A matemática oculta por trás de cada decisão que você toma
Eu costumava achar que boas decisões vinham do instinto ou de pensamento cuidadoso. Então li um tópico viral do trader e pesquisador @zodchiii que me fez perceber que tenho ignorado a parte mais simples da equação. A maioria das pessoas também ignora. Tratamos decisões como questões de opinião ou intuição, quando na verdade são problemas de matemática disfarçados.
O tópico, republicado no axisofeasy.com, detalha seis modelos mentais que explicam por que pessoas inteligentes fazem escolhas burras. Os modelos não são novos. Economistas e psicólogos os conhecem há décadas. Mas usá-los consistentemente é raro. É aí que vem a vantagem.
Se você quer tomar decisões melhores no trabalho, nos relacionamentos ou com dinheiro, essas seis estruturas vão mudar como você vê quase toda escolha.
O que torna este tópico diferente de outros conteúdos de autoajuda é que @zodchiii não é um life coach vendendo um curso. Ele é um trader da Polymarket que faz apostas reais com dinheiro real. Seu conselho vem de acompanhar resultados, não de teoria. Essa base prática dá a esses modelos uma credibilidade que você não obtém de alguém que nunca errou em público.
Expected value
Expected value é a ferramenta de tomada de decisão mais básica que você usará, e quase ninguém a aplica conscientemente. A fórmula é simples: multiplique a probabilidade de um resultado pelo seu retorno, depois some todos os resultados possíveis.
Aqui está a versão pronta para memorizar:
Expected value = (probabilidade de ganho × retorno) - (probabilidade de perda × valor da perda)
Um cara ou coroa que paga 2 dólares para cara e custa 1 dólar para coroa tem um expected value positivo. Você deveria aceitar essa aposta toda vez, mesmo que perca metade das jogadas. A maioria das pessoas recusa porque a perda dói mais do que o ganho satisfaz. Isso é aversão à perda em ação, e é por isso que os cassinos ganham dinheiro.
Na vida real, o expected value aparece em ofertas de emprego, escolhas de investimento, e até em decidir se vai a uma festa. Se o potencial positivo supera o negativo quando você considera as probabilidades, a matemática diz para aceitar. O sentimento no seu estômago não é a matemática falando.
Isso se conecta ao conjunto mais amplo de armadilhas psicológicas que sabotam a tomada de decisão. O expected value é uma maneira de escapar dessas armadilhas. Em vez de confiar em reações instintivas, você calcula se as probabilidades estão a seu favor. Com o tempo, esse pequeno hábito separa quem tem sorte de quem cria a própria sorte.
Aqui está um exemplo mais prático. Digamos que você está considerando um projeto paralelo que pode render 5.000 dólares com 30 por cento de chance de sucesso, e vai custar 500 dólares em tempo e materiais se falhar. O expected value é (0,3 × 5.000) - (0,7 × 500) = 1.150. É positivo. Mesmo que você falhe sete em cada dez vezes, o sucesso paga todas as perdas e ainda deixa você na frente. A maioria das pessoas olha para a taxa de falha de 70 por cento e desiste sem fazer a conta.
A mesma lógica se aplica a e-mails frios, candidaturas a empregos e encontros. Se o ganho potencial é grande o suficiente e o custo de tentar é baixo, o expected value é provavelmente positivo. Você só precisa estar disposto a fazer o cálculo em vez de confiar no seu medo.
Base rate neglect
Seu cérebro odeia estatísticas gerais. Ele prefere histórias específicas. Esta é a armadilha do base rate neglect, e ela estraga mais decisões do que a maioria dos outros vieses.
Aqui está o exemplo clássico do tópico: imagine uma doença que afeta 1 em cada 1.000 pessoas. Um teste para ela tem 99% de precisão. Você testa positivo. Qual a chance de você realmente ter a doença?
A maioria das pessoas diz 99%. A resposta real é cerca de 9%. Por quê? Porque a doença é tão rara que os falsos positivos superam os verdadeiros positivos por uma ampla margem. Seu cérebro ignorou a taxa base (1 em 1.000) e se agarrou à informação vívida e pessoal (seu teste positivo).
Isso acontece constantemente. Você ouve sobre um universitário que largou os estudos e construiu uma empresa bilionária e acha que largar a faculdade é um bom plano. Você ignora a taxa base: a maioria dos que largam a faculdade não se tornam bilionários. Você ouve sobre uma startup que levantou milhões e acha que sua ideia é a próxima. Você ignora a taxa base: cerca de 6 em cada 10 startups fracassam nos primeiros anos.
