You are on page 1of 10

PROBABILIDADE E RACIOCNIO CIENTFICO

Agnaldo Cuoco Portugal*

RESUMO Aps apresentar alguns dos fundamentos matemticos do clculo de probabilidades e os principais conceitos de probabilidade contemporneos, o artigo discute uma das mais importantes interpretaes probabilsticas atuais do raciocnio cientfico: o bayesianismo subjetivista de Howson e Urbach. Baseado no teorema de Bayes e tomando apenas as regras do clculo como restries estimativa inicial da probabilidade de uma teoria, o bayesianismo tem considervel sucesso na discusso de vrios temas de filosofia da cincia. Alm de exemplos bem-sucedidos da abordagem bayesiana, so apontadas algumas das principais dificuldades e sugeridos quatro posicionamentos principais em relao a essa abordagem probabilstica da inferncia cientfica: sua reforma para a resoluo de seus problemas, sua rejeio pura e simples, sua considerao como apenas mais uma teoria da cincia a ser complementada por outras e a sua considerao como mero instrumento de resoluo de problemas. Palavras-chave: bayesianismo, probabilidade, raciocnio indutivo. SCIENTIFIC PROBABILITY AND REASONING After presenting some of the mathematical foundations of probability calculus and the main current conceptions of probability, the article discusses one of the most important probabilistic interpretations of scientific reasoning nowadays: Howson & Urbachs subjective bayesianism. Based on Bayess theorem and taking the probability laws as the only constraints to the initial probability estimation of a theory, bayesianism has a considerable success in discussing various issues in the philosophy of science. Apart from successful examples of the Bayesian approach, some of its main difficulties are introduced and four positions are indicated as regards the Bayesian proposal: its reform in order to deal with its problems, its outright rejection, its consideration as just one among complementary

Professor, doutor, da Universidade de Braslia.

Episteme, Porto Alegre, n. 18, p. 19-40, jan./jun. 2004.

19

Episteme18.pmd

19

15/5/2005, 01:09

theories of science and taking it as a problem-solving tool instead of a theory (descriptive or normative) of scientific practice. Key words: bayesianism, probability, inductive reasoning.

Para discutir o alcance e os limites de uma interpretao probabilstica do raciocnio cientfico, fundamental nos determos um pouco na discusso do prprio conceito de probabilidade. Uma boa imagem desse conceito a de que ele como o rosto de Janus, a figura mitolgica romana que tinha duas faces. Assim, poderamos dizer que uma face da probabilidade est voltada para objetos e eventos, enquanto a outra volta-se para crenas e hipteses (vide Gillies, 2000, p. 18). A nfase em uma dessas duas faces o primeiro elemento que define uma teoria da probabilidade tal como as temos hoje em dia. O interesse cientfico pela probabilidade se manifestou inicialmente nos trabalhos de Pascal e Fermat no sculo XVII. Inicialmente, a teoria da probabilidade voltava-se para a discusso das propores e relaes quantitativas envolvidas nos jogos de azar. Assim, o interesse era estabelecer a leis probabilsticas envolvidas, por exemplo, na possibilidade de que, ao se jogarem dois dados, obtivessem-se dois 6 ou de que se tirasse, de um baralho normal, um s e um 2 de espadas, nesta seqncia. Uma vez que se tratam aqui de conjuntos finitos de possibilidades, a estimativa de valores probabilsticos no problemtica. Assim, no se duvida que seja de 1/6 a probabilidade de que, ao se lanar um dado honesto, o resultado seja 6, por exemplo. No entanto, se o dado no for honesto, como se estimar a probabilidade de um determinado resultado? Em geral, por meio da freqncia com que as diferentes possibilidades ocorrem aps um certo nmero de lanamentos do dado. A freqncia estatstica observada em vrios lanamentos do mesmo permitir identificar a probabilidade de que o prximo lanamento resulte, por exemplo, em 6, corrigindo nossa estimativa inicial que supunha que o dado fosse honesto. Essa idia de que o clculo da probabilidade de um evento deva levar em conta uma estimativa prvia dessa probabilidade a principal contribuio do rev. Thomas Bayes, que no sculo XVIII escreveu um artigo, publicado depois de sua morte pela Royal Society em Londres, sobre a Doutrina das Chances. Embora no contivesse nenhum tratamento matemtico da questo de um ponto de vista formal, a idia de Bayes rendeu-lhe o nome de um teorema fundamental do clculo de probabilidades, cuja axiomatizao s foi acontecer na primeira metade do sculo XX.

