
Os mais atentos saberão que estou a falar do teorema de Bayes, cuja definição matemática é

Tal como devem saber, a definição clássica de probabilidade pode ser descrita como o coeficiente entre o número de casos favoráveis (em relação ao acontecimento sobre o qual queremos saber a probabilidade) e o número de casos total (todos os casos possíveis, quer sejam favoráveis ou não). A expressão matemática será, então,

Por exemplo, vamos supor que um indivíduo se desloca ao médico para efectuar um exame fisiológico cujo resultado dirá se essa pessoa tem uma certa doença. O médico sabe que o teste tem uma fiabilidade de 99% (deveríamos ainda saber se a probabilidade de dar falsos positivos e falsos negativos é a mesma, mas neste exemplo vamos supor que sim), e quando o resultado do teste finalmente é conhecido, a resposta é positiva para a existência da doença.
Neste caso o que deve o médico dizer ao doente? O que muitos médicos acabam por dizer é que existe uma chance de 99% de o doente realmente ter essa maleita, no entanto, e à luz do teorema de Bayes, essa informação pode estar dramaticamente errada.
Vejamos por exemplo que se a doença em questão for uma condição rara (por exemplo apenas 500 pessoas em cada milhão de habitantes a ter), e tendo em conta a fiabilidade do teste, se testarmos um milhão de pessoas em princípio haverão 9995 falsos positivos e 5 falsos negativos (1% dos 999500 indivíduos sãos e 1% dos 500 que têm a doença, respectivamente).
Desta forma, dos 1.000.000 de indivíduos que testámos, 10.490 acusaram positivo, de onde 495 têm realmente a doença e 9995 não a têm.
Assim, tendo em conta a definição de probabilidade, existe apenas uma probabilidade de cerca de 4,7% que uma pessoa que acuse positivo no teste tenha realmente a doença em questão.
Como podem ver, a diferença é enorme e aumenta quanto mais rara for a doença ou quanto pior for a fiabilidade do teste efectuado. Quando nos deslocamos ao médico com o intuito de efectuar um qualquer exame, não estamos frequentemente a par da fiabilidade do teste que nos irão fazer, e aceitamos o resultado como se não houvesse qualquer incerteza associada ao diagnóstico. Este comportamento baseia-se na confiança que desenvolvemos nas capacidades técnicas de toda a equipa médica, e nomeadamente na sua compreensão do teorema de Bayes.
Tal como no caso do médico, o mesmo se pode concluir no que diz respeito em relação a entrevistas de trabalho onde, quer queiramos quer não, o teorema de Bayes é utilizado (quase sempre inconscientemente) na observação da nossa personalidade baseada nos estereótipos e na vivência de cada um dos entrevistadores. Ou seja, uma certa conclusão sobre a nossa personalidade, através de algo que tenhamos feito ou dito na entrevista, pode ser tirada partindo do rótulo que o entrevistador nos tenha adjudicado a priori. Ou seja, se for loira e se o entrevistador achar que 90% das loiras são burras, e se por acaso no meio da conversa tiver o azar de mencionar alguma afirmação estúpida, a percepção que ele tem sobre a probabilidade de que a pessoa que ele está a entrevistar ser realmente ignorante, aumenta de uma forma que pode estar errada exclusivamente porque o estereótipo (ou seja a percepção que ele tem sobre a percentagem de loiras menos espertas) pode estar drasticamente errado.
Daí o facto de os estereótipos serem tão perigosos.
Este conceito é também extremamente importante nos jogos de casino, nomeadamente no poker, mas deixarei para outro post este tema
1 comentário:
Essa foi uma das razões que me levaram a sair da área do Recrutamento e Selecção, onde trabalhei 3 anos.
As entrevistas, segundo vários estudos, têm um grau de "acerto" de 15 a 20%.
Podemos sempre aumentar a "pontaria" usando testes psicométricos, de grupo e afins, mas nunca se ultrapassam os 50%, pelo que os outros 50% são pura arte (e às vezes manha).
No entanto "it's a dirty job but someone has to do it"! :)
Enviar um comentário