Escolar Documentos
Profissional Documentos
Cultura Documentos
17
de junho de 2010
Introduo
Neste trabalho expomos as teorias de deciso sob incerteza. No temos, porm, qualquer
pretenso de originalidade. Pelo contrrio, a exposio do tema segue Gilboa (2007). O que
fazemos aqui, com efeito, seguir, em linhas gerais, sua diviso do tema, mas apresentando-o
de forma unicada e com muitas consideraes pessoais. Nosso objetivo tornar conhecidos
os fundamentos de cada teoria e apresentar teorias mais recentes. Embora a motivao bsica
do desenvolvimento 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 Filosoa em geral.
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 apresentamos a teoria
Texto preparado para o seminrio do Grupo de Epistemologia e Filosoa da Cincia do Departamento
de Filosoa da Universidade de Braslia. Agradeo especialmente ao professor Agnaldo Portugal (FIL-UnB)
pelo convite e pelas discusses quanto ao tema do seminrio.
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 car 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.
2.1
Abordagem clssica
opta-se pela eqiprobabilidade dos estados. Essa postura diante da incerteza faz sentido
quando no h qualquer razo que justique 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
denota o fato de o bolo cair com a face "cara" voltada para cima. Laplace, no
captulo II de seu Ensaio Filosco sobre Probabilidades, justica esse princpio com base no
Princpio da Razo Suciente, 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
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 suciente
para distorcer a eqiprobabilidade dos estados do mundo. Desse modo, se P(!) denota a
probabilidade do estado do mundo ! 2 , ento P(!) = 21 .
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
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. Mentalmente evoca os foros das aves e pergunta: "Amanh, chove ou no chove?"
Neste exemplo, o mundo tambm pode ser descrito pelo conjunto
= f! 1 ; ! 2 g de estados
devido ignorncia. Mas se denirmos uma varivel aleatria Y por Y = X 2 , veremos que
8
< 1 se z 2 (0; 1]
fX (z) =
: 0 se z 2
= (0; 1]
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
1
2
uma probabilidade verdadeira, o que quer que ele entenda por verdade, porm desconhecida.
Augur coleta uma srie histrica fXi gN
i=1 de N 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 N = 5 bigas l deixadas no dia anterior, 2
foram roubadas, digamos, X1 = 0, X2 = 1, X3 = 0, X4 = 0, X5 = 1. Isso signica 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 p. = 0; 4. Essa
probabilidade objetiva no sentido de ter sido obtida a partir das observaes anteriores. O
tamanho da amostra coletada por Augur foi N = 5. claro que essa amostra pequena.
Ser que uma amostra maior pode deixar Augur mais conante 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 xado.
Ora, Augur comeou sua estimativa calculando a freqncia emprica de roubos:
1
(X1 + X2 + X3 + X4 + X5 )
5
1
=
(0 + 1 + 0 + 0 + 1)
5
2
=
5
= 40%
p. =
p. =
+ X5 )
Suponha que Augur xa uma margem de erro qualquer, digamos " > 0, um nmero bem
pequeno, mas xo. Cometer um erro de estimativa pela margem de erro " > 0 signica que
jp.
pj
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[ jp.
pj
N !1
"] = 0
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
c, em que c > 0
1 + (1
( c) = 1
p)
Por outro lado, se o ser humano no cr e Deus existe, ento o ser humano sofre um prejuzo
innito. Se o ser humano no cr e Deus no existe, ento o ser humano nem perde nem
ganha. Assim, o benefcio esperado decorrente da descrena :
p
( 1) + (1
p)
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
crer
descrer
Deus no existe
mente de Augur, mas podemos vericar se seu comportamento consistente com o uso de
uma. Entramos, assim, no campo da abordagem comportamental da tomada de deciso sob
incerteza.
Teorias comportamentais
8x; y; z 2 X, se x % y e ou y % z, ento x % z:
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 car 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 x alternativa y e se
prefere, por sua vez, a alternativa y a uma terceira alternativa z, ento ele prefere x a z.
