Matemática do ensino médio · Grades 10–12

18Probabilidade e variáveis aleatórias

A probabilidade modela experimentos de resultado incerto: um lançamento de dado, uma carta retirada, uma partida jogada. Este capítulo monta o vocabulário em conjuntos finitos e apresenta em seguida a personagem central de toda a teoria das probabilidades: a variável aleatória e sua esperança. Essas noções são revistas e aprofundadas no Capítulo 33, e as probabilidades condicionais vêm no Capítulo 32.

18.1 Probabilidade em um conjunto finito

Definição 18.1 (Modelo probabilístico)

Um experimento com um número finito de resultados é modelado pelo seu espaço amostral $\Omega = \{\omega_1, \dots, \omega_n\}$ (o conjunto dos resultados) junto com uma probabilidade $\P$ que atribui a cada resultado $\omega_i$ um número $p_i \geq 0$ , com $p_1 + \dots + p_n = 1$ . Um evento é um subconjunto $A \subseteq \Omega$ , e

\P(A) = \sum_{\omega_i \in A} p_i .

Quando todos os resultados são igualmente prováveis ( $p_i = \frac1n$ : o modelo uniforme),

\P(A) = \frac{\text{número de resultados em } A} {\text{número de resultados em } \Omega}.

Exemplo 18.2

Lance dois dados distinguíveis: $\Omega$ é o conjunto dos $36$ pares ordenados $(i, j)$ com $1 \leq i, j \leq 6$ , todos igualmente prováveis. O evento $S$ = “a soma é $7$ ” contém os $6$ pares $(1,6)$ , $(2,5)$ , $(3,4)$ , $(4,3)$ , $(5,2)$ , $(6,1)$ , logo $\P(S) = \frac{6}{36} = \frac16$ . O evento “a soma é $12$ ” contém apenas $(6,6)$ : probabilidade $\frac{1}{36}$ . Escolher o espaço amostral certo — pares ordenados, não desordenados — é o que torna o modelo uniforme aplicável.

Proposição 18.3 (Regras da probabilidade)

Para eventos $A, B \subseteq \Omega$ :

\P(\emptyset) = 0, \qquad \P(\Omega) = 1, \qquad \P(\bar A) = 1 - \P(A),

\P(A \cup B) = \P(A) + \P(B) - \P(A \cap B),

em que $\bar A$ é o complementar de $A$ (todos os resultados que não estão em $A$ ). Em particular, $\P(A \cup B) = \P(A) + \P(B)$ quando $A$ e $B$ são incompatíveis ( $A \cap B = \emptyset$ ).

Demonstração. O evento vazio não contém resultado algum (soma vazia), e $\Omega$ contém todos eles (soma total $1$ ). Cada resultado está em exatamente um entre $A$ e $\bar A$ , logo $\P(A) + \P(\bar A) = 1$ . Para a união: somar os $p_i$ sobre $A$ e depois sobre $B$ conta duas vezes os resultados de $A \cap B$ ; subtrair $\P(A \cap B)$ corrige a contagem dupla. ∎

Exemplo 18.4

Em uma turma, $60\%$ estudam música ( $M$ ), $45\%$ praticam um esporte ( $S$ ) e $25\%$ fazem as duas coisas. A proporção que faz pelo menos uma é $\P(M \cup S) = 0.60 + 0.45 - 0.25 = 0.80$ , de modo que $20\%$ não fazem nenhuma (complementar).

18.2 Variáveis aleatórias

Definição 18.5 (Variável aleatória, distribuição)

Uma variável aleatória em $\Omega$ é uma função $X$ que atribui um número a cada resultado. Sua distribuição é a tabela de seus valores possíveis $x_1, \dots, x_k$ junto com suas probabilidades

\P(X = x_i) = \P\bigl(\{\omega : X(\omega) = x_i\}\bigr), \qquad \sum_{i=1}^k \P(X = x_i) = 1 .

Exemplo 18.6

Um jogo: pague $2$ euros, lance um dado honesto e receba o valor da face se ele for pelo menos $5$ , e nada caso contrário. Seja $G$ o ganho (o recebido menos o pago). Os resultados $1, 2, 3, 4$ dão $G = -2$ ; o resultado $5$ dá $G = 3$ ; o resultado $6$ dá $G = 4$ . A distribuição de $G$ :

$g$	$-2$	$3$	$4$
$\P(G = g)$	$\dfrac46$	$\dfrac16$	$\dfrac16$

Método 18.7 (Montar uma tabela de distribuição)

Liste os valores possíveis de $X$ ; para cada valor, reúna os resultados que o produzem e some suas probabilidades; confira que a linha das probabilidades soma $1$ .

