoca os foros das aves e pergunta: "Amanh, chove ou no chove?"

da natureza, em que 1 =chove e 2 =no chove. Se Augur ignorante quanto

que P(1 ) = P( 2 ) = 12 . Este exemplo, porm, fundamentalmente diferente do exemplo 1,

= { 1 2 3 }, em que 1 =chove, 2 =nublado e no chove e 3 =ensolarado e

liberdade no caso de lanamento de dados, nem no caso da roleta de um cassino. Em suma,

, perfazem a totalidade do mundo e o mundo conhecido) e uniformemente distribudos,

ou seja, com eqiprobabilidade dos estados.

U(0 1] Podemos justificar a distribuio uniforme de pelo Princpio da Indiferena

existe entre e uma relao biunvoca1 , mas que a distribuio de no uniforme. De

a funo de densidade de , ento a funo de densidade de :

ou seja, no uniforme. Ora, se temos a ignorncia quanto s realizaes de e se e

Entretanto, a ignorncia prescreve a distribuio uniforme para , mas o mesmo no vale

invariante por transformaes biunvocas.

as mesmas circunstncias e calcula-se a freqncia emprica.

condies e sob a hiptese de independncia estatstica. Augur, tendo em mente o exemplo

roubada. A probabilidade de ter a biga roubada, isto , a probabilidade de = 1, um certo

Augur coleta uma srie histrica { }

do Coliseu e toma como estimativa da probabilidade de roubo a freqncia observada de

foram roubadas, digamos, 1 = 0, 2 = 1, 3 = 0, 4 = 0, 5 = 1. Isso significa que a

bigas foram roubadas. Assim, uma estimativa da probabilidade de roubo = 0 4. Essa

probabilidade de se cometer um erro de estimativa previamente fixado.

Ora, Augur comeou sua estimativa calculando a freqncia emprica de roubos:

Se sua amostra tivesse um tamanho qualquer, ento:

| | , ou seja, que a estimativa dista da probabilidade verdadeira uma distncia

qualquer que seja a margem de erro 0, vale o seguinte:

Quando o tamanho da amostra tende para infinito, a probabilidade de se cometer um erro

de estimativa pela margem converge para zero.