20

Episteme, Porto Alegre, n. 18, p. 19-40, jan./jun. 2004.

Episteme18.pmd

20

15/5/2005, 01:09

Segundo o primeiro axioma do clculo de probabilidades, valores probabilsticos de um evento A qualquer no podem ser menores que zero nem maiores que 1 e a probabilidade do evento certo igual a 1. Em termos formais, temos: 0 P ( A) 1 . O valor zero atribudo ao evento impossvel e os valores intermedirios, aos eventos possveis ou incertos. A segunda lei diz que a probabilidade de qualquer evento ocorrer dentre um nmero n de eventos alternativos mutuamente exclusivos A e B igual soma das probabilidades dos eventos individuais. Formalmente: P( A ou B) = P( A) + P( B) . A terceira lei fala que a probabilidade de dois eventos A e B ocorrerem igual multiplicao da probabilidade condicional P(A/B) l-se probabilidade de A dado B pela probabilidade de B, o que pode ser formalizado de modo simplificado assim: Pelo mesmo raciocnio, P( A e B) = P ( A / B) P( B) . P( B e A) = P( B / A) P( A) . Do terceiro axioma, assumindo-se por comutao que P( A e B) = P( B e A) , deduz-se o teorema de Bayes que tem a seguinte formulao bsica:

P( A / B) =

P( B / A) P( A) P( B )

Nessa frmula, a probabilidade do evento A ocorrer em vista do evento B (P(A/B)) dada por trs fatores: a verossimilhana de A (a probabilidade de B dado A); a probabilidade prvia de B; e a probabilidade prvia de A. Tomemos o seguinte exemplo para nos ajudar a entender o uso do teorema de Bayes para o clculo da probabilidade de um evento: um mdico avalia duas ocorrncias possveis que podem estar se dando com um paciente que reclama de problemas respiratrios. Considerando-se, para simplificar o exemplo, que h apenas duas modalidades de problemas desse tipo, digamos bronquite e pneumonia, o raciocnio empregado para se avaliar essas ocorrncias em termos bayesianos parte das probabilidades prvias desses eventos tal como dadas estatisticamente. Assim, admitamos que a incidncia de pneumonia (P(pn)) muito mais rara que a de bronquite (P(br)), digamos 100 vezes menos freqente, segundo os registros estatsticos. Em termos matemticos, P(br)=100/101 e P(pn)=1/100. Digamos, porm, que o paciente apresente um sintoma e1 que ocorra em 1 de cada 2 pacientes com pneumonia, mas apenas em 1 de cada 500 pacientes com bronquite. Assim, a verossimilhana de cada um dos eventos ser P(e1/ pn)=1/2 e P(e1/br)=1/500.
Episteme, Porto Alegre, n. 18, p. 19-40, jan./jun. 2004.

21

Episteme18.pmd

21

15/5/2005, 01:09

Em relao ao sintoma e1, temos, ento, a seguinte probabilidade de que o paciente tenha pneumonia, simbolizando por k toda a informao levada em conta na estimativa e que no sejam nem os sintomas e nem os eventos presumidos (pneumonia e bronquite)1:
P ( Pneumonia / e1 .k ) = P ( Pneumonia / k ) P(e1 / pn.k ) P ( pn / k ) P(e1 / pn.k ) + P( Bronquite / k ) P(e1 / br.k )

1 / 100 1 / 2 (1 / 100 1 / 2) + (100 / 101 1 / 500) 5 P ( pn / e1 .k ) = ou 70% ou 0,7 7 P ( pn / e1 .k ) =