Você também vê isso em decisões de saúde. Um amigo experimenta um novo suplemento e diz que curou sua fadiga. Você compra o mesmo suplemento e não sente nada. A história individual é vívida, mas a taxa base diz que suplementos raramente superam placebos para fadiga geral. Seu cérebro não se importa com a taxa base. Ele se importa com a história.
A correção é chata, mas eficaz. Antes de se empolgar com um caso específico, pergunte o que as estatísticas gerais dizem. As estatísticas gerais geralmente estão certas. Se você está pensando em pedir demissão para abrir um negócio, olhe a taxa de sobrevivência de empresas no seu setor, não as postagens no Instagram da única pessoa que ficou rica. Essa pessoa é um outlier. A taxa base é a realidade que a maioria das pessoas vive.
Este é exatamente o tipo de raciocínio explorado no guia de pensamento crítico sobre lógica e vieses. A diferença aqui é que o base rate neglect tem uma correção matemática específica. Você não precisa se tornar um especialista em lógica. Você só precisa lembrar de verificar as estatísticas antes de se apaixonar por uma história.
Sunk cost fallacy
Você comprou um ingresso de cinema de 15 dólares. Vinte minutos depois, você percebe que o filme é terrível. Você sai ou fica?
A maioria das pessoas fica. Elas pensam nos 15 dólares já gastos e não querem desperdiçá-los. Esses 15 dólares se foram, não importa o que você faça. É um sunk cost. A única pergunta racional é: dada minha situação atual, os próximos 90 minutos valerão meu tempo?
A sunk cost fallacy é a razão pela qual as pessoas permanecem em empregos sem futuro, continuam consertando carros que valem menos que a conta do reparo, e mantêm investimentos perdedores esperando que se recuperem. O passado não é negociável. O que importa é o que vem a seguir.
Já fiz isso com assinaturas. Pago por um serviço que não uso porque já paguei o ano inteiro. O dinheiro se foi. A questão é se os meses restantes valem a pena. Geralmente não valem. Cancelar parece admissão de derrota, mas é na verdade a jogada mais inteligente.
A sunk cost fallacy também aparece em relacionamentos. As pessoas permanecem em casamentos infelizes por causa dos anos já investidos. Permanecem em carreiras que odeiam por causa do diploma que passaram quatro anos obtendo. O diploma não vai a lugar nenhum. A questão é se os próximos cinco anos valerão a pena. Se a resposta é não, o investimento passado não é motivo para ficar. É motivo para sair antes de investir mais.
Os militares têm uma frase para isso: “corte suas perdas.” Não é desistir. É redirecionar recursos para onde eles realmente têm chance de dar retorno. Cada hora que você gasta em um beco sem saída é uma hora que você não pode gastar em um caminho que pode funcionar.
Bayesian thinking
Bayesian thinking significa atualizar suas crenças quando você vê novas evidências. A matemática parece intimidante, mas a ideia é direta: sua confiança em algo deve mudar à medida que você aprende mais.
A fórmula básica é:
Pc(crença após evidência) = P(crença antes da evidência) × P(evidência se a crença for verdadeira) / P(evidência)
Em português claro: comece com o que você já acredita, depois ajuste com base no que acabou de aprender. Se você acha que uma moeda é justa e ela dá cara dez vezes seguidas, você deve atualizar sua crença de que a moeda é viciada.
A maioria das pessoas faz o oposto. Elas formam uma crença e depois a defendem contra todas as evidências. É por isso que política e religião criam tantas discussões. O Bayesian thinking força você a tratar crenças como hipóteses temporárias em vez de verdades permanentes.
O desafio prático é que atualizar crenças parece fraqueza. Se você muda de ideia após ver novas evidências, as pessoas podem te chamar de inconsistente. Mas a matemática não se importa com sua reputação. Ela se importa com a precisão. Quem atualiza rapidamente acaba com previsões melhores do que quem se apega a crenças antigas.
Mercados de previsão são uma aplicação prática disso. Quando milhares de pessoas apostam em um resultado, as probabilidades mudam à medida que novas informações chegam. @zodchiii chama mercados de previsão de uma academia para sua tomada de decisão. Você recebe feedback sobre se suas crenças estão calibradas e pode ajustar em tempo real.
