Teorema de Bayes: Chave para o Universo, Richard Carrier Skepticon 4
-
0:01 - 0:05Sem mais delongas Richard Carrier.
-
0:12 - 0:14"Operar tecnologia dos Trouxas".
-
0:15 - 0:20Uma das vantagens de falar para uma audiência de jovens ateus
-
0:20 - 0:24é que não há falta de gênios da tecnologia para ajudar quando alguma coisa dá problema.
-
0:25 - 0:28Mas um agradecimento especial vai para Darrel Ray, cujo computador estou utilizando hoje.
-
0:33 - 0:36Certo, eu vou falar sobre o Teorema de Bayes.
-
0:36 - 0:37O que raios será isso?
-
0:37 - 0:41Um jovem cavalheiro se aproximou de mim mais cedo e disse "Sabe, eu dei uma olhada na internet...".
-
0:41 - 0:44E eu respondi "Tem certeza?!".
-
0:45 - 0:47Eu vou mostrar o que o assustou.
-
0:47 - 0:50Este é o Teorema de Bayes.
-
0:53 - 0:57E provavelmente você está pensando "que porra é essa?!!".
-
0:57 - 1:01Ao final desta fala 83.8% de vocês entenderão o que isto significa.
-
1:04 - 1:05Bom, ele pode ser escrito de outras formas.
-
1:05 - 1:07Estas são algumas das mais curtas.
-
1:07 - 1:09Há uma variedade de formas em que se pode escrever.
-
1:09 - 1:11Mas todas elas apenas escondem o fato de que, na verdade, é isto aqui.
-
1:11 - 1:14E então é disto que falaremos hoje.
-
1:14 - 1:17Então por que falar sobre o Teorema de Bayes?
-
1:17 - 1:19Eu o uso como a lógica da explicação.
-
1:19 - 1:24Existem várias formas de o utilizar, pois é um tipo de teorema universal
-
1:24 - 1:26para qualquer tipo de análise de probabilidades.
-
1:26 - 1:29Mas eu uso deste modo específico, e então o resto da minha fala vai ser sobre
-
1:29 - 1:32esta maneira específica de aplicação do teorema de Bayes.
-
1:32 - 1:38Eu o vou utilizar para modelar como determinar a explicação mais provável de um corpo de evidências.
-
1:38 - 1:41O que quer dizer qual a causa mais provável daquelas evidências.
-
1:41 - 1:47Para nós, vai ser falar sobre se é Deus, aliens, poderes psíquicos ou porcarias normais.
-
1:48 - 1:49E o modo como o teorema de Bayes funciona é que,
-
1:49 - 1:51uma vez que você decide quais são os fatos incontestados
-
1:51 - 1:53i.e. os fatos em que todo mundo concorda,
-
1:53 - 1:56você pode então determinar o que os causou.
-
1:56 - 1:59E esta é a vantagem desta abordagem.
-
1:59 - 2:03Se você quiser aprender mais sobre Bayes, porque eu não posso dar uma explicação completa aqui,
-
2:03 - 2:09eu tenho uma página útil. www.richardcarrier.info/bayescalculator.html
-
2:09 - 2:11que lhe ensinará mais coisas legais.
-
2:11 - 2:16E também, eu tenho alguém produzindo um aplicativo que terá todos os tipos de calculadoras.
-
2:16 - 2:20Você entrará com os números e ele fará a conta para você.
-
2:21 - 2:25Certo, então de onde vem isto? O teorema de Bayes na verdade é bastante velho.
-
2:25 - 2:31Ele foi originalmente formulado por Thomas Bayes no meio do século XVIII.
-
2:31 - 2:35Mas ele não o formalizou em notação moderna ou com os conceitos que temos agora.
-
2:35 - 2:39A prova formal e a formalização com as quais somos familiares hoje
-
2:39 - 2:44vieram do maior matemático do século XIX, Pierre-Simon Laplace.
-
2:44 - 2:47Você talvez o conheça como um dos famosos ateus que responderam a Napoleão:
-
2:47 - 2:49"Como assim não existe Deus em suas equações?"
-
2:49 - 2:52Ele respondeu: "Eu não vejo utilidade nessa hipótese."
-
2:53 - 2:57E depois, no século XX, um dos mais importantes contribuidores para o desenvolvimento do teorema
-
2:57 - 3:00foi E.T. Jaynes, porque mostrou como todos os métodos científicos
-
3:00 - 3:04podem ser reduzidos a ele de um ou outro modo.
-
3:04 - 3:07Então, o teorema de Bayes existe tem algum tempo. Quase trezendos anos já.
-
3:08 - 3:12"Você é tão velho quando o teorema de Bayes, cara."
-
3:18 - 3:19Então, o que é?
-
3:19 - 3:22É uma descrição do raciocínio indutivo válido.
-
3:22 - 3:28É um argumento dedutivo formalmente válido com apenas três premissas.
-
3:28 - 3:31Se as premissas não podem ser negadas, a conclusão não pode ser negada.
-
3:31 - 3:35É uma condição logicamente necessária dadas as premissas.
-
3:35 - 3:39Sua conclusão é a probabilidade de que um colocação seja verdadeira.
-
3:39 - 3:43E todas as suas premissas são afirmações de probabilidade.
-
3:43 - 3:45Então por que essa trolha de equação?
-
3:45 - 3:50A razão é que todo o raciocínio indutivo empírico é probabilístico.
-
3:50 - 3:54Existe sempre uma chance de estar errado, e essas chances variam.
-
3:54 - 3:56E dado que probabilidades são, por definição, de natureza matemática,
-
3:56 - 4:00e que algumas coisas são mais ou menos prováveis do que outras,
-
4:00 - 4:03decorre que as regras para o raciocínio correto deve ser matemática.
-
4:03 - 4:07É o único modo de modelar como este tipo de raciocínio funciona.
-
4:07 - 4:12E quando você faz o trabalho, e descobre como é o modelo correto, você chega ao teorema de Bayes.
-
4:12 - 4:17Agora essa parte é uma afirmação ousada. Existem matemáticos e filósofos que discutirão comigo,
-
4:17 - 4:22mas eu o vou demonstrar em um livro que está para ser lançado em breve.
-
4:22 - 4:25Minha afirmação ousada é a seguinte:
-
4:25 - 4:30O teorema de Bayes é o modelo matemático para todo raciocínio correto sobre colocações empíricas.
-
4:30 - 4:35Toda vez que pensa corretamente, você segue o teorema de Bayes, mesmo que sem saber.
-
4:35 - 4:39E se não está seguindo, não está raciocinando corretamente.
-
4:39 - 4:43E entender o teorema de Bayes é, portanto, a chave para entender como raciocinar corretamente.
-
4:43 - 4:45Então deve ser algo bastante importante para esta comunidade.
-
4:45 - 4:49Isto faz dele uma ferramenta poderosa para compreender o universo.
-
4:49 - 4:51Para que possa fazer isto com ele:
-
4:51 - 4:52"Conan, o que é o melhor na vida?"
-
4:53 - 4:55"Destruir seus inimigos,
-
4:55 - 4:57vê-los arrastados à sua frente
-
4:57 - 4:59e ouvir o lamento de suas mulheres!"
-
5:02 - 5:06Pra falar a verdade, essa piada não é exatamente engraçada, porque tem um fundo de verdade.
-
5:06 - 5:10O governo americano tem destruido seus inimigos usando o Teorema de Bayes desde
-
5:10 - 5:11a Segunda Guerra Mundial.
-
5:11 - 5:19Foi tão importante para a vitória nesta guerra e para o sucesso na guerra fria contra os russos
-
5:19 - 5:22que, na primeira metade do século XX, todas as novas descobertas
-
5:22 - 5:25acerca do teorema de Bayes e suas aplicações eram consideradas informação sigilosa,
-
5:25 - 5:27e portanto mantidas escondidas do público.
-
5:27 - 5:32A razão disto é que não queriam que os inimigos percebecem que o teorema é útil pra caralho.
-
5:32 - 5:35Se você quiser ouvir esta história, existe um livro muito bom
-
5:35 - 5:39sobre a história do teorema, contando desde a época de Thomas Bayes, quando os vampiros nasceram.
-
5:40 - 5:46A autora é Sharon McGrayne, e o livro se chama "The theory that would not die".
-
5:46 - 5:49O subtítulo entrega o jogo: "Como o teorema de Bayes quebrou o código da Enigma,
-
5:49 - 5:54caçou submarinos russos, e emergiu vitorioso de dois séculos de controvérsia".
-
5:54 - 5:57Este é um livro muito bom a respeito da história do teorema,
-
5:57 - 5:59e você pode ver como ele de fato foi muito importante.