18.3 Esperança

Definição 18.8 (Esperança)

A esperança (ou média) de $X$ é a média dos seus valores ponderada pelas probabilidades:

\E(X) = \sum_{i=1}^{k} \P(X = x_i)\; x_i .

Observação 18.9

$\E(X)$ é o que seria a média de um número enorme de repetições independentes do experimento — a versão precisa dessa afirmação é a lei dos grandes números, demonstrada no Capítulo 34. Note a analogia formal com a média de um conjunto de dados com frequências (Definição 17.1): as probabilidades fazem o papel das frequências relativas $\frac{n_i}{n}$ .

Exemplo 18.10

Para o jogo do Exemplo 18.6:

\E(G) = \frac46 \times (-2) + \frac16 \times 3 + \frac16 \times 4 = \frac{-8 + 3 + 4}{6} = -\frac16 \approx -0.17 .

Em média, o jogador perde cerca de $17$ centavos por partida: o jogo é desfavorável. Um jogo é dito justo quando o ganho esperado é $0$ .

Proposição 18.11 (Linearidade)

Para todos os reais $a, b$ :

\E(aX + b) = a\,\E(X) + b .

Demonstração. A variável $aX + b$ assume o valor $a x_i + b$ com probabilidade $\P(X = x_i)$ , logo

\E(aX + b) = \sum_i \P(X = x_i)(a x_i + b) = a \sum_i \P(X = x_i)\,x_i + b \underbrace{\sum_i \P(X = x_i)}_{=\,1} = a\,\E(X) + b .

∎

18.4 Variância e desvio padrão

Definição 18.12 (Variância)

A variância de $X$ mede a dispersão de seus valores em torno da esperança $m = \E(X)$ :

\V(X) = \E\bigl((X - m)^2\bigr) = \sum_{i=1}^{k} \P(X = x_i)\,(x_i - m)^2, \qquad \sigma(X) = \sqrt{\V(X)} .

Proposição 18.13 (Fórmula abreviada)

\V(X) = \E(X^2) - \E(X)^2 .

Demonstração. Expanda $(x_i - m)^2 = x_i^2 - 2m\,x_i + m^2$ dentro da soma:

\V(X) = \sum_i \P(X = x_i)\,x_i^2 - 2m \sum_i \P(X = x_i)\,x_i + m^2\sum_i \P(X = x_i) = \E(X^2) - 2m^2 + m^2 ,

que é $\E(X^2) - m^2$ . Essa é a versão, para variáveis aleatórias, da identidade demonstrada para conjuntos de dados na Proposição 17.7. ∎

Proposição 18.14 (Transformação afim)

$\V(aX + b) = a^2\,\V(X)$ e $\sigma(aX + b) = \abs a\,\sigma(X)$ .

Demonstração. Por linearidade, $aX + b$ desvia-se de sua esperança $a m + b$ de $(aX + b) - (am + b) = a(X - m)$ : cada desvio fica multiplicado por $a$ , logo cada quadrado de desvio por $a^2$ , e a média ponderada deles também. O deslocamento $b$ desapareceu — deslocar uma variável não muda sua dispersão. ∎

Exemplo 18.15

Para o jogo do Exemplo 18.6: $\E(G^2) = \frac46 \times 4 + \frac16 \times 9 + \frac16 \times 16 = \frac{16 + 9 + 16}{6} = \frac{41}{6}$ , de modo que

\V(G) = \frac{41}{6} - \left(-\frac16\right)^2 = \frac{41}{6} - \frac{1}{36} = \frac{245}{36} \approx 6.8, \qquad \sigma(G) \approx 2.6 .

A perda média de $0.17$ por partida vem acompanhada de oscilações de tamanho típico $2.6$ euros — a esperança sem o desvio padrão conta apenas metade da história.

A distribuição do ganho G do e sua esperança (G) = -1/6 (tracejada): o ponto de equilíbrio das massas de probabilidade. — A distribuição do ganho $G$ do Exemplo 18.6 e sua esperança $\E(G) = -\frac16$ (tracejada): o ponto de equilíbrio das massas de probabilidade.