Os axiomas da completeza e da transitividade, juntos, caracterizam o que chamamos de
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: 9Z
u(y)
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 x u(x) = 20 e a de y
u(y) = 12, ento x prefervel a y. 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.
Cantor provou o seguinte teorema:
Teorema (Cantor, 1915): Se a relao de preferncia % sobre o conjunto de alternativas
X satisfaz os axiomas C1
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 comportamental da probabilidade subjetiva, temos quatro modelos principais, que so os modelos
de:
8
>
John von Neumann & Oskar Morgenstern
>
>
>
>
< Frank Ramsey & Bruno de Finetti
>
Leonard Savage
>
>
>
>
: Francis Anscombe & Robert Aumann
10
3.1
{z
1
2}
coroa e m n 1 la n a m e nto s
c o n se c u tivo s
1
.
2n
1
1
= n
2
2
|{z}
cara n o no
la n a m e nto
$2n = 1
isto , o valor esperado do jogo innito. Se esse o caso, o jogador deveria estar disposto
a pagar uma quantia innita para participar desse jogo. O paradoxo que as pessoas esto
dispostas a pagar apenas uma quantia nita. A soluo de Bernoulli foi sugerir que as
pessoas maximizam uma funo utilidade, em vez do mero valor monetrio. A quantia $2n
d ao indivduo uma utilidade u(2n ). Se essa funo for limitada, ento:
1
X
1
2n
n=1
u(2n ) < 1
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 X = fx1 ; : : : ; xn g. A diferena que
os objetos de escolha no so mais as alternativas, mas o que os economistas chamam de
loterias sobre X. Uma loteria nada mais do que uma distribuio de probabilidades sobre
as alternativas, isto , sobre os elementos de X.
Vejamos um exemplo. Augur possui trs alternativas dadas pelo conjunto X = fx; y; zg.
No modelo vNM, Augur no tem que dizer se prefere x a y ou se x a z ou qualquer coisa
assim. Ele tem que dizer, por exemplo, se prefere a loteria x com probabilidade 30%, y
11
com probabilidade 50% e z com probabilidade 20% loteria x com probabilidade 60%,
y com probabilidade 10% e z com probabilidade 30%. A primeira loteria escrita como
P = x [30%]
y [50%]
y [10%]
z [30%]. Aqui,
Augur no diz algo do tipo x % y, mas sim algo como P % Q: Denote por L o conjunto de
todas as loterias sobre o conjunto de alternativas X. Suponha que Augur possui uma relao
de preferncia % sobre L.
Considere os seguintes axiomas:
vNM1 Ordem fraca: % completa e transitiva:
vNM2 Continuidade: 8P; Q; R 2 L, se P
P + (1
)R
P + (1
R, ento 9 ;
)R.
P + (1
)R %
)R.
A expresso P + (1
a expresso deveria ser
(1
)R, que
($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 Q :
Q = ($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) P a Q, isto , P
Q. Uma terceira
+ 12 R signica que, sendo lanada uma moeda honesta e saindo cara, Augur joga a
+ 12 R
1
Q
2
+ 12 R. Reciprocamente, se 12 P + 12 R
1
Q
2
+ 12 R, ento P
Q, ento
Q:
Vejamos um outro exemplo, um que seja ainda mais simples. Considere duas loterias, P
e Q, denidas por:
P = ($90) [100%]
Q = ($50) [100%]
A loteria P diz que Augur ganha 90 sestrcios com certeza; Q 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 armar que, para ele, P
Augur lana uma moeda honesta. Em segundo lugar, se sair cara, ele ganha 90 sestrcios;
13
+ 12 R
1
Q
2
Q:
u(x)P (x)
x2X
u(x)Q(x)
x2X
x2X
14
u(x)P (x);
u(x)Q(x);
x2X
u(x)P (x)
x2X
x2X
(6o ) se, em vez de atribuir a cada alternativa x 2 X o valor numrico u(x), de acordo com
a utilidade u, ele atribuir o valor nmerico v(x) = au(x) + b, em que a > 0 qualquer
nmero positivo e b 2 R qualquer nmero real, de acordo com a utilidade v, ento
3.2
= f! 1 ; : : : ; ! n g. Uma aposta um
15
xg e fy 2 X : x
yg so abertos
yi , 8i = 1; : : : ; n, ento x % y:
y:
i=1
+ pn xn
p1 y1 +
+ pn xn ;
+ pn yn ;
(4o ) diante das apostas x e y, ele opta por aquela com maior retorno esperado.