Considerando-se um segundo sintoma e2, digamos que a ocorrncia dele seja de 1 para cada 2 pacientes com pneumonia, mas de 1 para cada 1000 com bronquite. Nesse caso, as probabilidades prvias dos eventos alternativos sero as respectivas probabilidades posteriores, obtidas aps o clculo considerando-se o primeiro sintoma. Isto o que diz a chamada regra do condicionamento (the conditionalization rule). A probabilidade inicial de bronquite, que no resultou de nosso clculo acima, ter como valor o complemento da probabilidade do evento pneumonia, de modo a se respeitarem os axiomas do clculo de probabilidades, ou seja, P (br / e1 .k ) = 1 P ( pn / e1 .k ) = 0,3 . Assim:
P ( pn / e1 .k ) P (e2 / pn.e1 .k ) P ( pn / e1 .k ) P (e2 / pn.e1 .k ) + P (br / e1 .k ) P (e2 / br.e1 k ) 0,7 1 / 2 P( pn / e2 .e1 .k ) = (0,7 1 / 2) + (0,3 1 / 1000) P ( Pneumonia / e2 .e1 .k ) =

P ( pn / e2 .e1 .k ) = 0,99914

No exemplo acima, apesar de pneumonia ter uma probabilidade prvia muito mais baixa que bronquite, dado que aquela muito menos freqente que esta, a considerao dos dados disponveis mudou a probabilidade inicial desse evento, confirmando, com probabilidade bem prxima de 100%, que era de pneumonia que o paciente estava sofrendo. Do ponto de vista matemtico, o teorema de Bayes no controverso. O que motivo de intensa discusso a possibilidade de aplicar esse teorema avaliao probabilstica de hipteses e crenas e, alm disso, como se deve proceder nessa estimativa. Note-se que, no exemplo acima, falei o tempo todo da probabilidade dos eventos pneumonia e bronquite, mas poderia falar deles
O ponto (.) designa a conjuno entre dois enunciados e a barra (/) indica a probabilidade condicional; assim, no caso P(pn/e.k), deve ser lido a probabilidade de pneumonia dado e e k.
1

22

Episteme, Porto Alegre, n. 18, p. 19-40, jan./jun. 2004.

Episteme18.pmd

22

15/5/2005, 01:09

usando a outra face de Janus, ou seja, tomando-os como hipteses explicativas. queles que consideram ser possvel falar de probabilidades de hipteses (ou probabilidade epistmica) e que vem no teorema de Bayes uma formalizao do raciocnio cientfico indutivo d-se o nome de bayesianos. Para os bayesianos, o grau pelo qual um conjunto de proposies empricas confirma (aumenta a probabilidade) ou infirma (diminui a probabilidade) de uma determinada hiptese em avaliao no uma questo de verdadeiro ou falso apenas, de tudo ou nada, como pressupe o mtodo hipottico-dedutivo, mas uma questo de grau, que tem verdadeiro e falso como valores extremos, respectivamente: 1 e 0. Para os bayesianos, o teorema de Bayes permite compreender a estrutura do raciocnio cientfico na medida em que este interpretado como a atualizao do grau inicial de crena em uma hiptese em vista de um conjunto de dados empricos. Se considerarmos o crescente nmero de artigos e livros que vm sendo publicados sobre o assunto recentemente,2 podemos considerar o bayesianismo como uma das principais, seno a principal, correntes na filosofia da cincia atual que interpreta o raciocnio cientfico em termos probabilsticos. H dentro do bayesianismo duas teorias principais acerca de como estimar os valores probabilsticos de hipteses, as teorias lgica e subjetiva. Antes de falar delas, contudo, que so o objeto principal desta exposio, cabe ao menos uma breve meno a outras duas importantes teorias da probabilidade que tm grande importncia no contexto cientfico, as teorias freqentista e da propenso. As teorias freqentista e da propenso normalmente afirmam que se pode aplicar o conceito de probabilidade de modo cientificamente objetivo apenas a eventos ou classes de objetos,3 diferentemente das teorias lgica e subjetiva, que propem que se possa aplicar a noo de probabilidade tambm a hipteses e crenas. A teoria freqentista foi proposta, naquela que considerada sua forma cannica, por Richard von Mises, um dos membros mais importantes do Crculo de Viena. Em sua teoria, probabilidade se aplica apenas a conjuntos de eventos repetitivos e colees de objetos, que so definidos por um atributo particular como, por exemplo, o conjunto dos professores universitrios. Nesse sentido, o valor probabilstico objetivo no sentido de ser independente dos indivduos