18.5 Exercícios

Exercício 18.1 ★

Uma carta é retirada de um baralho comum de $52$ cartas. Calcule a probabilidade de retirar: uma carta de copas; um rei; uma carta de copas ou um rei; nem carta de copas nem rei.

Solução

Solução de Exercício 18.1.

Modelo uniforme sobre $52$ cartas. Copas: $\frac{13}{52} = \frac14$ . Reis: $\frac{4}{52} = \frac{1}{13}$ . Copas ou rei: $\frac{13 + 4 - 1}{52} = \frac{16}{52} = \frac{4}{13}$ (o rei de copas é contado uma só vez). Nenhum dos dois: $1 - \frac{4}{13} = \frac{9}{13}$ .

Exercício 18.2 ★

Dois dados honestos são lançados e sua soma $S$ é registrada. Usando o modelo de $36$ resultados do Exemplo 18.2, calcule $\P(S = 6)$ , $\P(S \geq 10)$ e $\P(S \text{ é par})$ .

Solução

Solução de Exercício 18.2.

$S = 6$ : os pares $(1,5), (2,4), (3,3), (4,2), (5,1)$ , logo $\P(S = 6) = \frac{5}{36}$ .

$S \geq 10$ : três pares para $10$ , dois para $11$ , um para $12$ : $\P(S \geq 10) = \frac{6}{36} = \frac16$ .

$S$ par: as somas $2, 4, 6, 8, 10, 12$ têm $1 + 3 + 5 + 5 + 3 + 1 = 18$ pares: probabilidade $\frac{18}{36} = \frac12$ .

Exercício 18.3 ★

Uma variável aleatória tem distribuição

$x$	$-1$	$0$	$2$	$5$
$\P(X=x)$	$0.3$	$0.2$	$0.4$	$p$

Encontre $p$ e calcule em seguida $\E(X)$ .

Solução

Solução de Exercício 18.3.

As probabilidades somam $1$ : $p = 1 - 0.3 - 0.2 - 0.4 = 0.1$ . Então

\E(X) = 0.3 \times (-1) + 0.2 \times 0 + 0.4 \times 2 + 0.1 \times 5 = -0.3 + 0.8 + 0.5 = 1 .

Exercício 18.4 ★

$X$ satisfaz $\E(X) = 3$ e $\V(X) = 4$ . Dê a esperança, a variância e o desvio padrão de $Y = 2X - 5$ .

Solução

Solução de Exercício 18.4.

$\E(Y) = 2 \times 3 - 5 = 1$ ; $\V(Y) = 2^2 \times 4 = 16$ ; $\sigma(Y) = 4$ .

Exercício 18.5 ★★

Uma roleta de prêmios tem $10$ setores iguais: $5$ mostram $0$ euros, $3$ mostram $2$ euros e $2$ mostram $5$ euros. Jogar custa $2$ euros. Dê a distribuição do ganho $G$ (prêmio menos aposta), calcule $\E(G)$ e decida se o jogo é favorável.

Solução

Solução de Exercício 18.5.

Os prêmios são $0$ , $2$ , $5$ euros com probabilidades $0.5$ , $0.3$ , $0.2$ ; subtraindo a aposta de $2$ euros, $G$ assume os valores $-2, 0, 3$ :

$g$	$-2$	$0$	$3$
$\P(G=g)$	$0.5$	$0.3$	$0.2$

$\E(G) = -1 + 0 + 0.6 = -0.4$ : o jogador perde $40$ centavos por partida em média — desfavorável.

Exercício 18.6 ★★

Uma urna contém $3$ bolas vermelhas e $2$ azuis; duas bolas são retiradas sem reposição. Seja $X$ o número de bolas vermelhas retiradas. Monte a distribuição de $X$ (enumerando as $20$ retiradas ordenadas, ou usando uma árvore) e calcule $\E(X)$ .

Solução

Solução de Exercício 18.6.

Retirando em ordem: $\P(X = 2) = \frac35 \times \frac24 = \frac{3}{10}$ (vermelha e depois vermelha); $\P(X = 0) = \frac25 \times \frac14 = \frac{1}{10}$ (azul e depois azul); logo $\P(X = 1) = 1 - \frac{3}{10} - \frac{1}{10} = \frac{6}{10}$ . Então

\E(X) = 0 \times \frac1{10} + 1 \times \frac6{10} + 2 \times \frac3{10} = \frac{12}{10} = 1.2 ,

coerente com a intuição: em média, $\frac35$ das duas retiradas são vermelhas.