Note que, se denirmos u(x1 ; : : : ; xn ) = p1 x1 +
diz que existe uma nica funo de utilidade que representa as preferncias de Augur.
16
3.3
Savage
de Finetti mostra como obter probabilidades subjetivas a partir de preferncias. J von Neumann & 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 zeram de Finetti e von Neumann &
Morgenstern, os quais se valeram do teorema de separao de conjuntos convexos! Mesmo
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:
8
< S : conjunto de estados do mundo
: X : conjunto de conseqncias possveis
S.
17
Em outras palavras, o ato fAg igual ao ato f , mas quando ocorre o evento A, ele igual a g.
a ocorrncia do evento A que faz com que o ato f seja trocado pelo ato g. Em particular:
8
< x; se s 2 A
fAx (s) =
: f (s); se s 2
=A
notao f
Um evento A
S, tem-se f % g. A
g, ou seja, um evento
A nulo se, sob a ocorrncia de A, todos os atos so considerados indiferentes por Augur.
Os axiomas de Savage so os seguintes:
S1 Ordem fraca: % completa e transitiva:
S2 Princ{pio da coisa
f %A g:
S3 Monotonia: 8f 2 F, 8A
S4 Invaria^ncia: 8A; B
S5 Na~o
S e 8x; y; z; w 2 X com x
gef
gAhi .
yez
g:
g, 9fA1 ; : : : ; Am g partio de S tal que,
^encias: 8f; g 2 F e 8A
S7 Continuidade de consequ
relevante), o ato f traz as mesmas conseqncias que o ato g, qualquer que seja o estado
do mundo, e se, para algum estado especco, a conseqncia que o ato f traz preferida
conseqncia que o ato g traz, ento o ato f preferido ao ato g.
O axioma da invarincia interessante. Suponha que Augur quer saber se Anebo acha
que o evento A = fPorfrio escrever uma carta a Anebog
S: Suponha ainda que Augur sabe que, para Anebo, se x = 100 sestrcios e
y = 10 sestrcios, ento x
ele sabe qual a conseqncia f (s) 2 X em cada estado do mundo s 2 S: Pelo axioma da
continuidade de atos, deve existir, dado qualquer outro ato h, uma partio do mundo em
19
S tais
gef
fAhi (s) =
: f (s); se s 2
= Ai
8
< h(s); se s 2 A
i
gAhi (s) =
: g(s); se s 2
= Ai
Que signica isso? Suponha que um certo estado do mundo s pertence ao evento Ai .