-
5:59 - 6:01É agora fundamental na indústria de seguros.
-
6:01 - 6:07Praticamente qualquer um que corra riscos sérios vai usar o teorema de Bayes,
-
6:07 - 6:12pois é a melhor forma de lidar com probabilidades e situações como estas.
-
6:14 - 6:16Vamos lá.
-
6:16 - 6:19Antes de voltar o teorema, eu gostaria de parar um instante
-
6:19 - 6:21para falar sobre matemática em geral.
-
6:21 - 6:28É importante que você aprenda mais matemática, que se familiarize, mesmo que ela te assuste.
-
6:31 - 6:34E não apenas para que entenda o teorema de Bayes, porque na boa,
-
6:34 - 6:37os tipos de aplicações que você, sendo um cético típico, vai aplicar
-
6:37 - 6:40você não precisa das técnicas mais complicadas que os cientistas usam.
-
6:40 - 6:42A versão deles para o teorema de Bayes.
-
6:42 - 6:44Você pode usar aritmética bastante simples.
-
6:44 - 6:45Pode usar o teorema de uma forma bem simples.
-
6:45 - 6:47Você não precisa de matemática muito avançada.
-
6:47 - 6:49Só precisa de conhecimentos básicos de princípios matemáticos
-
6:49 - 6:53e ideias gerais de teoria de probabilidades, que você pode aprender e que são até legais.
-
6:53 - 6:56Mas existem outros motivos para você aprender saber matemática.
-
6:56 - 7:01É o fato de que todo mundo com um interesse especial ou poder para utilizar-se dela
-
7:01 - 7:03está o fazendo de modo a manipular você.
-
7:03 - 7:06Corporações, grupos de interesses políticos, empresas de marketing.
-
7:06 - 7:09Todos estão usando matemática para controlar e manipular você,
-
7:09 - 7:12e eles dependem da seu analfabetismo matemático para tanto.
-
7:12 - 7:17Raramente existe algum debate político, acerca de uma decisão política específica que não possa
-
7:17 - 7:21ser confirmada ou refutada em um cálculo de aproximadamente 10 segundos se você tiver acesso
-
7:21 - 7:25a dados, que normalmente podem ser obtidos em cinco minutos no Google.
-
7:25 - 7:27Então é importante ter um conhecimento básico disto.
-
7:27 - 7:30Se você quiser exemplos, há estes dois livros:
-
7:30 - 7:35"Innumeracy - Analfabetismo matemático e suas consequências" é um livro curto e interessante.
-
7:35 - 7:39Mais elaborado e com exemplos mais pesados é
-
7:39 - 7:43"Proofiness - As artes sombrias do engodo matemático".
-
7:43 - 7:47Eu recomendo ambos, e acho que qualquer cidadão responsável precisa saber como usar matemática
-
7:47 - 7:53para avaliar colocações e argumentos - mesmo os próprios - então leia estes livros.
-
7:53 - 7:56Eu também gostaria de apresentar-lhes esta senhora.
-
7:56 - 8:01Esta moça bonita é Danica Mckellar.
-
8:01 - 8:07Conhecida por muitos papéis como atriz, deusa, e matemática.
-
8:07 - 8:09Ela é graduada em matemática.
-
8:09 - 8:15Ela tem um teorema matemático com o próprio nome que ela codescobriu e publicou.
-
8:15 - 8:19E ela tem se tornado uma embaixatriz na popularização da matemática.
-
8:19 - 8:23Ela tem feito esforços para despertar o interesse de meninas do colegial em matemática,
-
8:23 - 8:28e evitar que sejam afastadas da matemática por certas atitudes sociais que as façam pensar
-
8:28 - 8:30que precisem se manter burras para serem
-
8:30 - 8:33consideradas bonitas, por exemplo, ou outras diferenças culturais.
-
8:33 - 8:37Ela escreveu uma série de livros começada com "Math doesn't suck",
-
8:37 - 8:40que cobre do sexto ao decimo ano que são basicamente livros-texto,
-
8:40 - 8:43e ensinam a matemática que você precisa saber para se sair bem.
-
8:43 - 8:45É dirigido a meninas de vários modos.
-
8:45 - 8:49É meio feminista em diversos aspectos indiretos.
-
8:49 - 8:54Mas eu li estes livros e eles são realmente bons. São tão bons quanto para meninos -
-
8:54 - 8:55especialmente se você tiver adolescentes.
-
8:56 - 8:59Dê esse livro a eles, e não só aprenderão matemática, pois o livro a ensina
-
8:59 - 9:05de modo intuitivo e inteligente, mas também os ensina sobre meninas.
-
9:06 - 9:09Eles os agradeceram por isso. Acredite em mim.
-
9:09 - 9:15Eles também não são fracos para adultos. Pra dizer a verdade, esse primeiro é para sexta série.
-
9:16 - 9:21Ele é o meu favorito. Eu amo este livro. Aprendi coisas com ele. Foi bem útil.
-
9:21 - 9:24E pra falar a verdade, ainda o consulto quando preciso fazer certas coisas.
-
9:24 - 9:27Ela fez outros livros para outras séries.
-
9:27 - 9:32"Kiss my Math" e "Hot X: Algebra Exposed".
-
9:36 - 9:39Mas "Math doesn't suck" é o que vocês precisarão mais,
-
9:39 - 9:44porque contém toda a matemática que vocês usarão nas suas vidas cotidianas.
-
9:44 - 9:48Tem muito pouco aqui que não seja útil em alguma aplicação do modo normal
-
9:48 - 9:52como vocês vivem enquanto céticos, ou mesmo como gente normal.
-
9:52 - 9:56E digo isso em relação ao parâmetros americanos de matemática para o colegial.
-
9:56 - 9:59Existe outra matemática que vocês precisam saber também que não está nos parâmetros
-
9:59 - 10:01e, portanto, ela não incluiu neste livro.
-
10:01 - 10:06Mas ele é ótimo para começar com muito do básico.
-
10:06 - 10:11Estes são outros livros. Se você tem mesmo medo de matemática, ou quer aprender com algo que não
-
10:11 - 10:14tenha sido escrito para estudantes de matemática, engenharia ou ciências.
-
10:14 - 10:18"The Mathematical Pallete" foi especificamente escrito para estudantes de arte.
-
10:18 - 10:21Ele ensina uma ampla gama de conceitos e campos da matemática.
-
10:21 - 10:24É um ótimo livro para isso.
-
10:24 - 10:27"101 Things Everyone Should Know About Math" é dirigido ao público geral.
-
10:27 - 10:31Ambos são ótimos para ganhar tempo.
-
10:31 - 10:37Agora eu queria tomar a oportunidade para voltar a este livro.
-
10:37 - 10:41Eu certa vez dei um tutorial sobre o teorema de Bayes para um grupo de professores universitários
-
10:41 - 10:45e um professor de uma universidade da Ivy League que, enquanto eu explicava
-
10:45 - 10:48algumas das ideias básicas de multiplicação e tal, ele levantou a mão e perguntou:
-
10:48 - 10:53"Como eu multiplico porcentagens? Porque 100% x 80% é 8000%!".
-
10:53 - 10:57"Que tipo de resultado é este?"
-
10:57 - 11:00Eu parei e falei "puta que pariu".
-
11:06 - 11:12Bom, é isso. Página 163. Deve resolver essa ai.
-
11:12 - 11:14No caso de alguém ai estar se encolhendo na cadeira e pensando:
-
11:14 - 11:17"Que merda! Eu também não sei a resposta."
-
11:17 - 11:20É bem simples: converta para decimais e multiplique.
-
11:20 - 11:28Então 80% x 80% é 64%. 80% x 100% ainda é 80%. E assim sucessivamente.
-
11:28 - 11:30Pequenas coisas deste tipo podem ser aprendidas do livro dela, e é por isso que
-
11:30 - 11:35se você está defasado assim, o livro pode ajudar você a se recuperar. É um livro bom para isso.
-
11:35 - 11:44A outra coisa sobre a qual eu quero falar é probabilidade condicionada.
-
11:51 - 11:54Probabilidade dependente ou condicionada - existe um número de modos de as calcular.
-
11:54 - 12:00De vez em quanto você vai à Wikipedia e é bem confuso ou você não verá aplicação prática.
-
12:00 - 12:04Mas existem diferentes modos de entender probabilidade condicionada. Esta é uma delas.
-
12:04 - 12:07Se você está participando de um quiz e dizem a você:
-
12:07 - 12:12"Tem alguém atrás daquela porta, mas você precisa adivinhar o sexo. Se é menino ou menina."
-
12:12 - 12:16Você não sabe. Se não tiver informação alguma é aproximadamente meio a meio, certo?