Exercício 18.7 ★★

Para a roleta do Exercício 18.5, calcule $\V(G)$ e $\sigma(G)$ .

Solução

Solução de Exercício 18.7.

$\E(G^2) = 0.5 \times 4 + 0.3 \times 0 + 0.2 \times 9 = 3.8$ , logo, pela fórmula abreviada, $\V(G) = 3.8 - (-0.4)^2 = 3.8 - 0.16 = 3.64$ e $\sigma(G) \approx 1.9$ euros.

Exercício 18.8 ★★

Uma seguradora vende uma apólice por $80$ euros. Com probabilidade $0.05$ o cliente reclama $1000$ euros, com probabilidade $0.01$ reclama $5000$ euros, e não reclama nada nos demais casos. Seja $B$ o resultado da empresa em uma apólice. Dê a distribuição de $B$ , calcule $\E(B)$ e interprete.

Solução

Solução de Exercício 18.8.

O resultado é $80$ menos o valor reclamado:

$b$	$80$	$-920$	$-4920$
$\P(B=b)$	$0.94$	$0.05$	$0.01$

$\E(B) = 75.2 - 46 - 49.2 = -20$ : a esse preço, a empresa perde $20$ euros por apólice em média. O prêmio é baixo demais para os riscos cobertos (ele precisaria passar de $100$ euros para dar resultado esperado positivo).

Exercício 18.9 ★★

Uma questão de múltipla escolha tem $4$ respostas, uma correta. Uma resposta certa vale $+1$ ; para desestimular o chute, uma resposta errada vale $x < 0$ . Um aluno responde ao acaso. Para que valor de $x$ a pontuação esperada do aluno é nula?

Solução

Solução de Exercício 18.9.

A pontuação aleatória é $+1$ com probabilidade $\frac14$ e $x$ com probabilidade $\frac34$ :

\E = \frac14 + \frac{3x}{4} = 0 \iff x = -\frac13 .

Com a penalidade $-\frac13$ , chutar ao acaso não traz nada em média.

Exercício 18.10 ★★

Duas moedas honestas são lançadas. Ana propõe: “se as duas moedas coincidirem, eu lhe pago $1$ euro; se forem diferentes, você me paga $1$ euro”. Calcule o ganho esperado de cada jogador. O jogo é justo? Mesma pergunta com três moedas, em que Ana paga $2$ euros se as três coincidirem.

Solução

Solução de Exercício 18.10.

Duas moedas: elas coincidem (duas caras ou duas coroas) com probabilidade $\frac24 \times 2 = \frac12$ . O ganho do jogador é $+1$ ou $-1$ com probabilidades iguais: esperança $0$ para os dois jogadores — o jogo é justo.

Três moedas: as três coincidem (três caras ou três coroas) com probabilidade $\frac{2}{8} = \frac14$ . O jogador recebe $2$ com probabilidade $\frac14$ e paga $1$ com probabilidade $\frac34$ : $\E = \frac24 - \frac34 = -\frac14$ . O jogo favorece Ana em $25$ centavos por rodada; seria justo se ela pagasse $3$ euros por uma trinca coincidente.

Exercício 18.11 ★★★

Uma rifa vende $1000$ bilhetes a $5$ euros cada. Um bilhete ganha $2000$ euros, cinco bilhetes ganham $200$ euros e vinte bilhetes ganham $25$ euros.

Dê a distribuição da arrecadação total menos os prêmios, do ponto de vista do organizador, e a do ganho $G$ de um único jogador.
Calcule $\E(G)$ e o lucro total esperado do organizador. Verifique que as duas respostas são coerentes.

Solução

Solução de Exercício 18.11.

1. O organizador recebe $1000 \times 5 = 5000$ euros e paga $2000 + 5 \times 200 + 20 \times 25 = 3500$ euros ao todo: o lucro é a constante $1500$ (nenhuma aleatoriedade, uma vez vendidos todos os bilhetes). O ganho $G$ de um único jogador (prêmio menos o bilhete de $5$ euros):

$g$	$1995$	$195$	$20$	$-5$
$\P(G=g)$	$\dfrac{1}{1000}$	$\dfrac{5}{1000}$	$\dfrac{20}{1000}$	$\dfrac{974}{1000}$

\E(G) = \frac{1995 + 5 \times 195 + 20 \times 20 - 974 \times 5}{1000} = \frac{1995 + 975 + 400 - 4870}{1000} = -1.5 .