Segundo Corfield & Williamson (2001), o nmero de artigos bayesianos publicados saltou de 200 em 1990 para mais de 1.400 em 2000 (p. 3). Excees dignas de nota so Reichenbach e um importante ex-aluno seu, Wesley Salmon. Ambos buscaram aplicar a teoria freqentista probabilidade de hipteses. Vide Reichenbach (1949) e Salmon (1969).

Episteme, Porto Alegre, n. 18, p. 19-40, jan./jun. 2004.

23

Episteme18.pmd

23

15/5/2005, 01:09

que os calculam (vide Gillies, 2000, p. 89). Na formulao de Von Mises, os atributos definitrios dos conjuntos e as respectivas freqncias destes so dados a serem obtidos empiricamente. Embora fosse inicialmente um proponente da teoria freqentista, Karl Popper rejeitou-a por esta no ser capaz de atribuir valores probabilsticos a ocorrncias singulares (um elemento importante para a descrio probabilstica da mecnica quntica, por exemplo), dado o seu foco exclusivo em classes de eventos repetitivos e colees de eventos. Assim, usando a teoria de Von Mises, podemos chegar probabilidade de um dado atributo ocorrer em uma classe de indivduos (por exemplo, a proporo de professores de Oxford que vo a um culto religioso aos domingos), mas no de um evento singular (por exemplo, a probabilidade de que o professor Swinburne v a um culto no prximo domingo). Popper props, ento, a teoria da propenso, segundo a qual quantificase o grau com o qual certas condies geradoras tm a disposio ou propenso de produzir um evento e, que pertena a uma seqncia cuja freqncia seja determinvel por essas condies geradoras. Na teoria da propenso, diferentemente da freqentista, termos tericos como condies e disposies so definidos a priori, apesar de o resultado depender do arranjo experimental correspondente. A probabilidade como propenso indicaria uma tendncia na natureza de que determinado acontecimento ocorresse seguindose a determinadas causas fsicas. Trata-se de uma probabilidade que relativa ao tempo, pois medida que o tempo no qual o evento previsto para ocorrer se aproxima, a probabilidade de sua ocorrncia pode mudar, aumentando ou diminuindo a propenso do mesmo ocorrer.4 A variao temporal e a aplicao da noo de probabilidade tambm a hipteses e crenas so dois dos elementos que distinguem a proposta popperiana de uma das teorias de probabilidade epistmica, a chamada teoria lgica, proposta inicialmente por John Keynes e bastante desenvolvida por Carnap. Na teoria lgica da probabilidade, pode-se atribuir probabilidade a uma hiptese enquanto uma proposio, ou sistema de proposies, que guarde uma relao meramente lgica com um outro sistema de enunciados, as proposies fatuais, que podem confirm-la ou no. Trata-se de uma relao a priori e atemporal, que no se modifica com a experincia ou o curso do tempo, pois refere-se aos elementos sintticos e semnticos de proposies determinadas. Assim, se avalio que, a partir da base de dados acessvel a mim agora, a probabilidade do sujeito S votar no partido x na prxima eleio de

Vide Popper (1957 e 1959).

24

Episteme, Porto Alegre, n. 18, p. 19-40, jan./jun. 2004.