-
12:16 - 12:19É perto o suficiente de 50/50.
-
12:19 - 12:24Por outro lado, se disserem que o nome da pessoa é Jayne, a chance muda.
-
12:24 - 12:29Dado o fato de que alguém se chama Jayne, se assumirmos que 99 de cada 100 pessoas
-
12:29 - 12:33escolhidas aleatoriamente cujo nome é Jayne são meninas, então agora,
-
12:33 - 12:36a chance de que seja uma menina é de 99%, e não mais 50%.
-
12:36 - 12:41Entretanto, 99% quer dizer que em 1% das vezes, é menino.
-
12:44 - 12:47O importante é que, uma vez que você obtem informação,
-
12:47 - 12:50se você estiver falando sobre uma probabilidade que é dependente de outra suposição ser verdade,
-
12:50 - 12:52a probabilidade muda.
-
12:52 - 12:55E o teorema de Bayes está baseado neste princípio.
-
12:55 - 12:58O importante são proporções. A maneira de você entender é assim:
-
12:58 - 13:04A probabilidade prévia de que Jayne é uma menina é igual ao número de Jaynes que são meninas
-
13:04 - 13:08dividido pelo número de Jaynes que são meninas mais o número de Jaynes que são meninos.
-
13:08 - 13:12Isso é o que você vê na equação bem simples aqui embaixo.
-
13:12 - 13:16A coisa a perceber aqui é que estes (em amarelo) são os mesmos números.
-
13:16 - 13:19Então quando você vê uma proporção deste tipo, este número se repete.
-
13:19 - 13:23Isso é importante, porque a outra coisa que é importante é que o denominador
-
13:23 - 13:29é a soma de todas as possibilidades. Você tem as 99 meninas e o menino chamados Jayne. São todos.
-
13:29 - 13:36Você coloca todos os Jaynes embaixo, e depois coloca em cima os que está tentando medir.
-
13:36 - 13:39A significância disto é que o teorema de Bayes funciona bem assim.
-
13:39 - 13:46Note que as expressões marcadas são exatamente iguais. O que você está vendo é uma proporção.
-
13:46 - 13:53Funciona meio que assim: a chance de uma colocação ser verdadeira é A dividido por A + B.
-
13:53 - 13:57Agora só precisa descobrir o que é A e B, certo?
-
13:57 - 14:03Esta é a versão mais enxuta do teorema de Bayes. A probabilidade de que uma colocação seja verdadeira
-
14:03 - 14:07é igual ao número de vezes em que é verdadeira dividida pelo número de vezes em que é verdadeira
-
14:07 - 14:08mais o número de vezes que é falsa.
-
14:08 - 14:12Então vamos supor que você tenha um conjunto de evidências e que consiga tirar várias conclusões dele.
-
14:12 - 14:14E que o tem feito faz algum tempo.
-
14:14 - 14:19E que percebe que 9 em cada 10 vezes a conclusão sobre este conjunto é acertada.
-
14:19 - 14:23A probabilidade de que a próxima conclusão que você extrair deste conjunto esteja correta é de 90%,
-
14:23 - 14:27pois você tem experiência passada e está errado a cada 10 tentativas.
-
14:27 - 14:31Então a próxima provavelmente vai ser uma das 9 em 10 vezes.
-
14:31 - 14:34O teorema de Bayes é a maneira de usar esse conceito de proporção.
-
14:34 - 14:38Mais uma vez, perceba. Estes são os mesmos números.
-
14:42 - 14:48De agora em diante, eu vou escurecer aquela expressão embaixo, porque é uma cópia da acima.
-
14:48 - 14:52E agora que você entendeu a função dela, ela não vai nos distrair mais.
-
14:52 - 14:59Isso deixa duas expressões. Está ficando mais fácil. Estamos chegando lá.
-
14:59 - 15:04Então o que isso significa? O que essa coisa ali em cima significa?
-
15:04 - 15:12Em inglês simples, ou ainda num híbrido entre inglês e matemática, essa uma quimera bastarda,
-
15:12 - 15:18significa que, dado tudo que sabemos, dada toda a informação sobre que temos sobre o mundo,
-
15:18 - 15:25sobre a física, natureza humana, história, e todas as evidências, a probabilidade de que nossa explicação
-
15:25 - 15:30seja real é igual a quão típica nossa explicação é.
-
15:30 - 15:33Em outras palavras, quão tipicamente essa é a explicação para este tipo de evidências
-
15:33 - 15:37multiplicada por quão esperadas essas evidências são caso tal explicação seja verdadeira.
-
15:37 - 15:41Então, se você assumir que a explicação é verdadeira, quão provável é o corpo de evidências
-
15:41 - 15:44que temos, ou quão esperado ele é.
-
15:44 - 15:50E então, você divide isso por uma cópia da expressão acima, somada a quão atípica nossa explicação é.
-
15:50 - 15:55Ou, em outras palavras, quão típicamente verdadeiras são outras explicações que não a nossa,
-
15:55 - 15:59multiplicado por quão esperadas as evidências são se nossa explicação não é verdadeira.
-
15:59 - 16:03Em outras palavras, assumindo que alguma outra explicação é verdadeira que não a nossa,
-
16:03 - 16:06então, quão prováveis são as evidências que temos.
-
16:06 - 16:09Então, temos que levar em consideração explicações alternativas para as evidências.
-
16:09 - 16:12Não se pode ignorá-las. Essa ideia de começar com uma teoria e,
-
16:12 - 16:15se ela couber nas evidências, é porque deve ser verdade - não, não, não!
-
16:15 - 16:18Você também precisa olhar para teorias alternativas para tais evidências e ver se elas não as explicam melhor.
-
16:18 - 16:22E é assim que o teorema de Bayes as leva em consideração.
-
16:22 - 16:26Para dar uma noção visual - e esta é uma aproximação bem rudimentar,
-
16:26 - 16:30mas é a forma mais intuitiva que eu consegui formular,
-
16:30 - 16:34se você tiver uma balança e de um lado você coloca a hipótese
-
16:34 - 16:39e do lado oposto coloca todas as outras que não a sua para explicar um conjunto de evidências.
-
16:39 - 16:41Cada lado da balança tem duas cestas.
-
16:41 - 16:45Um delas, você preenche com ovos representando quão típica sua explicação é.
-
16:45 - 16:49A outra, preenche com ovos representando quão verossímeis as evidências são.
-
16:49 - 16:52Depois repete para o outro lado e vê para onde a balança pende.
-
16:52 - 16:58Vou mostrar um exemplo disto baseado no avistamento de um OVNI que pipocou na mídia
-
16:58 - 17:02e foi ao ar nas televisões do país todo.
-
17:02 - 17:06Passou até no programa do Larry King em 2008.
-
17:09 - 17:14Os relatos iniciais que surgiram em Stephenville eram bem sensacionalistas.
-
17:14 - 17:18Você lia e pensava - "isso não pode ser verdade". Era inacreditável.
-
17:18 - 17:26Os relatos diziam que em dezenas de cidadezinhas dezenas de testemunhas avistaram um OVNI.
-
17:26 - 17:29Um objeto grande e silencioso, com luzes intensas.
-
17:29 - 17:35Droga, alguns textos não estão aparecendo... vou os falar para vocês.
-
17:35 - 17:39Alguns relatos falavam de caças perseguindo o OVNI.
-
17:39 - 17:42Algumas testemunhas estimaram o tamanho em uma milha de comprimento por meia milha de largura.
-
17:42 - 17:46Se isto for mesmo o que viram, é bastante incrível.
-
17:46 - 17:51Quando você começa a ver o relato da MUFON ao invés de ver os relatos originais, que a imprensa
-
17:51 - 17:56sensacionalizou, parece um pouco mais com o que está aqui na imagem aqui do meio.
-
17:56 - 17:58Isso não é uma foto do que foi visto em Stephenville.
-
17:58 - 18:03É a foto de um meteorito se partindo na atmosfera.
-
18:03 - 18:08e então você tem múltiplas luzes que espalham informação velozmente e a longas distâncias,
-
18:08 - 18:12e mudando de cor. Todas essas coisas são importantes sobre esse estranho objeto no Texas.
-
18:12 - 18:17Então, a ideia inicial foi de que isso soa muito como um meteoro se partindo na atmosfera.
-
18:19 - 18:22Se pensarmos nisso em termos de probabilidades prévias, de eventos passados,
-
18:22 - 18:26suponha que olhamos em todos os casos anteriores em que houveram descrições semelhantes
-
18:26 - 18:30e depois vimos onde a investigação levou e o que concluiu.
-
18:30 - 18:35Você descobriu que 9 em 10 vezes, acabou sendo um meteoro se partindo na atmosfera.