O evento Ai deve ser insignicante o suciente para que, se, na ocorrncia do evento Ai ,
Augur trocar o ato f pelo ato h, ento o ato f perturbado por essa pequena modicao no
evento Ai ainda continua melhor, do ponto de vista de Augur, do que o ato g, mesmo que,
no estado s, a conseqncia seja outra, a saber, fAhi (s) = h(s), e no f (s). Isso simbolizado
pela expresso fAhi
circunstncias, no altera o fato de que f ainda melhor. Isso, por sua vez, simbolizado
pela expresso f
gAhi :
Ora, ca claro que, para esse axioma valer, o mundo S deve ser grande o suciente para
que possamos sempre encontrar uma partio nita do mundo em eventos sucientemente
insignicantes de tal modo que perturbaes dos atos f e g nesses eventos insignicantes
no alterem a preferncia de Augur por f em detrimento de g, e que tambm o mundo no
pode ser pequeno. Com efeito, note que o axioma da continuidade de atos exclui, de um
sopeto, mundos nitos, porquanto so pequenos. Qualquer mundo nito pequeno. Se o
mundo tivesse 999 ziripitilhes de estados possveis, ainda assim seria pequeno, apenas por
ser nito. Desse modo, se Augur quisesse usar o modelo de Savage para descrever seu processo
decisrio em um mundo nito, digamos, S = fs1 ; : : : ; s` g, mesmo que ` = 101:000:000:000:000 ,
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 f e
g quaisquer e seja A um evento. Em particular, suponha que A o prprio mundo, isto ,
A = S. Suponha que, dada a ocorrncia do evento A, isto , de qualquer coisa no mundo,
tenhamos f %A g(s), ou seja, o ato f (fracamente) preferido conseqncia g(s) 2 X. Em
outras palavras, o que se diz aqui que o ato f , enquanto regra que associa a cada estado
20
regulado pelos axiomas de Savage. O teorema de Savage garante que essa probabilidade
apenas nitamente aditiva, o que signica que, para quaisquer eventos A; B
S disjuntos,
S tais que A \ B = ;:
(A [ B) = (A) + (B)
No enunciado temos tambm o smbolo (S; 2S ). O que isso? O conjunto 2S denota
a coleo formada por todos os subconjuntos de S, ou seja, a coleo de todos os eventos.
Assim, (S; 2S ) designa o fato de que, alm de Augur conhecer a totalidade do mundo, que,
21
lembre-se, innito, ele conhece todos os eventos possveis e pode atribuir a cada um deles uma probabilidade subjetiva de ocorrncia. Uma vez que sua probabilidade subjetiva
nitamente aditiva, embora ele tenha todo esse saber, ele no consegue mensurar probabilisticamente unies innitas de eventos, apenas unies nitas.
A propriedade de aditividade nita 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.
8
< x;
se s 2 A
x
(f[x] )A (s) =
: f[x] (s); se s 2
=A
8
< x; se s 2 A
=
: x; se s 2
=A
= x
Alm disso:
8
< y;
se s 2 A
y
(f[x] )A (s) =
: f[x] (s); se s 2
=A
8
< y; se s 2 A
=
: x; se s 2
=A
22
preferido a y (ou seja, x % y) e o fato de que x fracamente preferido a ele mesmo, x (ou
seja, x % x, 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 x em detrimento de y 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 x
e y decorrncia to-somente da posio de Augur relativamente s conseqncias. Dessa
forma, o modelo de Savage pressupe que os gostos so separados das crenas. No importa
qual a crena de Augur quanto aos eventos A = fPorfrio escrever uma carta a Anebog
e B = fJmblico sonhar com Plotinog: Suas crenas no mudaro o fato de que Augur
prefere x = 100 sestrcios a y = 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:
8
>
x = roupa de banho
>
>
>
>
< y = guarda-chuva
>
A = chuva
>
>
>
>
: Ac = no-chuva
Nesse caso, se ocorre o evento Ac , ento x
x.
Savage, porm, perspicaz que era, foi cuidadoso ao expor sua teoria. Ele dizia que esse
contra-exemplo no funcionava, pois a denio de conseqncia deve ser precisa o suciente
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 contraexemplo de seu modelo. Uma conseqncia no contexto associado ao contra-exemplo deveria
ser algo como bronzear-se na praia quando estiver sole 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
oferece um contra-exemplo talvez mais slido. Augur casado com Laetitia e so felizes.
