Escolar Documentos
Profissional Documentos
Cultura Documentos
A fim de encontrar a relação das probabilidades de acerto e informação podem ser aplicados em diversas áreas aonde se
erro do resultado esperado, aplicamos o limite na função G tem interesse de prever resultados a partir da probabilidade dos
considerando um N tendendo ao infinito, e também resultados, como por exemplo apostas e investimentos.
substituímos a fórmula (2) em (3), assim temos:
Essa seção descreveu o critério de Kelly para fontes
. binárias. Na próxima seção será apresentada uma abordagem
⎛ W L ⎞ genérica para uma fonte transmissão de m informações.
G = lim ⎜ log(1 + l ) + (1 − l ) ⎟ (4)
N →∞ N N
⎝ ⎠ B. Caso Geral do Critério de Kelly
Visto que para N suficientemente grande temos o valor O caso geral do critério de Kelly tem o intuito de apresentar
esperado da relação entre vitórias e eventos, como também a uma expressão genérica para avaliar o crescimento exponencial
proporção de derrotas para eventos, como as probabilidades de ótimo para canais com m informações transmitidas e
acerto e erro do resultado obtido, então: probabilidades diferentes.
G = q log(1 + l ) + p log(1 − l ) com probabilidade 1 (5) Um exemplo de caso geral de apostas é uma corrida de
cavalos. Temos diversos cavalos correndo a corrida, cada um
Pode se observar na fórmula acima que a taxa de com características distintas, como exemplo o tempo de
crescimento exponencial do capital do apostador é função da arrancada, aceleração e velocidade máxima. Tais atributos
proporção apostada em cada rodada passível de aposta. Como o caracterizam cada cavalo como mais ou menos propensos a
intuito do apostador é otimizar o crescimento do montante ganhar a corrida. Portanto, um apostador professional em
investido, devemos maximizar G em relação à l. Para isso, a corrida de cavalos, possui conhecimento prévio ao evento da
função tem a sua derivada igualada a zero, então: performance de cada cavalo no páreo e tem um ótimo palpite
de qual será o vencedor da corrida.
∂
Gmax = (q log(1+ l) + p log(1− l)) = 0 (6) Desta maneira, é feita uma aposta proporcional ao total
∂l capital, a(s/r), utilizando a informação prévia, r, para apostar
q p em um dos cavalos competidores, s, o valor pago pela aposta
Gmax = − =0 (7) feita é tido como α s e o número de vezes que s é recebido dado
1+ l 1− l
que r foi transmitido é a variável Wsr . Assim, temos a seguinte
l* = q − p (8) formula para o capital após N eventos:
Para exemplificar o resultado obtido na fórmula (8), a Wsr
Figura 1 demonstra a taxa máxima de crescimento exponencial VN = ∏ [ a(s / r)α s ] V0 (11)
do montante em dois distintos casos de probabilidades da fonte r,s
binária. Fazemos algumas modificações na expressão acima para
explicitarmos ela em taxa de crescimento exponencial do
capital.
Vn
log = ∑Wsr log a(s / r)α s (12)
Vo
Tal como fizemos na expressão (4), consideramos um n
suficientemente grande, temos pela lei fraca dos grandes
números a seguinte fórmula:
1 V
lim log n = ∑ p(s, r)log a(s / r)α s c/ prob. 1 (13)
n→∞ N Vo
Partindo inicialmente do pressuposto que as apostas tenham
Fig. 1. Variação de Gmax em relação à l
distribuição justa, ou seja, todo o dinheiro arrecadado das
* apostas é distribuído entre os apostadores. Temos:
Ao encontrarmos a expressão de l , o seu valor é
substituido na função (6) para encontrar a taxa maxima de 1
crescimento exponencial do capital. Assim chegamos a αs = (14)
seguinte expressão: p(s)
investimento é igual a expressão de transmissão de informação Dado as considerações acima, substituímos (14) em (13)
binária por um canal ruidoso definida por Shannon: para evoluir na expressão da taxa de crescimento exponencial
do capital. Assim temos:
Gmax (l * ) = 1+ H ( p) = R (10)
a(s / r)
Tal afirmação comprova a teoria apresentada por Kelly na G = ∑ p(s, r)log (16)
qual os conhecimentos de capacidade do canal da teoria de r,s p(s)
ET-231 TEORIA DA INFORMAÇÃO, 14 DE JULHO DE 2015, SÃO JOSÉ DOS CAMPOS, SP
= ∑ p(s, r)log a(s / r) − ∑ p(s, r)log p(s) (17) Gmax = −H (X | Y ) + ∑ p(s)log(α s ) (26)
r,s r,s s
A expressão (19) nos demonstra que a taxa de crescimento O novo resultado obtido na expressão (26) para o Critério
exponencial está diretamente relacionada com a entropia da de Kelly, se comparado a expressão (21), ainda se mantém a
fonte do evento. Para maximizarmos novamente a função G, mais interessante opção para o apostador, pois mesmo em
devemos encontrar o valor ótimo da aposta em s dado r. Se jogos na qual ele poderia ter o lucro reduzido devido ao corte
aplicarmos Lagrange e igualarmos a zero, lembrando da de parte do montante à ser distribuído, é interessante manter a
restrição do somatório de a(s/r) é igual a 1, temos: aposta proporcional.