Episteme18.pmd

24

15/5/2005, 01:09

10%, dados posteriores (mesmo a descoberta de que S de fato votou em outro partido) no afetam o valor daquela atribuio de probabilidade, que deveu-se quelas relaes lgicas entre as proposies envolvidas. Isso assim, pois trata-se de uma relao entre dois conjuntos de enunciados e no da probabilidade de um evento, ou seja, no era simplesmente a probabilidade de S votar ou no no partido x o que estava em questo, mas a probabilidade de S votar em x, dado um conjunto de informaes k relevante sobre a questo. Na proposta de Carnap, a probabilidade lgica ou grau de confirmao c relativa a uma premissa emprica e e a um sistema lingstico L, de modo que o enunciado quantitativo de probabilidade c(h,e)=r expressa que a probabilidade lgica de h em relao a e r em L. Assim, dada uma linguagem cientfica, uma hiptese h e enunciados empricos e bem-formulados, bem como uma definio de confirmao c, o enunciado de probabilidade lgica c(h,e)=r analtico (vide Rivadulla, 1986, p. 78), ou seja, o valor de r decorre de modo logicamente necessrio dessas estipulaes. O problema principal da proposta de Carnap, segundo crticos modernos da probabilidade epistmica, como Deborah Mayo, que o sistema sinttico e semntico de uma linguagem-objeto cientfica a partir do qual a probabilidade prvia de uma hiptese possa ser deduzida analiticamente restrito demais para descrever as inferncias cientficas. Alm disso, dado o carter restritivo e puramente a priori desse sistema lingstico convencional, as probabilidades prvias assinaladas tm pouca relevncia para qualquer hiptese emprica. Por fim, para justificar a opo pelos axiomas e os postulados de sua atribuio lgica de probabilidades prvias, Carnap teve de apelar para o carter intuitivo dos membros constituintes de seu sistema, algo que ele mesmo considerou insatisfatrio posteriormente (vide Mayo, 1996, p. 73). O problema de atribuir probabilidades prvias para hipteses em avaliao a principal dificuldade enfrentada pelas teorias epistmicas da probabilidade que empregam o teorema de Bayes para descrever os passos principais do raciocnio cientfico. Crticos da posio bayesiana sustentam, em geral, que o teorema de Bayes s pode ser empregado para descrever o raciocnio cientfico nas situaes em que a probabilidade inicial da hiptese seja resultado de freqncias estatsticas, como no exemplo do mdico que vimos anteriormente, de modo a se preservar a noo de objetividade, que parece to crucial na interpretao do raciocnio cientfico. No intuito de preservar essa noo, bayesianos logicistas que discordam da abordagem de Carnap, como Richard Swinburne, defendem que a probabilidade prvia deva ser resultado da aplicao de critrios a priori, impessoais e universais. Veremos melhor a proposta de Swinburne em seu artigo Argumentos Probabilsticos para a Existncia de Deus, no presente volume, qual tentarei apresentar
Episteme, Porto Alegre, n. 18, p. 19-40, jan./jun. 2004.