23
Laetitia, porm, est muito doente. Seu mdico, Asclepius, diz a Augur que a probabilidade
de Laetitia sobreviver s sanguessugas de 50%. Conante 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:
8
< $0;
se Laetitia sobreviver
f =
: $400; se Laetitia morrer
g = $100
g manifestada por
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%
indiferena denota o fato de que o indivduo atribui a cada cor uma probabilidade igual a
24
50%
f1 , IV denota uma aposta na bola vermelha da urna I etc. Temos, assim, a seguinte matrz
de deciso:
s1 , V V
s2 , V P
s3 , P V
s4 , P P
f1 , IV
100
100
f2 , IP
100
100
f3 , IIV
100
100
f4 , IIP
100
100
f 2F n
s2S
8s 2 A;
enquanto que:
IV
IP
IIV
IIP
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
foi sugerida por Frank Knight (1921) em sua obra Risk, Uncertainty and Prot. 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 f : S ! X, ou seja, uma regra f
que especica, para cada estado do mundo s 2 S, o resultado ou conseqncia ou outcome
f (s) 2 X: Para entendermos o modo pelo qual Anscome e Aumann denem o ato, denote
por
Assim, um elemento
outras palavras, uma loteria sobre X. Para Anscombe e Aumann, um ato uma funo
f : S ! L, em que L
loteria tem suporte nito se atribui probabilidades positivas apenas a um nmero nito de
resultados. Com um certo abuso de notao, denotemos tambm por F o conjunto de atos
la Anscome-Aumann.
Essa pequena modicao matemtica na denio 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 S, chamada de incerteza subjetiva, pois nenhuma probabilidade objetiva dada aqui;
(ii) incerteza sobre o conjunto X de resultados ou conseqncias, chamada de incerteza
objetiva, pois, uma vez o indivduo tendo escolhido o ato f e a natureza tendo escolhido
26
f + (1
h, 9 ;
)h
)h:
Os axiomas AA1
f + (1
)h % g + (1
)h:
g:
que, l, as preferncias eram denidas sobre loterias em X; aqui, so denidas 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 f e g tais que f (s) % g(s); 8s 2 S: Recorde que f (s) e g(s) so
distribuio g(s). Se esse for o caso, ento o axioma da monotonia diz que o indivduo
prefere o ato f ao ato g.
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
probabilidade
x2X
u(x)f (s)(x)
x2X
(5o ) S que a natureza ainda no determinou o estado do mundo, mas Augur j sabe qual
a sua utilidade esperada (sobre as conseqncias), Ef (s) [u] ; para cada estado s 2 S:
28
cula a mdia de todas os valores Ef (s) [u] de acordo com a distribuio de probabilidade
:
(8o ) Por m, ao comparar os atos f e g, ele opta por aquele com maior valor. No caso,
R
R
Augur conclui que S Ef (s) [u] d (s)
Eg(s) [u] d (s).
S
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
denies 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
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 S denota o mundo, uma capacidade de Choquet
denida como uma regra
que:
29
(a)
(;) = 0
(b) 8A; B
(c)
S, se A
B, ento (A)
(B)
(S) = 1
8
>
>
< x1 ;
..
f (s) =
.
>
>
:
xm ;
se s 2 E1
..
.
se s 2 Em
f (s) =
m
X
xi 1Ei (s)
i=1
em que:
8
< 1; se s 2 E
i
1Ei (s) =
: 0; se s 2
= Ei
exemplo, a funo indicadora indica que ocorreu o evento E1 , pois, nesse caso, 1E1 (s) = 1 e
toda outra funo indicadora 1Ei (s), com i 6= 1, ser tal que 1Ei (s) = 0: Dessa forma:
f (s) =
m
X
xi 1Ei (s)
i=1
1 + x2
0+
+ xm 1Em (s)
+ xm
= x1
ou seja, a varivel aleatria f assume o valor x1 : Analogamente, se ocorre um estado do
mundo s 2 S2 , a varivel aleatria f assumir o valor x2 e assim por diante.
30
0. Se a capacidade
m
X
m
X
xi (Ei )
i=1
xi+1 ) ([ij=1 Ej )
(xi
i=1
por:
C(f; ) ,
hChoqueti
Z
f (s)d (s)
f (t) e g(s)
g(t) ou f (s)
f (t)
f (t) e g(s)
)h % g + (1
f + (1
2 (0; 1) :
)h:
AA3, Ch4 e AA5 se, e somente se, existe uma nica capacidade de
hChoqueti
Z
hChoqueti
Z
(a integral sendo no sentido de Choquet). Alm disso, a utilidade u nica, salvo transformaes ans positivas.