Cada jogador espera perder $1.50$ euro; em $1000$ jogadores isso dá $1500$ euros — exatamente o lucro do organizador. As contas fecham: o que os jogadores perdem em média é precisamente o que o organizador arrecada.

18.6 Problema: A partida interrompida

Problema 18.1

Problema de fim de semana — Pascal, Fermat e a divisão justa de uma aposta interrompida: o nascimento da esperança, a mágica da linearidade e o que a esperança não enxerga

Em 1654, o cavaleiro de Méré — o mesmo jogador cujas apostas em dados abriram o problema de probabilidade do volume do ensino fundamental — fez a Blaise Pascal uma pergunta mais profunda: dois jogadores igualmente hábeis têm de interromper sua série no placar de $5$ a $3$ , sendo que seis vitórias levam o bolo de $64$ pistolas. Como dividir o bolo de forma justa? As cartas trocadas entre Pascal e Fermat para responder a isso fundaram o conceito que está no coração deste capítulo: a esperança (Definição 18.8). Você vai rededuzir a resposta deles pelos dois caminhos e depois conhecer o truque de festa da linearidade e o único ponto cego da esperança.

Parte I — Fluência com esperança.

Lance um dado honesto; seu ganho é (face $- 3$ ) euros. Monte a tabela de distribuição do ganho $G$ (Método 18.7) e calcule $\E(G)$ .
Calcule $V(G)$ com a fórmula abreviada (Proposição 18.13) e $\sigma(G)$ (duas casas decimais).
Sem nenhuma tabela nova, dê $\E(2G - 1)$ e $V(2G - 1)$ (Proposição 18.14).
Uma barraca cobra $m$ euros para você lançar dois dados e lhe paga a soma em euros. Qual é o preço justo $m$ ? A barraca cobra $8$ : qual é sua perda esperada por partida?
Um notebook de $800$ euros tem $5\,\%$ de chance de ser destruído a cada ano. Calcule o prêmio de seguro justo e o lucro esperado da seguradora por apólice se ela cobrar $60$ euros.

Parte II — Dividir o bolo. Placar $5$ – $3$ , o primeiro a $6$ leva as $64$ pistolas, e as rodadas são lançamentos de uma moeda honesta.

Duas respostas erradas tentadoras: dividir $5 : 3$ (proporcionalmente às rodadas ganhas) ou dar tudo a quem lidera. Diga em uma frase cada o que há de injusto nelas.
O método de Fermat: o jogador A precisa de $1$ vitória a mais e B precisa de $3$ ; imagine jogar exatamente mais $3$ rodadas, aconteça o que acontecer. Liste os $8$ resultados igualmente prováveis, marque quem ganha a série em cada um e deduza a divisão justa das $64$ pistolas.
O ponto sutil que Fermat teve de defender: a partida real poderia parar depois de uma rodada — por que é, ainda assim, legítimo raciocinar sobre as $3$ rodadas imaginárias?
O método de Pascal, de trás para a frente: calcule a parte justa de A nos placares (hipotéticos) $5$ – $5$ , depois $5$ – $4$ e depois $5$ – $3$ , a cada vez tirando a média dos dois futuros igualmente prováveis. Compare com a questão 7.
Mesma pergunta no placar $4$ – $3$ : quantas rodadas imaginárias, quais resultados dão a série a B e qual é a divisão justa?
Enuncie o princípio que os dois métodos partilham — o valor justo de um futuro incerto é a sua esperança — e nomeie duas indústrias modernas que funcionam inteiramente sobre ele (a questão 5 mostra uma).
Uma verificação de sanidade para qualquer placar: explique, com a linearidade da esperança (Proposição 18.11), por que as partes justas dos dois jogadores têm sempre de somar exatamente o bolo de $64$ pistolas.

Parte III — O truque de festa da linearidade.