Você pode praticar Bayesian thinking em pequenas coisas. Quando um amigo recomenda um restaurante e você tem uma experiência ruim, atualize sua confiança no gosto desse amigo. Quando uma ação que você comprou cai após os resultados, atualize seu modelo da empresa em vez de dobrar a aposta. Pequenas atualizações se acumulam em melhor julgamento ao longo do tempo.
Survivorship bias
Survivorship bias é o erro de estudar apenas os vencedores e assumir que seus hábitos explicam a vitória. Universitários que abandonaram os estudos e construíram empresas unicórnio ganham biografias. Os milhares que falharam e agora trabalham em empregos comuns não recebem nenhuma cobertura.
O tópico aponta que 87 por cento das carteiras da Polymarket perdem dinheiro. Mas você só ouve sobre os vencedores que publicaram seus ganhos nas redes sociais. O mesmo acontece com restaurantes, startups e estratégias de investimento. Você vê os 60 por cento que sobreviveram e ignora os 40 por cento que fecharam.
Esse viés é perigoso porque faz estratégias ruins parecerem inteligentes. Se você copia os hábitos de pessoas bem-sucedidas sem verificar se esses hábitos realmente causaram o sucesso, você está apostando. Talvez elas tenham tido sucesso apesar de seus hábitos, não por causa deles.
O antídoto é procurar os dados ausentes. Pergunte-se: quem tentou isso e falhou? Onde estão as pessoas que fizeram a mesma coisa mas não conseguiram? Se você não consegue encontrá-las, isso é um sinal de alerta, não uma prova de que a estratégia funciona.
O survivorship bias está em toda parte quando você começa a procurá-lo. Livros de negócios estudam empresas de sucesso sem compará-las com as falidas. Influenciadores fitness mostram seus resultados, mas não as pessoas que seguiram o mesmo plano e não tiveram mudanças. Newsletters de investimento se gabam de negociações vencedoras enquanto ignoram as perdedoras.
O tópico destaca a Polymarket como um estudo de caso. Todos compartilham capturas de tela de suas grandes vitórias. Ninguém compartilha capturas de tela das contas que perderam 80 por cento de seu valor. Se você olha apenas para os vencedores, pensará que a plataforma é dinheiro fácil. Se você olha para a distribuição completa, perceberá que é um jogo de habilidade com uma vantagem pesada para a casa para amadores.
Para combater esse viés, busque ativamente histórias de fracasso. Leia análises post-mortem de startups falidas. Olhe para as pessoas que seguiram a mesma dieta e ganharam peso. Estude os traders que estouraram suas contas. Os dados ausentes são frequentemente mais informativos do que os dados visíveis.
Kelly criterion
O Kelly criterion diz quanto do seu bankroll apostar em uma determinada oportunidade. É uma fórmula que equilibra retorno contra risco para que você não vá à falência mesmo tendo vantagem.
A fórmula é:
f = (bp - qb) / b*
Onde b são as odds, p é a probabilidade de ganhar, q é a probabilidade de perder, e f* é a fração do seu bankroll a apostar.
Na prática, a maioria dos apostadores profissionais e investidores usa uma abordagem quarter-Kelly. Eles apostam menos do que a fórmula sugere porque a vida real é mais bagunçada que a matemática. Superestimar sua vantagem é o caminho mais rápido para perder tudo.
A lição aqui não é sobre jogo. É sobre alocação de recursos. Se você tem uma boa oportunidade, quanto tempo, dinheiro ou atenção deve dedicar a ela? Colocar tudo em uma aposta parece ousado, mas geralmente é imprudente. Distribuir suas apostas proporcionalmente à sua vantagem real mantém você no jogo por mais tempo.
Em investimentos, isso significa nunca colocar tudo em uma única ação, não importa o quão confiante você esteja. Em termos de carreira, significa não apostar todo seu futuro em uma empresa ou uma habilidade. Em relacionamentos, significa não colocar todas as suas necessidades emocionais em uma pessoa. A matemática diz diversificar, mesmo quando seu instinto diz concentrar.
A maioria das pessoas perde a parte do quarter-Kelly. O Kelly completo assume que você conhece sua vantagem perfeitamente. Na vida real, você provavelmente é excessivamente confiante. Apostar um quarto do valor de Kelly lhe dá margem para erro. Você ainda ganha grande quando está certo, mas sobrevive tempo suficiente para colher quando está errado. Esse buffer de sobrevivência é o que a maioria das pessoas perde. O objetivo não é acertar um home run uma vez. É continuar jogando até que as probabilidades funcionem a seu favor.