25

Episteme18.pmd

25

15/5/2005, 01:09

algumas crticas em meu artigo Como usar o Mtodo Probabilstico na Discusso da Crena em Deus, tambm no presente volume. No momento, porm, pretendo deter-me naquela que tem sido a proposta mais discutida de interpretao do raciocnio cientfico em termos bayesianos atualmente, a que se baseia na teoria subjetiva da probabilidade. Segundo autores como Frank Ramsey e Bruno de Finetti, os propositores da teoria subjetiva, a probabilidade de uma hiptese, evento ou quantidade incerta h o grau de crena em h tido por um sujeito S. Assim, segundo De Finetti, quando afirmamos que um evento mais ou menos provvel, queremos dizer que estaramos mais ou menos surpresos de saber que o mesmo no ocorreu. Em outras palavras, probabilidade se constitui em um grau de dvida, de incerteza acerca de um evento cujo resultado ns no sabemos (vide De Finetti, 1989, pp. 174-175). Para os principais proponentes modernos da teoria subjetiva, Colin Howson e Peter Urbach, o ideal de objetividade total inatingvel e (...) os mtodos clssicos que posam de guardies desse ideal de fato o violam a cada momento; virtualmente, nenhum daqueles mtodos pode ser aplicado sem uma generosa ajuda de juzo pessoal e pressuposto arbitrrio (Howson & Urbach, 1993, p. 12). Em outras palavras, bastante na linha de autores como Thomas S. Kuhn e Paul Feyerabend, que apontaram para a importncia de fatores extralgicos na avaliao e escolha de uma determinada teoria cientfica, os subjetivistas bayesianos alertam para a inevitabilidade de que elementos da opinio pessoal do cientista interfiram no processo de seleo de uma hiptese cientfica explicativa. Se no h mesmo como fugir totalmente de elementos subjetivos em uma descrio verossmil de como funciona a inferncia cientfica, ento melhor que se explicitem esses elementos e que se os mantenham sob controle que jog-los para baixo do tapete, conforme a expresso de Irving Good (vide Good, 1976), que o que acabam fazendo os freqentistas e logicistas, na opinio dos subjetivistas. Para os subjetivistas, diferentes indivduos podem ter diferentes graus de crena inicial em uma hiptese h. O nico limite a ser seguido na atribuio do grau de crena dado pelos axiomas do clculo de probabilidades. Assim, o grau de crena de um indivduo S em uma proposio h calculado pela medida na qual S se dispe a agir em vista de h, que algo que se revela em uma situao de aposta. Assim, a fora da minha crena de que o sol nascer amanh medida pelo grau com o qual estou disposto a apostar nessa proposio. Assim, o grau de crena de S em h pode ser medido por um experimento psicolgico, no qual S revele seu grau de crena em h ao apostar um valor em dinheiro em h de modo a que S decida esse valor de forma cuidadosa.
26
Episteme, Porto Alegre, n. 18, p. 19-40, jan./jun. 2004.

Episteme18.pmd

26

15/5/2005, 01:09

Ramsey e De Finetti mostraram de modo independente que, se os graus de crena no seguem os axiomas do clculo de probabilidades, ocorre um fenmeno pelo qual S perder dinheiro em qualquer circunstncia de aposta, o que uma clara conseqncia desagradvel do ponto de vista pragmtico. O exemplo a seguir pode ilustrar essa idia, conhecida como o argumento da anotao holandesa (the Dutch Book argument): suponha que o grau de crena de S em h e ~h (ou seja, de que h vai ocorrer ou de que h no vai ocorrer), representado por gc(h) e gc(~h), seja de 0,51 em ambos, e, portanto, que sua soma seja maior que 1, o que vai contra o primeiro axioma do clculo. Nesse caso, S estaria disposto a pagar gc(h) x R$ 1 por uma aposta em h e gc(~h) x R$ 1 em ~h. Se um banqueiro de apostas B vende as duas apostas para S, ento B estar fazendo uma anotao holandesa contra S, pois estar vendendo as duas por R$ 1,02 quando S s poder ganhar R$ 1, no mximo. Assim, ao estimar sua aposta infringindo uma lei do clculo de probabilidades, S ter um prejuzo garantido de R$ 0,02, no importa o que acontea com a hiptese h. Essa necessidade de conformar o grau de crena em uma hiptese h aos axiomas do clculo de probabilidades para evitar uma anotao holandesa chamada de condio de coerncia. Da condio de coerncia, o teorema de Ramsey-De Finetti deduziu todos os axiomas do clculo de probabilidades, mostrando que aqueles axiomas so tanto uma condio necessria quanto suficientes para um grau de crena ser coerente. Trata-se de um forte argumento em favor da teoria subjetiva, pois mostra que esta ao menos uma das interpretaes vlidas do clculo (vide Gillies, 2000, p. 64) e no apela para os misteriosos elementos intuitivos aduzidos por Carnap. Assim, para um subjetivista, uma estimativa racional da probabilidade de uma hiptese se caracteriza apenas por ser coerente, mesmo que isso seja compatvel com uma enorme gama de possibilidades excludentes. Como afirmei acima, porm, a grande crtica teoria subjetiva da probabilidade que ela no consegue exprimir um trao fundamental do raciocnio cientfico: a objetividade. Como compatibilizar a objetividade cientfica com a idia de que a estimativa da probabilidade prvia de uma hiptese feita com base no grau de crena pessoal do cientista? A resposta mais comum dos subjetivistas que o elemento subjetivo da probabilidade prvia tende a desaparecer medida que a hiptese vai sendo confrontada com os dados relevantes, respeitando-se a regra do condicionamento. Segundo os subjetivistas, quanto mais dados forem referidos hiptese h, mais nossa probabilidade prvia para h se aproximar de seu valor consensual ou objetivo. Desse modo, por meio da atualizao de crenas luz de proposies empricas, diferentes indivduos que estimam diferentes probabilidades prvias para uma dada hiptese vo gradualmente se aproximando de uma convergncia. Em
Episteme, Porto Alegre, n. 18, p. 19-40, jan./jun. 2004.