Reobtenha $\E(\text{soma de dois dados}) = 7$ em uma linha com a linearidade (Proposição 18.11), sem tabela de $36$ casas. Para a variância da soma, a regra $V(X + Y) = V(X) + V(Y)$ exige que os dados sejam independentes (admitido): calcule-a.
A festa dos chapéus: $n$ convidados jogam seus chapéus em uma pilha e cada um pega um de volta ao acaso. Seja $X$ o número de convidados que recuperam o próprio chapéu. Para um convidado fixado, qual é a probabilidade de recuperar o próprio chapéu? Somando essas $n$ chances (linearidade!), calcule $\E(X)$ . A resposta deve surpreender: ela não depende de $n$ .
Verifique $\E(X) = 1$ na força bruta para $n = 2$ e $n = 3$ (liste as $2$ e as $6$ distribuições de chapéus igualmente prováveis e tire a média das contagens).
As recuperações dos convidados estão longe de ser independentes (se $n - 1$ convidados recuperaram o próprio chapéu, o último também tem de recuperar). Em que ponto exatamente o cálculo da questão 14 não exigiu independência? Enuncie o superpoder da linearidade.

Parte IV — O que a esperança não enxerga.

Duas raspadinhas de $5$ euros: a raspadinha A paga $10$ euros com probabilidade $\frac12$ ; a B paga $1\,000$ euros com probabilidade $0.005$ . Verifique que os dois ganhos têm a mesma esperança e calcule as duas variâncias. Que raspadinha as pessoas de fato compram, e o que elas estão comprando?
O jogo de São Petersburgo: lance uma moeda até sair a primeira coroa; se a primeira coroa sair no lançamento $n$ , você recebe $2^n$ euros. Calcule a contribuição de cada $n$ à esperança e a própria esperança. Você pagaria $1\,000$ euros para jogar uma única vez? O que esse conflito ensina sobre a esperança?
O seguro visto pelo cliente: pagar $20$ euros ou correr um risco de $1\,\%$ de perder $1\,000$ ? Compare as duas esperanças e explique por que comprar o seguro pode ainda assim ser racional (sobre o que uma única família não consegue “tirar média”?).
Final — a biografia da esperança, uma frase por capítulo: nascida em 1654 para dividir um bolo; seu superpoder, a linearidade, que soma esperanças sem pedir licença à independência (os chapéus); seu ponto cego, o risco, que a variância mede (raspadinhas, São Petersburgo, seguro); e sua coroação no ano que vem, quando a lei dos grandes números explicar exatamente por que a banca sempre ganha.

Solução

Solução de Problema 18.1.

1. $G$ assume $-2, -1, 0, 1, 2, 3$ , cada um com probabilidade $\frac16$ : $\E(G) = \frac{-2 - 1 + 0 + 1 + 2 + 3}{6} = \frac12$ euro.

2. $\E(G^2) = \frac{4 + 1 + 0 + 1 + 4 + 9}{6} = \frac{19}{6}$ ; $V(G) = \frac{19}{6} - \frac14 = \frac{35}{12} \approx 2.92$ ; $\sigma(G) \approx 1.71$ .

3. $\E(2G - 1) = 2 \times \frac12 - 1 = 0$ ; $V(2G - 1) = 4\,V(G) = \frac{35}{3}$ .

4. $\E(\text{soma}) = 7$ : preço justo $7$ euros. A $8$ , a perda esperada é de $1$ euro por partida.

5. Prêmio justo: $0.05 \times 800 = 40$ euros. Cobrando $60$ : lucro esperado de $20$ euros por apólice.

6. Dividir $5:3$ premia o passado — mas o bolo pertence a quem ganhar o futuro, e B ainda poderia vencer. Dar tudo a A trata uma vitória provável como certa — a pequena chance de B vale alguma coisa.

7. Rodadas a jogar: $3$ ; resultados (vitória de A ou de B por rodada): AAA, AAB, ABA, ABB, BAA, BAB, BBA, BBB. O jogador B leva a série apenas ganhando as três: só BBB. A ganha a série em $7$ dos $8$ casos: divisão justa de $64 \times \frac78 = 56$ pistolas para A e $8$ para B.

8. Jogar as rodadas extras e inúteis não muda a vitória de ninguém: uma vez que A tenha sua sexta vitória, as rodadas seguintes são cerimônia. Mas fixar o horizonte em exatamente $3$ rodadas torna os $8$ resultados igualmente prováveis — uma contagem honesta precisa de histórias do mesmo comprimento, e preenchê-las não custa nada.

9. Em $5$ – $5$ : uma rodada decisiva, $32$ para cada um. Em $5$ – $4$ : A recebe $\frac{64 + 32}{2} = 48$ . Em $5$ – $3$ : a rodada seguinte leva a $64$ (se A a vencer) ou à posição $5$ – $4$ , que vale $48$ : a parte de A é $\frac{64 + 48}{2} = 56$ — o $56 : 8$ de Fermat, rededuzido caminhando de trás para a frente.