-
18:35 - 18:39Se for o caso, você tem esse conhecimento prévio. Voce viu acontecer 9 em 10 vezes antes.
-
18:39 - 18:43Isso significa que as chances de que dessa vez vai ser a mesma coisa também são 9 em 10.
-
18:43 - 18:47E nessa proporção de 9 pra 1, você coloca 9 ovos em uma cesta e 1 na outra,
-
18:47 - 18:50e o resultado é bastante desequilibrado em direção à explicação de que é um meteoro.
-
18:50 - 18:52Entretanto, ainda temos outro cesto a pra preencher.
-
18:52 - 18:55Portanto, não podemos parar a investigação por aqui.
-
18:55 - 18:57Podemos até dizer que as chances são de que seja isso mesmo,
-
18:57 - 18:59que eu não posso ter certeza até fazer uma investigação.
-
18:59 - 19:04Mas se não pudermos fazê-la, nos restringimos ao ponto de que 9 de cada 10 vezes é um meteoro.
-
19:06 - 19:10Sabemos que meteoros algumas vezes se parecem bastante com o descrito pelas testemunhas.
-
19:10 - 19:13Espaçonaves, no entanto, não costumam parecer muito.
-
19:13 - 19:16Pois eles não descreveram os atributos que você esperaria de uma espaçonave.
-
19:16 - 19:19As esquisitices que foram descritas:
-
19:19 - 19:24as luzes mudando de cor, de forma e de distância soam muito mais como meteoros.
-
19:24 - 19:31Então você pensa "Eu não sei... Talvez naves sejam assim. Aliens são estranhos, certo?"
-
19:31 - 19:34Então suponha que você magicamente saiba que espaçonaves alienígenas tem aquela aparência
-
19:34 - 19:37com metade da frequência com que meteoros a tem.
-
19:37 - 19:39Mas sabemos que essa probabilidade deve ser bem menor do que isso,
-
19:39 - 19:45porque as naves devem parecer muito mais com as que vemos nos filmes concebidas pelos criadores.
-
19:45 - 19:48Sabemos portanto o que pareceria com uma nave aos olhos das testemunhas.
-
19:48 - 19:52Elas normalmente não parecem com o descrito, mas meteoros sim.
-
19:52 - 19:55Nós fazemos isso e colocamos os ovos na cesta, e dividimos em 6 para 3 ovos.
-
19:55 - 19:59Mas agora está pendendo ainda mais para o lado dos meteoros. Analisamos e colocamos mais
-
19:59 - 20:04evidências, e está pesando ainda mais em direção ao meteoro.
-
20:04 - 20:11Entretanto, se você fizer a conta apropriadamente, sem as balanças,
-
20:11 - 20:19usando a equação você chega em uma probabilidade de 94,7% de chance de serem meteoros.
-
20:19 - 20:22Isso quer dizer que você tem uma chance de aproximadamente 1 em 20 de estar errado.
-
20:22 - 20:27Se você fizesse isso para 100 colocações, em 5 delas estaria errado.
-
20:27 - 20:29Então você vai errar bastante.
-
20:29 - 20:36Não é um nível de confiança muito alto, mas é suficiente para estar seguro de que não são aliens.
-
20:36 - 20:40Entretanto, se você obtem mais informações, mais evidências,
-
20:40 - 20:43EXÉRCITO CONFIRMA ACIDENTALMENTE QUE TEXANOS SÃO ESTÚPIDOS
-
20:43 - 20:49você pode atualizar a equação, e reverter até uma grande probabilidade inicial de que eram meteoros.
-
20:49 - 20:51Tinha uma chance de 9 em 10 de serem meteoros, mas com evidência suficiente, você pode confirmar
-
20:51 - 20:53que não são meteoros, e sim alguma outra coisa.
-
20:53 - 20:56Acontece que o governo do Estados Unidos confirmou que naquela data e lugar
-
20:56 - 21:00ocorreu um teste de descarga de sinalizadores aéreos.
-
21:00 - 21:05Perceba que alguns relatos falaram de caças perseguindo os objetos.
-
21:05 - 21:07Na verdade, eles estavam voando na frente, porque os estavam descarregando.
-
21:07 - 21:11Testemunhas também falaram sobre o OVNI ter uma milha por meia milha.
-
21:11 - 21:14O que é um tamanho condizente com uma bateria de sinalizadores.
-
21:14 - 21:18As luzes estão aqui na parte em baixo.
-
21:18 - 21:22Essas são as luzes de Phoenix, que criaram a mesma reação de medo de OVNIs.
-
21:22 - 21:26Pareciam uma nave gigante, no formato do logo da Chevron medindo uma milha voando sobre Phoenix.
-
21:26 - 21:29Acontece que essas eram luzes sinalizadoras lançadas com paraquedas.
-
21:29 - 21:36São derrubadas e flutuam, iluminando o chão abaixo e facilitando a ação de soldados durante a noite.
-
21:36 - 21:39São apenas sinalizadores, mas seus olhos completam a imagem.
-
21:39 - 21:44São luzes voando independentemente, mas o padrão delas em vôo faz com que seu cérebro complete,
-
21:44 - 21:50e então você vê um objeto de forma triangular, uma nave que não está lá.
-
21:50 - 21:56Nós vimos esse tipo de coisa antes, e ocorreu dos militares confirmarem que foi isso mesmo.
-
21:56 - 22:02Se levarmos isso em consideração, teremos um monte de ovos colocados na cesta "Sinalizadores".
-
22:02 - 22:05E veremos uma descida drástica daquele lado da balança.
-
22:05 - 22:06É evidência para lotar aquele cesto.
-
22:06 - 22:10Sabemos que o local é uma base fixa da Aeronáutica.
-
22:10 - 22:14O local onde pessoas avistaram o ocorrido é uma base de testes da Aeronáutica.
-
22:14 - 22:16Isso é informação conhecida.
-
22:16 - 22:21A Aeronáutica confirmou ter testado sinalizadores naquele período, e isso também é evidência forte.
-
22:21 - 22:24Cargas de sinalizadores tem aparência exata do que foi reportado.
-
22:24 - 22:27Na verdade, sinalizadores explicam a história até mesmo melhor do que meteoros.
-
22:27 - 22:29Porque meteoros normalmente não se pulverizam na atmosfera.
-
22:29 - 22:31O comum é ver uma trilha única.
-
22:31 - 22:34Mas ocasionalmente eles até se partem.
-
22:34 - 22:37Sinalizadores sempre tem essa aparência descontínua.
-
22:37 - 22:40Além disso, claro, tem o fato que nenhum outro dado surgiu para sustentar as hipóteses de meteoros ou
-
22:40 - 22:46alienígenas. Nenhum dado de satélite ou radar, nenhuma invasão ou coisa do tipo.
-
22:46 - 22:50Então temos uma pancada forte em direção aos sinalizadores.
-
22:50 - 22:53Então começamos a perceber todos aqueles ovos em favor de meteoros.
-
22:53 - 22:55A probabilidade prévia é muito forte em direção aos meteoros.
-
22:55 - 22:57Mas colocando as evidências, a coisa muda de forma.
-
22:57 - 23:00E aqui é onde chegamos.
-
23:00 - 23:05A coisa a se destacar é que apesar de normalmente luzes se movendo rapidamente serem meteoros,
-
23:05 - 23:08as evidências são ao menos 1000 vezes menos prováveis
-
23:08 - 23:12se você fizer a conta das chances de cada uma dessas coisas nas caixas brancas
-
23:12 - 23:18acontecerem por qualquer outro motivo são tão baixas, ao menos 1000 vezes mais baixas. Até mais.
-
23:19 - 23:24Então se você for resolver, assumindo que 9 em 10 vezes são meteoros,
-
23:24 - 23:29que é a suposição inicial, que 9 de cada 10 vezes que não forem meteoros são sinalizadores,
-
23:29 - 23:35e, sejamos generosos, que no resto das vezes são naves alienígenas.
-
23:35 - 23:37"Se". Isso é "se". É hipotético.
-
23:37 - 23:39Supondo ainda que naves produzam essas evidências com metade da frequência com que
-
23:39 - 23:42meteoros o fazem, como tinhamos suposto anteriormente.
-
23:42 - 23:44Mas levando em conta também que sinalizadores produzem tais evidências
-
23:44 - 23:46ao menos 1000 vezes mais frequentemente que meteoros,
-
23:46 - 23:51após termos analizado os dados, então quando fizer a conta, obterá os seguintes resultados:
-
23:51 - 23:5399% de chance de serem sinalizadores,
-
23:53 - 23:551% de chances de serem meteoros
-
23:55 - 23:57e 0,006% de chance de serem alienígenas.