Outras conclusões significativas e não facilmente
descobertas sobre a taxa de crescimento exponencial máxima
∂ # & do caso acima são descritas por John L. Kelly em seu artigo:
Gmax = %%∑ p(s, r)log a(s / r)(( + λ ∑ a(s / r) = 0
∂a(s / r) $ r,s ' 1. O apostador pode ignorar as distribuições de
probabilidades estimadas pelo bookie, que
(20) representam os valores para pagos por cada
Chegamos no resultado que a maximização de G em função resultado, pois a sua aposta proporcional é sempre
de a(s/r) ocorre em: relacionada a probabilidade verdadeira do
resultado ocorrer.
a(s / r)* = p(s / r) (21) 2. Como já mencionado anteriormente, a relação
entre o ganho de uma aposta já não é
Assim, ao substituir a expressão (21) em (19), temos:
necessariamente inverso a sua probabilidade,
porém podemos inferir que o valor mínimo de
G *max = ∑ p(s, r)log p(s / r) + H (X) (22)
H(α) é igual a H(X), dado a expressão (14).
r,s Portanto, temos a menor taxa de crescimento
exponencial do capital quando o jogo tem
G *max = H (X) − H (X | Y ) (23) probabilidades justas. Isso representa que o
apostador que utilizar o Critério de Kelly terá
Ao compararmos o resultado da fórmula (23) aos resultados
vantagens caso o jogo não possua probabilidades
obtidos por Shannon na teoria de Capacidade de Canal, na
justas.
qual:
3. Outro ponto importante é relacionado a analogia à
C = max I(X;Y ) = max H (X) − H (X | Y ) (24) capacidade do canal. Quando não houver
p( x ) p( x )
informação prévia sobre o evento, ou seja, H(X|Y)
Podemos concluir que Critério de Kelly para a utilização da é igual a H(X), teremos a capacidade do canal
teoria de capacidade do canal pode ser estendida para qualquer como R= H(α) –H(X). Tal afirmação indica que se
fonte de informação de m informações enviadas por um canal. as probabilidades forem justas, teremos a mesma
relação descrita acima, então a taxa de
Nessa primeira análise foi discutido o caso de apostas crescimento exponencial do capital será zero. Isso
justas, porém existe o caso mais próximo da vida real, na qual representa a inexistência de canal, que pode ser
as proporções não são totalmente distribuídas entre os interpretada como a descaracterização do evento
apostadores. Parte do valor excedente é retido pela casa de como uma aposta.
apostas, como exemplo. Nesse caso, a expressão (14), referente
ao valor pago por determinado resultado não é necessariamente O conteúdo descrito nessa seção apresentou os
proporcional a sua probabilidade. Entretanto, a expressão (15) fundamentos do critério de Kelly, entretanto o seu formato
continua válida, pois o somatório dos ganhos das apostas ainda mais popular difere levemente das expressões previamente
permanece igual a 1. demonstradas. A próxima seção apresenta a versão
simplificada e amplamente utilizada por apostadores e
Dado as considerações acima descritas, a fórmula (13) é investidores.
modificada, assim temos:
G = ∑ p(s, r)log a(s / r) − ∑ p(s, r)log(α s ) (25) III. APLICAÇÃO PRÁTICA DO CRITÉRIO DE KELLY
r,s r,s A fim de simplificar a utilização do Critério de Kelly e
facilitar o seu uso no dia-a-dia dos apostadores e investidores,
Os mesmos procedimentos utilizados anteriormente para se tomou uma abordagem levemente diferente da apresentada
otimização da taxa de crescimento exponencial são aplicados para o canal com fonte binária na seção II.A, agregando o valor
na fórmula (25). Intuitivamente, o resultado obtido é o mesmo pago pela aposta, b, na expressão (4). Assim, temos:
da fórmula (21). Fazendo a substituição de (21) em (25) e já
substituindo a primeira parte da equação pelo resultado
fornecido na expressão (22), obtemos:
ET-231 TEORIA DA INFORMAÇÃO, 14 DE JULHO DE 2015, SÃO JOSÉ DOS CAMPOS, SP
[7] L. MacLean, E. Throp e G. Blazenko, Growth Versus Security in [8] Dylan Evans, Risk Intelligence: How to Live with Uncertainty, Free
Dynamic Investment Analysis, School of Business Administration, Press, 2012.
Simon Fraser University, Burnaby, British Columbia, Canada V5A 1S6,
pp. 1562-1585, Novembro 1992