10. A precisa de $2$ e B de $3$ : jogue $4$ rodadas imaginárias ( $16$ resultados). B leva a série com $3$ ou $4$ vitórias: $4 + 1 = 5$ resultados. Divisão: para B, $64 \times \frac{5}{16} = 20$ ; para A, $44$ .

11. O valor presente justo de um pagamento futuro incerto é a sua esperança — a média ponderada pelas probabilidades do que pode acontecer. Os seguros (questão 5) e as finanças (precificação de pagamentos incertos) são essa frase transformada em indústria; os cassinos também, do outro lado da mesa.

12. O bolo sempre vai parar em algum lugar: as duas partes são variáveis aleatórias que somam a constante $64$ , logo, por linearidade, $\E_A + \E_B = 64$ — as partes justas esgotam o bolo, em qualquer placar.

13. Linearidade: $\E(X + Y) = 3.5 + 3.5 = 7$ , sem tabela — verdadeiro até para dados colados um no outro. Variância de um dado: $\E(X^2) - 3.5^2 = \frac{91}{6} - \frac{49}{4} = \frac{35}{12}$ ; para dados independentes, $V(X + Y) = \frac{35}{12} + \frac{35}{12} = \frac{35}{6}$ .

14. Cada convidado fixado recupera o próprio chapéu com probabilidade $\frac1n$ (o chapéu dele é um entre $n$ ). Somando sobre os $n$ convidados: $\E(X) = n \times \frac1n = 1$ — um convidado de sorte em média, tenha a festa dois chapéus ou dois mil.

15. $n = 2$ : as distribuições são ambos certos ( $X = 2$ ) ou trocados ( $X = 0$ ): $\E = 1$ . $n = 3$ : as seis distribuições dão $X = 3, 1, 1, 1, 0, 0$ : $\E = \frac{6}{6} = 1$ .

16. O cálculo somou as esperanças dos $n$ indicadores individuais (“o convidado $i$ pegou o próprio chapéu”), e a linearidade soma esperanças sem condições — a dependência arruinaria um produto ou uma variância, mas nunca uma soma de esperanças. Esse é o superpoder da linearidade: nenhuma pergunta sobre independência.

17. Os dois ganhos: $\E = 0.5 \times 10 - 5 = 0$ e $0.005 \times 1000 - 5 = 0$ . Variâncias (do ganho): A: $\E(G^2) = 0.5 \times 25 + 0.5 \times 25 = 25$ ; B: $0.005 \times 995^2 + 0.995 \times 25 \approx 4\,975$ : $\sigma_A = 5$ e $\sigma_B \approx 70.5$ . As pessoas compram a B: o que elas adquirem não é esperança (nula nas duas), e sim a dispersão — uma pequena chance de uma cauda direita que muda a vida.

18. A primeira coroa no lançamento $n$ tem probabilidade $2^{-n}$ e paga $2^n$ : cada $n$ contribui $2^{-n} \times 2^n = 1$ para a esperança, que é, portanto, $1 + 1 + 1 + \dots$ : infinita. E, no entanto, ninguém em sã consciência paga $1\,000$ para jogar uma vez: com probabilidade $\frac{15}{16}$ o pagamento é no máximo $16$ . A esperança resume o longo prazo de apostas repetíveis; um jogo único com uma cauda selvagem não se precifica pela média.

19. Esperanças: com seguro, $-20$ ; sem seguro, $-0.01 \times 1000 = -10$ . A estratégia descoberta vence em média — para quem consegue absorver a perda e repetir a aposta muitas vezes. Uma família que não sobrevive ao $-1\,000$ não está no ramo das médias: ela paga $10$ a mais para apagar a variância. As seguradoras tiram médias; as famílias compram certeza.

20. Nascida da divisão de um bolo entre dois jogadores impacientes; fortalecida pela linearidade, que soma esperanças sem pedir licença à dependência (os chapéus); cega ao risco, que a variância — as raspadinhas, o jogo de São Petersburgo, a apólice da família — tem de medir em seu lugar; e coroada no ano que vem pela lei dos grandes números, que explica por que as médias sempre acabam sendo cobradas.

Termos definidos neste capítulo

Ver todos os 395 termos do glossário