-
23:57 - 24:01Isso quer dizer chances piores do que 1 em 18000 contra alienígenas.
-
24:01 - 24:05E lembre-se que fomos bastante generosos. Se você fosse ajustar esses números para os tornar
-
24:05 - 24:08essas probabilidades ficariam ainda piores para os alienígenas.
-
24:08 - 24:12Essa conclusão é intuitivamente óbvia.
-
24:12 - 24:14Vocês provavelmente já estavam a obtendo na sua cabeça ao longo do processo
-
24:14 - 24:16e do mesmo modo que fariam se eu nunca tivesse mencionado o teorema de Bayes
-
24:16 - 24:18e apenas mostrasse as evidências.
-
24:18 - 24:21É basicamente a mesma conclusão a que chegariam por conta própria.
-
24:21 - 24:27O teorema de Bayes simplesmente explica porque estão pensando corretamente ao fazê-lo.
-
24:27 - 24:31Enquanto sua intuição estiver equiparando probabilidades de acordo com o teorema de Bayes
-
24:31 - 24:34e souber quais probabilidades você deveria estar equiparando, então suas estimativas
-
24:34 - 24:38da chance de que qualquer explicação dada seja verdadeira estarão corretas.
-
24:38 - 24:41E ocorre de isso ser verdade com qualquer conjunto de números razoáveis.
-
24:41 - 24:42Você pode colocar quase quaisquer números na equação.
-
24:42 - 24:47Enquanto forem remotamente razoáveis, o resultado da conta vai sempre se aproximar
-
24:47 - 24:49de 100% de chance de serem sinalizadores,
-
24:49 - 24:53e menos do que 1 em 18000 chances de serem alienígenas.
-
24:54 - 24:58Essa é a idéia básica de como funciona o teorema de Bayes.
-
24:59 - 25:05Permitam-me voltar e olhar para essa equação complicada aqui.
-
25:08 - 25:11Imagina que isso está escrito em uma lingua estrangeira.
-
25:11 - 25:14São palavras estrangeiras. Você não precisa saber o que cada uma significa logo de largada.
-
25:14 - 25:20É como se você estivesse tentando traduzir alemão ou russo. Tem mais cara de russo.
-
25:21 - 25:27Ou sumério antigo. Então fãs da Buffy, isso é um feitiço.
-
25:29 - 25:36O que o primeiro elemento da equação quer dizer é:
-
25:36 - 25:42esta é a probabilidade de que a afirmação h, de hipótese, é verdade,
-
25:42 - 25:48dadas as evidências "e" e o conhecimento prévio "b", que é tudo o que você sabe sobre o mundo.
-
25:48 - 25:52"e + b" é todo o conhecimento que você tem está contido ai.
-
25:52 - 25:56Então isso diz: "dado tudo que se sabe, qual a probabilidade de h ser verdade?"
-
25:56 - 26:00E você calcula isso usando os outros números aqui.
-
26:00 - 26:03Lembre-se que esse é o mesmo que o numerador, então pode ser ignorado por agora.
-
26:03 - 26:08Então nos concentramos em três números.
-
26:08 - 26:14A probabilidade prévia de que sua hipótese seja verdadeira, baseada no passado.
-
26:14 - 26:17A verossimilhança do seu conjunto de evidências, dado que sua hipótese seja verdadeira.
-
26:17 - 26:21Lembre-se, isso é quão bem suas evidências se encaixam com a sua hipótese ser verdadeira.
-
26:21 - 26:25E a verossimilhança destas evidências se alguma outra hipótese for verdadeira.
-
26:25 - 26:31Você pode notar que existe um quarto número ali, mas ele é derivado do primeiro.
-
26:31 - 26:37Pois se 9 em 10 vezes são meteoros, então tem 1 em 10 chances de que não seja.
-
26:37 - 26:41Então se você sabe uma probabilidade prévia, você também sabe a outra probabilidade prévia.
-
26:41 - 26:44Isso implica em que existam apenas três números com os quais devemos nos preocupar.
-
26:44 - 26:45E essas são as premissas.
-
26:45 - 26:49Cada um é uma afirmação de probabilidade.
-
26:49 - 26:52Na verdade, você pode pegar qualquer argumento que lhe for proposto
-
26:52 - 26:56ou que propuser a alguém e o modelar com o teorema de Bayes.
-
26:56 - 27:01E assim destrinchar exatamente o que se está propondo.
-
27:01 - 27:04Isso quer dizer que cada argumento pode ser reduzido a três números.
-
27:04 - 27:08Por vezes, se você está discutindo com alguém, já concordam em dois dos três números.
-
27:08 - 27:09Ou nem precisa discordar a respeito deles.
-
27:09 - 27:13Mesmo que discorde, pode ser desnecessário discuti-los.
-
27:13 - 27:17Isso significa reduzir cada argumentação para uma disputa acerca de um único número.
-
27:17 - 27:21Você pode então analisar a correção do caso sendo apresentado para aquele número,
-
27:21 - 27:24expor o que há de errado com ele ou aceitar a conclusão.
-
27:24 - 27:28E esta é uma das aplicações mais fortes do teorema de Bayes enquanto um racionalista.
-
27:28 - 27:33Esse é um tutorial bem curto sobre o que é e como funciona o teorema de Bayes.
-
27:33 - 27:36Mas eu também gostaria de falar sobre porque você deve se importar com isso.
-
27:36 - 27:37Qual é o uso dessa coisa?
-
27:37 - 27:38Tem um monte de coisas.
-
27:38 - 27:42Um vez que entender o teorema de Bayes, quando respirar fundo e entendê-lo -
-
27:42 - 27:47- talvez não tenha ainda, mas se continuar indo atrás, pode chegar lá -
-
27:47 - 27:51Eu levei um tempo pra isso também.
-
27:51 - 27:54Mas uma vez que chegar lá, você começa a aprender coisas novas e inteligentes
-
27:54 - 27:56sobre como funciona um raciocínio correto.
-
27:56 - 27:58Coisas em que provavelmente não pensou antes.
-
27:58 - 28:01Esse é um dos grandes usos pro teorema de Bayes.
-
28:01 - 28:02Eu vou dar alguns exemplos.
-
28:02 - 28:04Apenas alguns deles, não todos.
-
28:04 - 28:06Estas são algumas das coisas que você aprende:
-
28:06 - 28:11Uma das coisas que aprende é que a probabilidade prévia é sempre relativa.
-
28:11 - 28:14Não é uma probabilidade absoluta. Esse é um erro comum que as pessoas fazem ao argumentar.
-
28:14 - 28:21Eu me deparo com isso o tempo todo ao discutir sobre a ressurreição com apologistas cristãos.
-
28:21 - 28:24Logo mostro esse exemplo.
-
28:24 - 28:28O ponto aqui é que é indiferente quão raros os meteoros são, voltando no exemplo.
-
28:28 - 28:33O relevante é com que frequência luzes no céu são meteoros ao invés de alienígenas ou outra coisa.
-
28:33 - 28:36É a probabilidade relativa de todas as explicações possíveis.
-
28:36 - 28:40Não é a probabilidade absoluta de que meteoros ocorram.
-
28:40 - 28:42Então, por exemplo, se em 9 de 10 vezes as luzes no céu são meteoros,
-
28:42 - 28:45mesmo se a chance de ver um meteoro for 1 em 1000000,
-
28:45 - 28:50a probilidade prévia de que luzes no céu sejam meteoros ainda é de 9 em 10 vezes.
-
28:50 - 28:53Um em um milhão é irrelevante para esta análise.
-
28:54 - 28:57E aqui chegamos ao argumento da ressurreição...
-
28:57 - 29:00EI, CARA, CORPOS LEVANTAM DOS MORTOS TODA HORA...
-
29:00 - 29:06Traduzindo: Não importa quão improvável seja que os discípulos de Jesus
-
29:06 - 29:09tenham roubado seu corpo e mentido a respeito de o ver ressuscitado
-
29:09 - 29:11com intenção de promover suas reformas sociais.
-
29:11 - 29:14Essa parece uma hipótese absurdamente improvável.
-
29:14 - 29:15Soa fantástico.
-
29:15 - 29:17É o tipo de coisa que aconteceria uma única vez na história.
-
29:17 - 29:21Uma vez na história... espera.. meio que...
-
29:21 - 29:23Não importa quais são as chances disso acontecer.
-
29:23 - 29:24Poderia ser um em um trilhão.
-
29:24 - 29:26Não faz diferença. É irrelevante.
-
29:27 - 29:30O que importa é quão frequentemente fanáticos religiosos fazem coisas do tipo,
-
29:30 - 29:36em relação à frequência com que eles vêem mesmo corpos sendo reanimados.