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 f % g equivalente ao seguinte
processo mental:
(1o ) Se Augur escolhesse o ato f 2 F, ele esperaria a deciso da natureza quanto ao estado
do mundo s 2 S.
(2o ) Uma vez conhecendo o verdadeiro estado do mundo, ele descobre que f (s) 2 L
(X) a distribuio de probabilidade sobre resultados em X. Assim, f (s)(x) a
probabilidade de ocorrncia da conseqncia x 2 X.
32
(3o ) Augur avalia cada resultado x 2 X de acordo com uma funo utilidade u : X ! R,
atribuindo a x o valor numrico u(x).
(4o ) De posse da probabilidade f (s)(x) de cada conseqncia e de sua utilidade u(x), ele
calcula a utilidade esperada:
Ef (s) [u] ,
u(x)f (s)(x)
x2X
(5o ) S que a natureza ainda no determinou o estado do mundo, mas Augur j sabe qual
a sua utilidade esperada (sobre as conseqncias), Ef (s) [u] ; para cada estado s 2 S:
(6o ) Dado que Augur tem uma probabilidade subjetiva no-aditiva (ou seja, uma capacidade
de Choquet)
C(Ef ( ) [u] ; ) =
hChoqueti
Z
C(Ef ( ) [u] ; ) =
hChoqueti
Z
(8o ) Por m, ao comparar os atos f e g, ele opta por aquele com maior valor. No caso,
Augur conclui que:
hChoqueti
Z
4.2
hChoqueti
Z
S, vale a desigualdade:
(A [ B) + (A \ B)
33
Essa condio dita convexidade e generaliza aquela conhecida regra do Clculo de Probabilidades que diz que, para quaisquer eventos A; B
S, (A [ B) = (A) + (B)
Para entendermos o que ela signica, basta que consideremos dois eventos A; B
(A \ B).
S disjuntos
(A) + (B)
Em outras palavras, a juno dos eventos A e B aumenta o grau de crena. A soma dos
graus de crena nos eventos disjuntos A e B, encarados separadamente, (A) + (B). Mas
quando encarados conjuntamente, o grau de crena
(A [ B) no evento A [ B formado
pela juno dos dois eventos A e B maior. Decorre disso que a capacidade convexa , na
verdade, uma medida de probabilidade sub-aditiva. Em particular, dado um evento A
seu complementar Ac , a sub-aditividade de
Se
implica que:
(A) + (Ac )
1: O resduo (no-negativo) 1
(A)
(Ac ) 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
(A)
(A)
(Ac )
1
(A)
(A)
(A), 8A
S, e p(S) = (S) = 1g
aditiva p(A) no mesmo evento, sendo isso expresso pela condio p(A)
(A), 8A
S.
)h % g + (1
2 (0; 1), f % g
()
)h:
)g % f:
p2CORE( )
35
x2X
'(s)d (s) =
min
p2CORE( )
'(s)dp(s)
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:
f % g ()
em que
hChoqueti
R
S
hChoqueti
Z
hChoqueti
Z
'(s)dp(s) e C = 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 f % g equivalente ao seguinte processo mental:
(1o ) Se Augur escolhesse o ato f 2 F, ele esperaria a deciso da natureza quanto ao estado
do mundo s 2 S.
(2o ) Uma vez conhecendo o verdadeiro estado do mundo, ele descobre que f (s) 2 L
(X) a distribuio de probabilidade sobre resultados em X. Assim, f (s)(x) a
probabilidade de ocorrncia da conseqncia x 2 X.
(3o ) Augur avalia cada resultado x 2 X de acordo com uma funo utilidade u : X ! R,
atribuindo a x o valor numrico u(x).
