A matemática por trás da gentileza

Citação de hoje.

“Considere que aritmética, álgebra, geometria, trigonometria, o traçado de fórmulas, logaritmos, números imaginários, teoria dos números e cálculo já estavam em pleno desenvolvimento antes que alguém demonstrasse que poderia ser uma boa ideia calcular uma média.”

Neil deGrasse Tyson, astrofísico e escritor, sobre a inerente dificuldade humana em entender probabilidade e estatística

A matemática por trás da gentileza

Você já se deparou com o conceito estatístico de "regressão à média"? Caso não, aqui vai uma explicação sucinta baseada na Wikipédia:

“Em estatística, a regressão à média é o fenômeno que se apresenta quando uma variável extrema aparece na sua primeira medição, ela tenderá a ser mais próxima da média em sua segunda medição e, paradoxalmente, se é extrema na sua segunda medição, ela tenderá a ter sido mais próxima da média em sua primeira.

A regressão à média define que em qualquer série de eventos aleatórios, há uma grande probabilidade de um acontecimento extraordinário ser seguido, em virtude puramente do acaso, por um acontecimento mais corriqueiro.”

Para entender melhor a definição, considere o seguinte exemplo: imagine medir a altura de uma população e encontrar uma média de 176 cm. Se alguém escolher aleatoriamente uma pessoa dessa lista e descobrir que ela mede 185 cm, é provável que a próxima pessoa escolhida, também aleatoriamente, tenha uma altura mais próxima da média de 176 cm. Portanto, se essa mesma pessoa apostasse que a segunda pessoa escolhida teria uma altura menor do que a primeira, ela teria boas chances de ganhar.

Se você pensar em alguns casos extremos, a compreensão fica ainda mais clara: por exemplo, se você encontrar uma pessoa ao acaso, em uma rua qualquer, com 220 cm, a altura da próxima pessoa seria maior ou menor? A resposta seria a mesma caso fosse uma pessoa adulta com 150 cm? Muito provavelmente, ambas as respostas que você deu a essas perguntas o levaram a uma altura média das pessoas com as quais está acostumado. Essa é a regressão à média.

Um dos melhores exemplos práticos da regressão à média é dado por Daniel Kahneman, prêmio Nobel de Economia, em seu livro “Rápido e Devagar”.

Kahneman conta sobre uma ocasião em que palestrava para instrutores de voo da força aérea israelense sobre a psicologia do treinamento efetivo. Na ocasião, ele explicava aos instrutores que recompensas por uma melhora de desempenho são mais efetivas que punições por uma equivalente piora, o que é comprovado por inúmeros estudos.

Assim que Kahneman encerrou seu discurso, um dos instrutores levantou a mão para dizer que não concordava com a abordagem proposta por ele. Na visão do instrutor, prêmios por uma melhora no desempenho poderiam ser melhores para treinar pássaros, mas não funcionariam com os cadetes de acordo com sua experiência.

O instrutor então explicou que em muitas ocasiões elogiava seus cadetes por uma manobra extraordinária, o que muitas vezes era seguido por um desempenho pior. Por outro lado, sempre que um cadete tinha uma performance muito ruim, o instrutor gritava com ele no rádio como punição por tal desempenho. O resultado: os cadetes na maioria das vezes apresentavam uma melhora na manobra seguinte. Assim, a conclusão do instrutor era justamente a oposta daquela proposta por Kahneman. Punição funcionaria melhor que elogio.

Kahneman, ouvindo o instrutor, teve um momento eureka. Em suas palavras: “o instrutor estava correto, mas ele também estava completamente errado”. A razão para isso: regressão à média!

Acontece que o instrutor naturalmente elogiava os cadetes que realizaram uma manobra excepcional, muito acima da sua própria média, causada muito provavelmente por simples sorte. Assim, a sua próxima manobra iria ser naturalmente “pior”, já que tenderia para a média de desempenho do piloto, e isso aconteceria independentemente do fato de ele ser elogiado ou não.

Por outro lado, pilotos com performances muito ruins tiveram apenas “azar”, com uma manobra muito abaixo de sua média e, como consequência, sua próxima manobra tenderia a melhorar em direção à sua média de manobras, independentemente dos gritos do instrutor.

Nas sábias palavras de Kahneman: “o instrutor tinha colocado uma explicação causal para a inevitável variação de um processo aleatório”. A explicação para o fenômeno era uma só: regressão à média.

No livro, Daniel Kahneman ainda encerra o parágrafo com uma poderosa conclusão acerca do fenômeno:

"O feedback ao qual a vida nos expõe é perverso. Porque tendemos a ser gentis com outras pessoas quando elas nos agradam e desagradáveis quando não o fazem, somos estatisticamente punidos por sermos gentis e recompensados por sermos desagradáveis".

A nossa conclusão: seja gentil!

Em meio à agitação, a gentileza é a linguagem universal. Neste período de reflexão, Boas Festas nos lembram da importância de sermos gentis. Que cada ato amável construa laços que transcendem as barreiras. Desejando a todos momentos de paz e conexão.

Boas Festas! 🎄

Sugestão de leitura.

Rápido e Devagar, Daniel Kahneman

O livro que inspirou a edição de hoje mergulha no modo em como pensamos. Ele divide o pensamento em dois tipos: um rápido e instintivo, e outro mais lento e lógico. Kahneman mostra como esses estilos afetam nossas escolhas e erros. É uma leitura espetacular que revela muito sobre a mente humana e como tomamos decisões.

Participe do nosso processo de criação.

Para participar da criação e do desenvolvimento da newsletter é muito fácil e prático. Você só precisa responder esse e-mail falando o que achou da edição!

Ahhhhhhh, e ajuda a gente a encontrar mais pessoas que possam entender matemática. É simples, basta compartilhar o link:

Por hoje é só, obrigado pelo seu tempo, e até a próxima!