27

Episteme18.pmd

27

15/5/2005, 01:09

outras palavras, valores individuais inicialmente divergentes vo sendo abandonados em favor de um que est mais em conformidade com os enunciados empricos disponveis. Essa idia de que o elemento subjetivo tende a perder importncia medida que os dados empricos vo sendo considerados fica mais clara com um exemplo formulado pelo estatstico bayesiano Lawrence Phillips (vide Phillips, 1973, p. 78). A situao de um apostador inescrupuloso que tem duas moedas no seu bolso, uma honesta e outra viciada, que d cara em 60% das vezes em que lanada. Ele quer usar a moeda viciada, de modo a aumentar sua probabilidade de ganho, mas, por descuido seu, no consegue distinguir uma moeda da outra, o que significa que ele atribui probabilidade prvia de 0,5 tanto para a hiptese de que ele vai usar a moeda viciada quanto para a de que a moeda a ser usada honesta. Suponha que haja um outro jogador que o acuse de desonestidade (baseado, talvez, no modo como o apostador inescrupuloso jogou em vezes anteriores) e diga que aposta em 0,8 contra 0,2 que a moeda viciada, ou seja, ele atribui uma probabilidade prvia de 0,8 tese de que a moeda viciada (ou seja, de que d cara 60% das vezes) e 0,2 hiptese de que honesta. Ao estimar desse modo suas respectivas probabilidades prvias, ambos os apostadores esto adequados ao clculo de probabilidades, uma vez que a soma dos valores de suas estimativas (exaustivas e excludentes) 1. Como vimos, o teorema de Bayes composto basicamente de dois elementos, a probabilidade prvia e a verossimilhana. No presente exemplo, as probabilidades prvias foram estimadas no pargrafo anterior. O prximo passo determinar as verossimilhanas a fim de se ver o quanto as opinies prvias so atualizadas em vista dos dados fatuais e se h realmente uma convergncia de graus de crena aps se considerarem os dados. Para os subjetivistas, ao contrrio de sua posio acerca da probabilidade prvia, a verossimilhana constituda de dados pblicos que, embora informados pelas categorias que dependem do modo como a pesquisa foi construda, no refletem a opinio de nenhum indivduo, mas se constitui na parte objetiva da inferncia bayesiana. Assumamos, ento, que os jogadores lancem a moeda em questo 10 vezes, em duas sries de 5 lanamentos e que se produza a seguinte seqncia: CCOCC CCCOC, ou seja, que a moeda em questo d cara (C) oito vezes e coroa (O), duas vezes. Ora, dado que os lanamentos so independentes uns dos outros (ou seja, no se tratam de probabilidades condicionais), podemos aplicar o segundo corolrio do terceiro axioma do clculo de probabilidades, segundo o qual P( A e B) = P( A) P( B) . Assim, temos as seguintes verossimilhanas para as duas hipteses em disputa em relao a ambas as seqncias de lanamentos, pois estes revelaram freqncias iguais:
28
Episteme, Porto Alegre, n. 18, p. 19-40, jan./jun. 2004.

Episteme18.pmd

28

15/5/2005, 01:09