-
29:36 - 29:40Se em apenas 1 de cada 10 vezes os corpos são realmente reanimados,
-
29:40 - 29:43e notem que essa é uma suposição extremamente generosa,
-
29:45 - 29:51então no resto das vezes, os relatos de ressurreição são falsos,
-
29:51 - 29:55e então, a probabilidade prévia de reanimação é simplesmente de 1 em 10.
-
29:55 - 30:02Aquele um em um trilhão citado antes é irrelevante. É isso. Esta é a probabilidade prévia.
-
30:02 - 30:03Lembrem-se do exemplo de Jayne.
-
30:03 - 30:10Do mesmo modo, se em 100 pessoas com nome Jayne 99 são meninas e 1 é menino,
-
30:10 - 30:14a probabilidade de que alguém seja um menino, dado que seu nome é Jayne é de 1%.
-
30:14 - 30:17Não faz a menor diferença quão improvável é que alguém se chame Jayne, pra começar.
-
30:17 - 30:24Enquanto você souber essa proporção prévia de 99 para 1, está a única informação que precisa.
-
30:24 - 30:27Outra coisa se aprende é que você não precisa saber as frequências ou
-
30:27 - 30:30probabilidades reais de nada.
-
30:31 - 30:39Por exemplo, você já sabe que qualquer que seja a frequência real de corpos serem reanimados,
-
30:39 - 30:41seja zero, ou se realmente existir uma frequência, não faz diferença.
-
30:41 - 30:43Você não precisa saber qual é.
-
30:43 - 30:45Você sabe que não é maior do que 1:10.
-
30:45 - 30:48Pra ser honesto, sabe que não é nem 1:10.
-
30:48 - 30:52Pois isso implicaria que 1 em cada 10 corpos desaparecidos levantou dos mortos.
-
30:52 - 30:55E isso causaria um inferno para o INSS, certo?
-
30:55 - 30:58Como seriam as regras pra isso?
-
30:58 - 31:01"Sinto muito. Você deu azar e morreu".
-
31:02 - 31:05Você pode até mesmo explorar quanto essa proporção poderia ser.
-
31:05 - 31:09Pode ser maior que 1:100? Pode ser maior que 1:1.000.000? 1:1.000.000.000?
-
31:09 - 31:13Dado o que você conhece, qual seria a taxa mais alta a descrever a evidência?
-
31:13 - 31:18Existe alguma taxa acima da qual você sabe que não é frequente assim, certo?
-
31:18 - 31:22Não importa qual é a proporção real, mas você pode explorar onde fica esse limite.
-
31:22 - 31:24E esta é uma das coisas úteis a fazer com o teorema de Bayes.
-
31:24 - 31:28Você também pode fazer a conta para todo o tipo de valores diferentes.
-
31:28 - 31:30Nem que seja só para ver o que seria necessário para convencer você,
-
31:30 - 31:34ou no que você precisaria acreditar para aceitar qualquer conclusão dada.
-
31:34 - 31:39Então ele mostra como fazer suas crenças mais consistentes.
-
31:39 - 31:42Mas no fim das contas você precisa ter razões boas para qualquer número que estabelecer.
-
31:42 - 31:47E normalmente você consegue estabelecer um limite. Por exemplo, tem que ser menos do que 1 em 10.
-
31:47 - 31:49Então qualquer coisa que você chegar maior que 1 em 10, você sabe que é menos que isso.
-
31:49 - 31:54Então você pode ter essas probabilidades incertas, e elas funcionam bem.
-
31:54 - 31:55Esse é o ponto:
-
31:55 - 31:58qualquer que seja a probabilidade prévia em que os cristãos insistam
-
31:58 - 32:00com que corpos desaparecidos tenham sido reanimados
-
32:00 - 32:04eles precisam mostrar evidências de que essa é, de fato, a frequência.
-
32:04 - 32:08Porque temos montes de evidências de fanáticos religiosos mentindo, alucinando e exagerando.
-
32:08 - 32:10Então sabemos que este comportamento é frequente.
-
32:10 - 32:12Sabemos se reanimações são frequentes? Não.
-
32:12 - 32:17Então não temos conhecimento prévio para estabelecer essa frequência.
-
32:22 - 32:24Mas lembre-se, esta é apenas a probabilidade prévia.
-
32:24 - 32:27Mesmo se reanimação de corpos for extremamente improvável,
-
32:27 - 32:30evidências boas o suficiente podem reverter este quadro.
-
32:30 - 32:32Lembre se do exemplo dos sinalizadores.
-
32:32 - 32:37Mas é preciso que você tenha essa evidência de verdade.
-
32:37 - 32:39Essa é a parte realmente desafiadora para apologistas cristãos.
-
32:39 - 32:45Para quem quiser ver o final deste argumento, quiser ver um argumento bayseiano
-
32:45 - 32:49conclusivo contra a ressurreição de Jesus, que na verdade responde a todas tentativas de
-
32:49 - 32:51usar o teorema de Bayes para provar a ressurreição de Jesus.
-
32:51 - 32:53Sim, cristãos tentaram isso.
-
32:53 - 32:58Se quiserem ver o argumento, ele está no livro Christian Delusion, editado por John Loftus.
-
32:58 - 33:03Eu tenho dois capítulos nele. Um deles é meu texto definitivo sobre a ressureição.
-
33:03 - 33:08Está todo um inglês normal, mas se você olhar as notas no final, está traduzido em termos bayseianos.
-
33:08 - 33:14Dá pra ver como o pensamento bayesiano traduz a partir de descrições comuns do raciocínio.
-
33:14 - 33:19Mas eu também tenho neste livro, "The End of Christianity", que está sendo vendido hoje aqui.
-
33:19 - 33:25Na verdade, eu só recebo deste livro se vocês comprarem aqui, então comprem, especialmente
-
33:25 - 33:29se vocês estiverem interessados no teorema de Bayes, porque eu tenho três capítulos nele.
-
33:29 - 33:32Um é meu capítulo sobre a fundação da minha teoria moral, mas os outros dois são
-
33:32 - 33:35o teorema de Bayes aplicado a coisas.
-
33:35 - 33:39E um deles prova que toda a religião cristã é falsa.
-
33:39 - 33:41Baseando-se apenas em como ela começou.
-
33:41 - 33:45E não apenas a ressurreição, mas em várias coisas.
-
33:45 - 33:49Você vai achar várias coisas ali, mas também ver como a análise de Bayes permite entender
-
33:49 - 33:52coisas que você sabia intuitivamente, mas não conseguia articular como um argumento.
-
33:52 - 33:55Bayes permite uma goleada, e transforma a discussão em argumentos de números
-
33:55 - 33:58em que você atinge o ponto onde eles não podem refutar mais estes números
-
33:58 - 34:01pois você está sendo tão generoso ao lado deles, e ainda assim atinge
-
34:01 - 34:03a conclusão a favor da sua moção.
-
34:03 - 34:06Eles não podem mexer nos números sem parecerem ridículos.
-
34:06 - 34:11E eu também tenho neste livro um capítulo aplicando o teorema de Bayes ao argumento do design.
-
34:11 - 34:15Eu aplico à evolução x criacionismo, aplico à abiogênese,
-
34:15 - 34:18mas também aplico à cosmologia, e mostro que -
-
34:18 - 34:21- e o interessante é que não fui eu que fiz isso, apenas coloquei termos leigos -
-
34:21 - 34:25mas mostro que a sintonização das constantes da física - o argumento de sintonia
-
34:25 - 34:31que muitos de vocês já ouviram - na verdade prova que Deus não existe.
-
34:31 - 34:33Você pode pensar "como caralhos você faz isso?"
-
34:33 - 34:35Bem, leia o capítulo.
-
34:42 - 34:44E como eu disse, não fui eu.
-
34:44 - 34:47Na verdade, duas equipes de matemáticos independentemente,
-
34:47 - 34:50sem ao menos saber do trabalho dos outros,
-
34:50 - 34:54chegaram à mesma conclusão bayesiana usando a mesma análise, provando este ponto.
-
34:54 - 35:01Eu os cito no capítulo, e explico em inglês o que eles descobriram e porque estão certos.
-
35:01 - 35:04E estes capítulos explicam um pouco mais do teorema de Bayes.
-
35:04 - 35:06Eles dão exemplos, mostram aplicações.
-
35:06 - 35:10Se você quer dar uma fuçada para tentar aprender mais a respeito,
-
35:10 - 35:14também estão referenciados livros onde pode buscar mais informações.
