A matemática estranha que prevê (quase) tudo — e por que ela não funciona na loteria
Em 1905, dois matemáticos russos travaram uma briga que não tinha nada a ver com números — tinha a ver com Deus e livre-arbítrio. Pavel Nekrasov, apelidado de "o Tsar da Probabilidade", defendia que a Lei dos Grandes Números só funcionava pra eventos independentes — e usava isso como prova matemática de que o ser humano tem livre-arbítrio: taxas de casamento, crime e nascimento na Rússia se mantinham estatisticamente estáveis ano após ano, e pra Nekrasov isso só podia significar que cada decisão individual era um ato livre, desconectado do resto.
Andrei Markov, ateu, socialista e apelidado de "Andrei, o Furioso", achou isso um absurdo disfarçado de matemática. E resolveu provar o contrário do jeito mais improvável possível: sentou e catalogou, letra por letra, as primeiras 20 mil letras do poema Eugene Onegin, de Aleksandr Pushkin, marcando cada vez que uma vogal vinha depois de uma consoante e vice-versa.
O resultado? 43% das letras eram vogais, 57% consoantes — e mesmo sendo um sistema totalmente dependente do passo anterior (a letra seguinte claramente depende da anterior), a proporção ainda convergia de forma previsível, exatamente como a Lei dos Grandes Números exige. Nekrasov estava errado: independência não é pré-requisito nenhum. E sem querer, Markov tinha acabado de inventar uma ferramenta que, décadas depois, ajudaria a simular uma bomba atômica, criaria o Google, e daria origem aos modelos de linguagem que escrevem texto hoje.
🔍 O que é, de fato, uma Cadeia de Markov
Tirando a poeira histórica, a ideia é simples — e é aí que mora a beleza dela: o que vai acontecer a seguir depende só de onde você está agora, não de como você chegou até aqui. Não importa se choveu a semana inteira ou fez sol o mês todo — pra saber a chance de chover amanhã, o modelo só olha pro tempo de hoje. Essa propriedade tem até nome técnico, "propriedade de Markov" ou "ausência de memória", e é o motivo de esse conceito caber em sistemas tão diferentes quanto o clima, o trânsito de uma cidade, e — como veremos nas próximas seções — a internet inteira.
💡 Pra fixar a ideia
Uma Cadeia de Markov é qualquer sistema com estados (sol, nublado, chuva; ou uma letra do alfabeto; ou uma página da web) e probabilidades de pular de um estado pro outro. A regra de ouro é: o próximo passo olha só pro estado atual, nunca pro histórico inteiro.
🌍 Três lugares onde essa ideia mudou tudo
De um jogo de paciência a uma bomba atômica
O matemático Stanislaw Ulam estava se recuperando de uma encefalite grave e passava o tempo jogando paciência (o solitário de cartas). Intrigado com a chance de vencer o jogo, ele percebeu que seria mais fácil simular centenas de partidas aleatórias e contar os resultados do que calcular a probabilidade exata na unha. Ele levou a ideia pro físico John von Neumann, que sacou na hora que o mesmo truque resolvia um problema muito mais sério: prever como os nêutrons se comportam dentro de uma reação em cadeia nuclear — um problema complexo demais pra resolver com equações fechadas. Nascia o Método Monte Carlo, que simula um sistema repetindo uma cadeia de eventos aleatórios milhares de vezes até o resultado convergir — a mesma lógica de Markov, agora rodando em um dos primeiros computadores eletrônicos do mundo.
🃏 Curiosidade
O nome "Monte Carlo" não tem nada a ver com física — foi sugestão de Nicholas Metropolis, colega de Ulam, numa referência direta ao cassino, porque o tio de Ulam vivia pedindo dinheiro emprestado pra apostar lá.
A web inteira como uma cadeia de estados
Larry Page e Sergey Brin, então estudantes de doutorado em Stanford, modelaram a internet inteira como uma Cadeia de Markov pra criar o PageRank. A ideia ficou conhecida como "surfista aleatório": imagine alguém navegando a web só clicando em links ao acaso — 85% do tempo ele segue um link da página atual, 15% do tempo ele se cansa e pula pra uma página qualquer do nada. Rodando essa simulação bilhões de vezes, as páginas que recebem mais visitas nesse passeio aleatório são, matematicamente, as mais "importantes" — porque muitos outros lugares importantes apontam pra elas. É a mesma lógica de sempre: o próximo clique só depende da página em que você está agora, nunca do caminho que você percorreu até chegar nela. Esse foi o salto que deixou a busca do Google muito à frente de concorrentes da época como o Yahoo, que rankeavam páginas sobretudo por repetição de palavras-chave.