(4o ) De posse da probabilidade f (s)(x) de cada conseqncia e de sua utilidade u(x), ele
calcula a utilidade esperada:
Ef (s) [u] ,
u(x)f (s)(x)
x2X
(5o ) S que a natureza ainda no determinou o estado do mundo, mas Augur j sabe qual
a sua utilidade esperada (sobre as conseqncias), Ef (s) [u] ; para cada estado s 2 S:
36
(6o ) Dado que Augur tem uma probabilidade subjetiva sub-aditiva (uma capacidade de
Choquet convexa)
(8o ) Em seguida, dado que Augur cauteloso, ela toma a menor dessas esperanas:
Z
min
Ef (s) [u] dp(s)
p2CORE( )
(10o ) Por m, ao comparar os atos f e g, ele opta por aquele com maior valor. No caso,
Augur conclui que:
min
p2CORE( )
min
p2CORE( )
ou seja, ele opta por aquele ato que maximiza sua utilidade na pior situao possvel.
Vejamos um exemplo numrico. Suponha que S = fs1 ; s2 ; s3 g e considere uma varivel
aleatria X denida por:
X(s1 ) , x1 = 1
X(s2 ) , x2 = 5
X(s3 ) , x3 = 3
Denote por p1 a probabilidade a priori p(s1 ), por p12 a probabilidade a priori p(fs1 ; s2 g)
etc. Suponha que:
p1 = 0; 2
p12 = 0; 5
p2 = 0; 2
p13 = 0; 6
p3 = 0; 2
p23 = 0; 6
37
p123 = 1
EChoquet (X) =
hChoqueti
Z
X(s)d (s)
= (x2
= 2
x3 ) (s2 ) + (x3
0; 2 + 2
0; 6 + 1
x1 ) (fs3 ; s2 g) + x1 (fs1 ; s3 ; s2 g)
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 quantidades.
O vis domstico nas nanas internacionais, isto , o fato de que os indivduos tendem a participar mais de seus mercados nanceiros domsticos do que dos mercados
internacionais.
Crashes e booms nanceiros.
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 especica 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 desempregado reage a uma incerteza crescente no mercado de trabalho?No modelo bayesiano,
a maior incerteza capturada pela maior varincia dos salrios dos empregos oferecidos. Ceteris paribus, maior varincia torna o indivduo menos desejoso de aceitar uma
38
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 quanticvel
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 resultado 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 GilboaSchmeidler, 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.
8
< A : conjunto de alternativas
: X : conjunto de observaes
Uma observao um fenmeno bem denido. Por exemplo, o fenmeno Caesar no lanamento do bolo. Toda vez que esse fenmeno se realiza, isto , toda vez que a face Caesar
ca para cima, diz-se que se tem uma observao do tipo Caesar. Uma base de dados
39
X
x2X
I(x) < 1g
Uma base de dados I 2 D , assim, um vetor de contagem. Ela diz quantas observaes
temos de cada tipo na base de dados I.
Para cada base de dados I 2 D, Augur possui uma relao de preferncia %I sobre o
:A
X um valor numrico
:A
cujo elemento
X ! R diversicada se nenhuma
linha dominada por uma combinao am de trs (ou menos) linhas, ou seja, no existem
alternativas a; b; c; d 2 A com b; c; d 6= a e no existem nmeros reais
+
(b; x) +
; ;
(c; x) +
2 R com
(d; x).
Os axiomas so:
GLS1 Ordem fraca: 8I 2 D, %I completa e transitiva.
GLS2 Combinaa~o : 8I; J 2 D e 8a; b 2 A, se a %I b e a %J b, ento a %I+J b.
GLS3 Princ{pio arquimediano: 8I; J 2 D e 8a; b 2 A, se a
a
`I+J
b.
d. Se jAj
3, a
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 I 2 D como para a base de
40
dados J 2 D, ento Augur tambm ter razes para crer que a alternativa a to provvel
quanto a alternativa b, para a base conjunta de dados I + J 2 D.
Augur crer que a alternativa a estritamente mais provvel quanto a alternativa b, ento
uma replicao ` sucientemente grande da base de dados I eventualmente superar qualquer evidncia em contrrio vinda de qualquer outra base de dados J 2 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 anteriores. Durante sculos a astronomia de Ptolomeu foi suciente para prever eclipses e outros
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
especcas 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 decincias 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 ca 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 f%I : I 2 Dg de relaes
:A
x2X
X ! R tal que,
x2X
+ , em que
>0e
:A
:A
x2X
I(x) faz o papel da medida de probabilidade. A diferena que I(x) , 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 %I b, qualquer que seja a base de
dados I 2 D, equivalente ao seguinte processo mental:
(1o ) Se Augur escolhe a alternativa a 2 A e considera a observao do tipo x 2 X; ento
ter utilidade (a; x):
(2o ) Ele computa I(x), ou seja, ele verica quantas observaes h do tipo x 2 X.