Como todos os 6 se conectam
Esses modelos não são ferramentas separadas. São lentes que se corrigem mutuamente. O expected value impede que você reaja exageradamente a perdas de curto prazo. O base rate neglect impede que você persiga outliers. A sunk cost fallacy tira você de investimentos passados que não servem mais. O Bayesian thinking atualiza seu mapa à medida que o território muda. O survivorship bias lembra você de procurar as falhas que não pode ver. O Kelly criterion garante que você tenha o suficiente para jogar a próxima rodada.
Usados juntos, eles formam um sistema. Você para de tomar decisões baseado em como uma escolha parece no momento e começa a tomá-las baseado em se a matemática funciona ao longo do tempo. Essa mudança é sutil, mas permanente.
Pense como aprender a dirigir. No começo, você pensa em cada troca de marcha e olhada no espelho. Eventualmente, as habilidades se tornam automáticas. Esses seis modelos funcionam da mesma forma. No começo, você precisa conscientemente fazer os cálculos. Com a prática, eles se tornam parte de como você vê o mundo. Você notará base rate neglect em manchetes de notícias. Você se pegará justificando um sunk cost em uma reunião. Você sentirá o puxão do survivorship bias quando uma história de sucesso viralizar.
Este é o verdadeiro benefício. Você não precisa ser mais esperto que todo mundo. Você só precisa ter um sistema que捕捉 os erros que todos os outros perdem.
Verdade desconfortável
A verdade desconfortável do tópico é que a maioria das pessoas não quer usar matemática. Elas querem que as decisões pareçam certas. Elas querem histórias, não estatísticas. Elas querem acreditar que trabalho duro sozinho determina resultados, quando probabilidade e sorte desempenham papéis muito maiores do que qualquer um admite.
É por isso que os mercados de previsão parecem frios para as pessoas. Eles removem a narrativa e mostram as probabilidades brutas. Mas essa frieza é o objetivo. Isso impede que você minta para si mesmo sobre quão provável o sucesso realmente é.
Se você leva a sério tomar decisões melhores, precisa se sentir confortável em errar em público. Você precisa atualizar suas crenças quando as evidências dizem que deveria, mesmo que isso machuque seu ego. Esse é o preço de melhorar.
Conclusão
A matemática oculta por trás das decisões não está realmente oculta. É apenas ignorada. Expected value, taxas base, sunk costs, atualizações bayesianas, survivorship bias e Kelly criterion são ideias bem documentadas. A vantagem vai para as pessoas que realmente as aplicam.
Comece pequeno. Da próxima vez que enfrentar uma escolha, anote as probabilidades e retornos. Verifique a taxa base antes de se empolgar com um exemplo específico. Pergunte se você está permanecendo em uma situação porque ela ainda é boa ou porque já investiu demais para sair.
Se quiser ir mais fundo, o tópico recomenda cinco livros que cobrem essas ideias em mais detalhes: Thinking Fast and Slow de Daniel Kahneman, Superforecasting de Philip Tetlock, The Signal and the Noise de Nate Silver, Fooled by Randomness de Nassim Taleb, e Fortune’s Formula de William Poundstone. Cada um vai expandir como você pensa sobre incerteza e escolha.
Li todos os cinco, e cada um impacta de forma diferente. Kahneman te dá a base. Tetlock te mostra como aplicar no mundo real. Silver te ensina a pensar em probabilidades. Taleb te deixa paranóico sobre risco da melhor maneira. Poundstone conecta a matemática à gestão financeira. Lê-los nessa ordem constrói um quadro completo.
Se você quer ver como modelos mentais se aplicam à estratégia, a série de modelos mentais do xadrez mostra como grandes mestres usam reconhecimento de padrões e cálculo seletivo para tomar decisões de alto risco sob pressão. Os princípios se sobrepõem ao que cobrimos aqui, mas o contexto do xadrez os torna concretos.
A matemática não vai garantir bons resultados. Nada garante. Mas ela vai garantir que suas decisões sejam melhores que a alternativa, que é adivinhar e torcer.
Se você quer praticar esses modelos juntos, tente este exercício. Durante a próxima semana, anote toda decisão significativa que você tomar. Para cada uma, observe o expected value, a taxa base, se você está caindo na sunk cost fallacy, quão confiante está em sua crença, se está ignorando dados ausentes, e quanto dos seus recursos está comprometendo. No final da semana, revise suas anotações. Os padrões vão te surpreender.
Essa é a matemática oculta. Não é mágica. É apenas consistência. E consistência é algo que qualquer um pode aprender.