-
35:14 - 35:19Mas se você quer o meu livro definitivo ensinando o teorema de Bayes e como aplicar,
-
35:19 - 35:26meu livro "Proving History: O teorema de Bayes e a busca pelo Jesus histórico" está escrito e revisado
-
35:26 - 35:31e agora está agendado para lançamento em abril de 2012, e eu fiz um esforço consciente
-
35:31 - 35:36de o fazer compreensível para historiadores, estudantes de humanidades,
-
35:36 - 35:39então ele não depende de você ser um matemático para entender.
-
35:39 - 35:43Ele dá um monte de exemplos e também prepara o caminho para argumentar
-
35:43 - 35:46que Jesus não existiu de verdade. Este livro não argumenta isso especificamente,
-
35:46 - 35:51mas mostra que todos os argumentos para sua existência são baseados em lógica falha.
-
35:53 - 35:59Outra coisa que se aprende é que "afirmações extraordinárias exigem evidências extraordinárias."
-
35:59 - 36:02O teorema de Bayes prova que isso está certo.
-
36:02 - 36:08Ausência de evidência algumas vezes é evidência de ausência. E o teorema diz quando é o caso.
-
36:08 - 36:15(O telão diz "A lâmina de Ockham corta mesmo, vadia")
-
36:21 - 36:26Então deixa eu só dar mais um exemplo, que vocês acabaram de ler.
-
36:26 - 36:30Vamos começar com esse argumento específico.
-
36:30 - 36:33Muitos devem conhecer, e os que não, deveriam.
-
36:33 - 36:38Pois isso é de 300 A.E.C. Epícuro fez o argumento e ele é meio que definitivo.
-
36:38 - 36:40Quer dizer... sério. O argumento está posto.
-
36:40 - 36:42Levanta e vai embora.
-
36:42 - 36:43Porque eles insistem eu não entendo, mas vai saber...
-
36:43 - 36:47Tem Deus vontade de parar o mal, mas incapaz? Então ele não é poderoso.
-
36:47 - 36:50Ele é capaz, mas não tem vontade? Então não é bom.
-
36:50 - 36:53Ele é capaz e tem vontade? Então como pode existir o mal?
-
36:53 - 36:57Ele não é capaz nem tem vontade? Então porque chamar-lhe de Deus?
-
37:06 - 37:12Deixa eu dar um exemplo. Vou pegar um só. Escravidão nos Estados Unidos.
-
37:12 - 37:14Eu não tenho tempo para recontar seus horrores.
-
37:14 - 37:18É suficiente dizer que é uma das merdas mais maldosas que já fizemos.
-
37:18 - 37:23Não poderia Deus ter feito uma revelação aos brancos do sul explicando isso?
-
37:23 - 37:26Quer dizer, é trivial de fazê-lo...
-
37:32 - 37:36Pense nas centenas de anos e vidas que poderiam ter sido tornadas melhores.
-
37:36 - 37:41Pense no estado em que a África poderia estar hoje se não tivesse sido assolada pela escravidão.
-
37:41 - 37:47É aterrador. O jeito como o mundo seria melhor com apenas uma voz vinda do céu dizendo
-
37:47 - 37:52"Ei, essa parada de escravidão, parem com essa merda. Eu não aprovo isso".
-
37:53 - 37:55Fácil.
-
37:55 - 37:57A Bíblia não diz nada contra a escravidão.
-
37:57 - 38:04Ao contrário, ela a codifica junto com os dez mandamentos como parte da lei de Deus.
-
38:04 - 38:10E trata escravidão como uma norma moral de capa a capa.
-
38:10 - 38:13Mesmo no novo testamento, mesmo Jesus a trata como norma moral.
-
38:13 - 38:15Então esse é um argumento avassalador.
-
38:15 - 38:17É preto no branco.
-
38:17 - 38:21A probabilidade de que Deus não falaria sobre esse horror,
-
38:21 - 38:23especialmente para aqueles que supõem o seguir devotamente.
-
38:23 - 38:28Certamente o querem seguir, e muitos provavelmente faziam.
-
38:28 - 38:31Quer dizer, essa era óbvia...
-
38:32 - 38:34Dá pra ganhar a discussão só com isso.
-
38:34 - 38:39Mas que tal o monte de desculpas que os fiéis descarregam nessa hora?
-
38:39 - 38:44A propósito, também conhecido como "inventar merda"...
-
38:47 - 38:50E é onde chegamos nesta questão.
-
38:50 - 38:53Raciocínio ad hoc - inventar justificativas pras coisas.
-
38:53 - 38:56Porque você pode pegar qualquer hipótese e fazer caber em qualquer corpo de evidências
-
38:56 - 38:59criando o número de desculpas que precisar para tanto.
-
38:59 - 39:02Agora suponha que você cria uma desculpa para justificar Deus,
-
39:02 - 39:07mas não tem evidência alguma de que ele tem essa desculpa, dizendo apenas que ele poderia ter.
-
39:07 - 39:10Vamos dizer que você também não tem nenhum evidência contra ele ter essa desculpa.
-
39:10 - 39:15Então é 50/50, porque você não sabe. Poderia pender pra qualquer lado.
-
39:15 - 39:18De acordo com o que você sabe, é tão provável ele ter quanto não ter.
-
39:18 - 39:19É meio a meio.
-
39:19 - 39:23E se você fizer isto, você tem esse diagrama onde o círculo representa
-
39:23 - 39:26todas as hipóteses de Deus que você puder imaginar.
-
39:26 - 39:30Em frequência, metade tem a desculpa, metade não.
-
39:30 - 39:34Isso quer dizer que a probabilidade de a hipótese deles ser verdadeira com aquela desculpa
-
39:34 - 39:40é igual a metade da probabilidade prévia daquela hipótese.
-
39:41 - 39:43Tirar essas desculpas do nada divide à metade suas chances.
-
39:43 - 39:44Funciona assim:
-
39:44 - 39:49Se a probabilidade de que seu Deus existe a partir de conhecimento prévio é 50%,
-
39:49 - 39:51e isso é extremamente generoso - estou apenas dizendo que você não tem evidência
-
39:51 - 39:53contrária à existência de Deus, nem a favor,
-
39:53 - 39:57e de algum modo de uma máquina gigante com pneus de borracha brotou de um ser sensiente,
-
39:57 - 40:00E ele não tem informação alguma a respeito.
-
40:00 - 40:03E aparece um missionário falando a ele sobre Deus, e o ser não faz idéia.
-
40:03 - 40:06Não tem nenhum conhecimento prévio a respeito. Ai é 50/50, certo?
-
40:06 - 40:09Note que estou sendo extremamente generoso.
-
40:09 - 40:13E existe uma chance de 50% de que Deus tenha a justificativa alegada.
-
40:13 - 40:17Nós temos essa pessoa criada aleatoriamente, e vem o evangelista e diz:
-
40:17 - 40:22"Deus, tem aqui um sulista falando sobre escravidão. Isso soa bem zoado, e meio que contradiz sua hipótese".
-
40:22 - 40:25"Ele poderia ter essa desculpa". - Bom, é meio a meio.
-
40:25 - 40:29Isso quer dizer que a probabilidade prévia de que esse Deus em especial exista,
-
40:29 - 40:32dado seu conhecimento anterior é agora 25%, porque é metade do que era.
-
40:32 - 40:36Pois os outros 25% são de deuses que existam e não precisem dessa desculpa.
-
40:36 - 40:38Assim, a probabilidade de que este Deus exista se torna metade do que era.
-
40:38 - 40:42Percebe onde isso está indo?
-
40:42 - 40:46Isso é para o caso onde é 50/50. Não existe evidência para nenhum dos dois lados.
-
40:46 - 40:48Mas e se for uma desculpa improvável?
-
40:48 - 40:51"O cachorro comeu minha lição de casa".
-
40:51 - 40:55"Não fui eu. Eu estava morto naquele momento".
-
40:57 - 41:02Afirmações que quase nunca são verdades, e que você teria evidência disso.
-
41:02 - 41:05Vamos tomar como exemplo algo com proporção 1 em 100 vezes.
-
41:05 - 41:15"O cachorro comeu minha lição". Suponha que um estudo mostrou que isso é verdade 1% das vezes.
-
41:15 - 41:20E isso é ser generoso, 1 em 100... sei lá. Suponha que fosse isso mesmo.
-
41:20 - 41:26Significaria que agora a probabilidade prévia de veracidade dessa desculpa é 100 vezes menor.
-
41:26 - 41:30Agora você tem a probabilidade da hipótese com aquela desculpa vezes 1/100.
-
41:30 - 41:34Esse número vai ser tornando bem pequeno.
-
41:34 - 41:40Mais uma vez. Vamos dizer que a probabilidade de que algum deus exista é 50%, e que exista
-
41:40 - 41:44na melhor das hipóteses, uma chance em 100 de que Deus tenha a desculpa apresentada.