(3o ) De posse da utilidade
(a; x)I(x)
x2X
(b; x)I(x)
x2X
(6o ) Por m, ao comparar as alternativas a e b, ele opta por aquela com maior valor. No
caso, Augur conclui que:
X
(a; x)I(x)
x2X
(b; x)I(x)
x2X
X tal que sua resposta ser dada de acordo com o seguinte critrio:
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 Y que pode assumir dois valores:
Y = 1 denota sucesso e Y = 0 insucesso. Tenhamos em mente a situao do exemplo 3.
As caractersticas dos pacientes so dadas pelo vetor x = (x1 ; : : : ; xm ) 2 Rm . temos, assim,
uma base de dados de n observaes passadas das variveis:
f(xi ; yi ) : i = 1; : : : ; ng
em que (xi ; yi ) = (x1i ; : : : ; xm
i ; yi ). Um novo caso introduzido, o de Augur, com caractersticas:
xn+1 = (x1n+1 ; : : : ; xm
n+1 )
Asclepius quer acessar a probabilidade de yn+1 = 1. Seja (xi ; xn+1 ) > 0 uma funo de
similaridade entre xi e xn+1 : Ento a probabilidade de sucesso na cirurgia de Augur :
Pn
I
i=1 (xi ; xn+1 ) yi
p (n + 1; ) = P
n
i=1 (xi ; xn+1 )
Psicometria como exemplar learning. Ela se reduz freqncia relativa de sucesso na base
de dados se a funo de similaridade (x; x0 ) constante, isto , quando todas as observaes
so consideradas igualmente relevantes. Se, entretanto, denirmos:
8
< 1; se x = x0
0
(x; x ) =
: 0; se x 6= x0
43
ento a frmula acima se reduz freqncia relativa condicional de yn+1 = 1 (de sucesso),
isto , freqncia relativa na sub-base de dados denida por xn+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.
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, podese 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 exvel, que classica as caractersticas dos fenmenos de maneira menos rigorosa. Ele
identica, mediante a funo de similaridade, quais casos so mais ou menos relevantes para
a sua predio. O que justica 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 especique tambm quem o observador. Dessa forma, a %I b signicar que,
se a base de dados I 2 D especica quantas vezes cada indivduo observou o par (x; x0 ),
44
Concluso
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
t
the form Eo f 1
u(Ct ; t )g: Temos ainda Stockey & Lucas (1989, p. 475), que, no
t=0
incio do captulo 16, escrevem: ... the solutions to certain palnning problems can be
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
deles, K( ) =
, ento o primeiro
contm todos os
:K(A) = K(:K(A)), ou seja, que, se o indivduo no sabe A, ento ele sabe que no sabe A.
O problema que, muitas vezes, o que ocorre :K(A) = :K(:K(A)): 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 formalism. A denition-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 rene
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
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
47
:X
X ! R e reestimar a probabilidade: :
Pn
(xi ; xn+1 ) yi
I
i=1
p (n + 1; ) = P
n
(xi ; xn+1 )
i=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, nanceira ou social, o mundo muito
maior do que pensamos, tanto que nem sabemos quanto...
Bibliografia
1. Anscombe, F. and R. Aumann (1963): A denition 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 probabilities", Journal of Mathematical Economics, 16: 65-88.
6. Gilboa, I., O. Lieberman & D. Schmeidler (2007): On the denition of subjective probability by empirical similarity, mimeo, Tel-Aviv University.
48
7. Gilboa, I., O. Lieberman, & D. Schmeidler (2006): Empirical similarity, Review 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.
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 Prot. Houghton Mi- in 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.
49