Prevendo a próxima palavra
Claude Shannon, o pai da Teoria da Informação, pegou a mesma ideia de Markov e aplicou de novo a texto — só que em vez de prever a próxima letra olhando só pra atual, ele expandiu pra olhar as últimas palavras e estimar qual viria a seguir. É literalmente o antepassado direto do corretor automático do seu celular e, guardadas as proporções, dos modelos de linguagem por trás de ferramentas como o ChatGPT hoje. A diferença é de escala e sofisticação: um modelo de linguagem moderno não olha só pra "estado atual" no sentido estrito de Markov — ele usa um mecanismo chamado atenção, que pesa partes inteiras do texto anterior de um jeito muito mais rico. Mas a semente — prever o próximo item de uma sequência com base no que veio antes — é a mesma que Markov plantou catalogando vogais e consoantes em 1905.
🎮 Veja isso funcionando: simulador de clima
Em vez de só explicar, deixa eu te mostrar. Abaixo tem uma Cadeia de Markov de verdade, rodando no seu navegador: três estados de clima (sol, nublado, chuva), cada um com uma probabilidade fixa de levar ao próximo dia. Clique em "Simular" e observe: cada dia novo é sorteado olhando só pro dia anterior — nenhuma memória do que aconteceu 5 dias atrás entra na conta.
| → ☀️ Sol | → ☁️ Nublado | → 🌧️ Chuva | |
|---|---|---|---|
| ☀️ Sol | 70% | 25% | 5% |
| ☁️ Nublado | 30% | 40% | 30% |
| 🌧️ Chuva | 20% | 40% | 40% |
Repare que, se hoje está fazendo sol, a chance de amanhã continuar ensolarado é alta (70%) — mas isso não muda em nada se ontem choveu ou fez sol o mês inteiro. O modelo simplesmente não "lembra" de mais do que um dia. É essa mesma regra — e nada mais sofisticado que isso — que está por trás da bomba atômica, do Google e (numa versão turbinada) dos chatbots modernos.
🎰 E a loteria, afinal?
Aqui está o detalhe que a maioria dos artigos e vídeos sobre Cadeias de Markov não menciona, porque não é o foco deles — mas é o motivo pelo qual esse assunto era irresistível pra este blog.
Uma Cadeia de Markov funciona porque existe memória de um passo: o estado seguinte depende do estado atual. É por isso que ela prevê o clima de amanhã olhando pro clima de hoje, ou prevê a próxima palavra de uma frase olhando pra palavra anterior. Tirar essa dependência do modelo é tirar o motivo dele existir — sem ela, não sobra Cadeia de Markov nenhuma, sobra só sorteio puro.
E é exatamente aí que um sorteio da Lotofácil ou da Mega-Sena se encaixa: ele não tem nem essa memória de um passo. As esferas numeradas de um sorteio não sabem, não "lembram" e não são fisicamente capazes de saber quais números saíram no concurso anterior. Cada sorteio é, matematicamente, um evento novo e isolado, sem elo de causalidade com o anterior — uma condição ainda mais forte de independência do que qualquer coisa que uma Cadeia de Markov descreve. Uma Cadeia de Markov pelo menos usa o passo anterior; um sorteio de loteria não usa nem isso.
⚠️ Então por que "número atrasado" soa tão convincente?
Porque é uma observação real sobre os dados passados — isso ninguém nega, é só contagem. O erro está em transformar essa observação num palpite sobre o futuro. Um número que não sai há 40 concursos não fica "mais pesado" nem "mais devido" fisicamente — as esferas não sabem contar.
É a mesma armadilha mental de Nekrasov, só que invertida: ele viu independência onde havia dependência (achou que decisões humanas eram livres quando na verdade tinham padrões sociais por trás); quem persegue números atrasados vê dependência onde só existe independência total. Os dois erros vêm do mesmo lugar — a tentação de encontrar uma história causal onde só existe estatística.
✨ O que fica dessa história
A propriedade de Markov — "o presente é tudo que importa, o passado pode ser esquecido" — é um dos poucos conceitos matemáticos que atravessou mais de cem anos sem perder relevância: começou como munição numa briga ideológica na Rússia czarista, virou ferramenta de guerra, depois motor de busca, e hoje é ingrediente (ainda que simplificado) da IA que gera texto. E o mesmo conceito, olhado de perto, também explica exatamente onde a intuição humana tropeça quando o assunto é aleatoriedade pura — como na loteria.
Nenhum comentário:
Postar um comentário