-
41:44 - 41:50Então a probabilidade de que seu Deus especial exista, dado o conhecimento anterior, é de 0,5%.
-
41:50 - 41:55Posto de outro modo, a probabilidade de que seu Deus exista se torna 100 vezes menor.
-
41:55 - 41:58Então quando mais desesperada sua desculpa, mais ela prejudica seu argumento.
-
41:58 - 42:01Você está tornando sua hipótese menos provável.
-
42:01 - 42:08Em outras palavras, se deuses benevolentes existem, deuses bons mas sem aquela desculpa
-
42:08 - 42:11são ao menos um centena de vezes mais prováveis.
-
42:11 - 42:15Por que? Porque são muito mais simples de se imaginar e muito mais simples de produzir.
-
42:15 - 42:19Simplesmente não adicione aquele detalhezinho irritante e - MÁGICA! - um Deus melhor.
-
42:22 - 42:25Então, qual é a probabilidade de que um Deus benevolente tenha uma desculpa válida
-
42:25 - 42:32para não dizer uma única palavra celestial sobre a escravidão durante toda a história americana?
-
42:33 - 42:37E que evidências você tem que apoiem essa probabilidade?
-
42:37 - 42:41Quando olhamos nosso conhecimento prévio sobre seres benevolentes -
-
42:41 - 42:43e conhecemos vários destes.
-
42:43 - 42:45Os chamamos de "seres humanos".
-
42:45 - 42:51De todos os seres benevolentes que vimos agindo e que tem o poder de falar sem correr riscos.
-
42:51 - 42:54Que não possam ser punidos por falar a respeito.
-
42:54 - 42:58De todas essas pessoas registradas ao longo da história, uma desculpa válida
-
42:58 - 43:03para não se manifestar a respeito é tão rara que não temos um único exemplo disto.
-
43:03 - 43:06Ou certamente, se existe alguma, é extraordinariamente rara.
-
43:06 - 43:11Rara significa infrequente. Muito Infrequente. O que quer dizer "muito improvável".
-
43:11 - 43:14Na verdade, deve ser ao menos uma em um milhão.
-
43:14 - 43:19Você tem um milhão de humanos benevolentes que possam falar contra escravidão sem represália.
-
43:19 - 43:23Quantos destes você acha que teriam uma desculpa válida para não o fazer?
-
43:23 - 43:27Menos do que um em um milhão. Eu acredito que todos teriam motivos para falar.
-
43:27 - 43:29E não teriam uma desculpa para se abster.
-
43:29 - 43:32Isso quer dizer que menos do que 1 em 1.000.000 seres benevolentes
-
43:32 - 43:36com a habilidade de falar sem represálias teriam uma desculpa para não o fazer.
-
43:36 - 43:40Isso quer dizer, que a probabilidade de que este Deus exista se torna um milhão de vezes menor.
-
43:40 - 43:43Na medida em que você começa a arranjar essas desculpas,
-
43:43 - 43:46você acaba tornando sua hipótese absurdamente improvável.
-
43:46 - 43:49E isso é o que a lâmina de Ockham faz sob o teorema de Bayes.
-
43:49 - 43:52Posto de outro modo, se deuses benevolentes existem,
-
43:52 - 43:56então deuses bons sem aquela desculpa são um milhão de vezes mais prováveis.
-
43:56 - 44:01E por que? Porque já observamos que seres benevolentes sem aquela desculpa
-
44:01 - 44:03são um milhão de vezes mais prováveis.
-
44:03 - 44:07Nós temos prova empírica disto. Não é nem conceitual ou abstrato.
-
44:07 - 44:12Temos prova concreta e empírica confirmando isso. Não se pode negar.
-
44:12 - 44:18Colocando isso na equação, lembre-se daqueles três números que falamos antes.
-
44:18 - 44:25Tudo depende deles. Na equação, neste modelo de que estou falando, este número aqui embaixo é 100%.
-
44:25 - 44:30É 100% garantido que Deus não falaria caso ele não existisse.
-
44:30 - 44:32Essa é fácil de entender.
-
44:32 - 44:41Eles querem que esse número seja 100%, para contrabalancear.
-
44:41 - 44:44Mas ao fazê-lo, reduzem esse outro número em um milhão.
-
44:45 - 44:50Então, essa equação de cima vira a de baixo.
-
44:50 - 44:57Partimos de uma probabilidade de menos do que 1 em 1.500.000, e é um argumento empírico forte.
-
44:57 - 45:02Quando eu digo menos que 1:1500000, é um argumento bom que temos de que a chance seja menor do que esta.
-
45:02 - 45:05Então quando as pessoas dizem que não temos evidências contra a existência de Deus,
-
45:05 - 45:11essa é uma puta duma mentira. Nós temos evidências boas pra caralho de que não existe!
-
45:17 - 45:22Se você começa com chances de menos do que 1 em 1.5 milhão, eles inventam desculpa
-
45:22 - 45:27para aumentar essa porcentagem, e o resultado é exatamente o mesmo.
-
45:27 - 45:31Eles não fizeram nada. A desculpa é inútil, e não muda a equação em nada.
-
45:31 - 45:35Isso quer dizer que nenhuma quantidade de desculpas muda o fato de que
-
45:35 - 45:38dadas as evidências que temos atualmente, um deus vivo e benevolente é simplesmente improvável.
-
45:38 - 45:41E esse é um exemplo de como o teorema de Bayes pode ser bastante útil para você nesta discussão.
-
45:41 - 45:46Porque você consegue reduzir a discussão a três números, e eles não.
-
45:46 - 45:50Eles não conseguem refutar os números, e com eles a equação faz seu papel.
-
45:50 - 45:55E não podem dizer que a matemática está errada. "Eu nego a matemática e a lógica agora".
-
45:55 - 45:59Bom... Nós sabemos onde isso vai dar...
-
45:59 - 46:18Você poderá ler a respeito disso tudo em abril de 4029.
-
46:18 - 46:25Mas para quem não quiser esperar tanto, meu livro sai em abril de 2012.
-
46:25 - 46:29Eu não desprovo Deus ai dentro, mas eu faço um monte de coisas úteis para
-
46:29 - 46:33entender o teorema de Bayes e o aplicar na história, que é amplamente possível.
-
46:33 - 46:36Não apenas nas afirmações religiosas sobre a história.
-
46:36 - 46:41Se quiser algo agora, se está afoito para aprender a respeito e ver quão poderoso e útil
-
46:41 - 46:45o teorema de Bayes é, e como pode ser aplicado à sua vida de cético,
-
46:45 - 46:48este livro "The End of Christianity" está disponivel aqui hoje.
-
46:48 - 46:52Neste momento, minha principal fonte de renda é esta. Vender o livro.
-
46:52 - 46:54Então se quiser ajudar meu trabalho, por favor compre.
-
46:54 - 46:58Eu autografo qualquer coisa que comprarem. Basta trazer que eu assino.
-
46:58 - 47:04Ou qualquer outra coisa. Comprem quaisquer um dos meus livros. Vários livros úteis.
-
47:04 - 47:06É isso. Obrigado.
- Title:
- Teorema de Bayes: Chave para o Universo, Richard Carrier Skepticon 4
- Description:
-
Please subscribe.
During filming, if a powerpoint slide is just a reiteration of what the speaker is saying, without any new information, I do not cut to it. If you are screaming, "What the fuck is on the projector!"... This is the answer.
All Skepticon videos will be monetized this year with ads. 100% of the proceeds with be used to purchase micro-loans through Kiva.org.
I know the ads are annoying, but there is no reason to not use the money for a good cause.
- Video Language:
- English
- Duration:
- 47:23
brunovitsantos edited Portuguese, Brazilian subtitles for Bayes Theorem: Key to the Universe, Richard Carrier Skepticon 4 | ||
brunovitsantos edited Portuguese, Brazilian subtitles for Bayes Theorem: Key to the Universe, Richard Carrier Skepticon 4 | ||
brunovitsantos edited Portuguese, Brazilian subtitles for Bayes Theorem: Key to the Universe, Richard Carrier Skepticon 4 | ||
brunovitsantos edited Portuguese, Brazilian subtitles for Bayes Theorem: Key to the Universe, Richard Carrier Skepticon 4 | ||
brunovitsantos edited Portuguese, Brazilian subtitles for Bayes Theorem: Key to the Universe, Richard Carrier Skepticon 4 | ||
brunovitsantos edited Portuguese, Brazilian subtitles for Bayes Theorem: Key to the Universe, Richard Carrier Skepticon 4 | ||
brunovitsantos added a translation |