APRENDER. PRATICAR. EVOLUIR.Começar pelo significado do número
Antes de calcular, identifica o evento, a população observada, o período e a unidade. Dez falhas em cem execuções do mesmo batch descrevem uma frequência observada nesse conjunto; não demonstram a probabilidade de falha de qualquer aplicação futura. Um especialista pode estimar 20% de probabilidade e ter pouca confiança na evidência. A incerteza sobre a estimativa não se resolve trocando 20% por um número de confiança sem definição. Pede condições, exemplos contrários e dados que poderiam alterar a estimativa. Numa distribuição de resultados alternativos, confirma que os ramos cobrem todas as possibilidades consideradas sem sobreposição. Probabilidades de eventos que podem coexistir não são, por si, probabilidades de ramos exclusivos. Regista o que falta saber e a decisão que depende dessa lacuna.
Classificar sem transformar rótulos em euros
Uma escala ordenada ajuda a distinguir níveis segundo critérios acordados. Se os valores 1, 2 e 3 forem apenas categorias, 3 não significa três vezes a perda de 1. Uma matriz pode estabelecer prioridade sem produzir um custo esperado em euros. Guarda o impacto físico ou financeiro subjacente quando existir e não somes classificações como se fossem dinheiro. Considera também quando a resposta precisa de começar. Um risco que pode ocorrer daqui a seis semanas pode exigir uma decisão hoje porque a alternativa demora seis semanas a preparar. Outro risco pode ocorrer amanhã e ter uma resposta já disponível. A ordem final precisa de combinar critérios e prazos explícitos, não apenas ordenar pela data do evento ou pela cor mostrada no relatório.
Passar dos riscos individuais ao resultado conjunto
Duas tarefas podem cumprir o respetivo prazo com probabilidade de 80% cada e ainda assim não oferecer 80% de probabilidade de sucesso conjunto. Se forem independentes e ambas necessárias, o resultado é 0,8 × 0,8 = 64%. Se dependerem da mesma janela de fornecedor, a independência precisa de ser revista. Não inventes a dependência que falta: apresenta a hipótese e procura evidência. A soma de perdas esperadas continua válida para perdas aditivas, mesmo com dependência, mas a distribuição do total e os extremos podem mudar. Evita contar duas vezes a mesma perda de negócio quando vários componentes falham no mesmo evento. O sponsor precisa de compreender a exposição do objetivo completo; uma lista de classificações individuais não responde automaticamente a essa pergunta.
Testar se a decisão muda
Usa análise de sensibilidade para encontrar pressupostos que podem mudar a escolha. Num exercício em milhares de euros, A custa 4 mais 10% da perda L; B custa 30% de L, sem custo fixo. Igualando 4 + 0,1L a 0,3L, o equilíbrio ocorre em L = 20. Abaixo desse valor B tem menor custo esperado; acima, A. Se a perda credível variar entre 15 e 30, a escolha por custo esperado não é robusta a todo o intervalo. A ação útil é melhorar a evidência ou apresentar a condição da recomendação. Antes da comparação, verifica critérios obrigatórios: uma opção barata que viola uma restrição não se torna admissível pela média. Estes números são fictícios e não uma recomendação financeira ou regra PMI.
Enumerar um cronograma pequeno
No modelo fictício, A e B começam em paralelo e a validação final demora dez minutos depois de ambas terminarem. A demora vinte minutos com probabilidade 0,7 ou sessenta com 0,3. B demora quarenta com 0,8 ou oitenta com 0,2. Sob independência, os quatro pares têm probabilidades 0,56, 0,14, 0,24 e 0,06. Calcula cada duração como máximo de A e B, mais dez: os resultados são cinquenta, noventa, setenta e noventa minutos. A média é 62,8; P80 é setenta e P90 é noventa, usando o menor resultado que atinge a probabilidade acumulada pedida. Enumerar todos os ramos deste modelo finito evita erro de amostragem. Não elimina incerteza sobre as probabilidades escolhidas nem transforma o exercício numa previsão empírica.
Manter marginais e mudar a dependência
Compara uma segunda hipótese: os pares A/B são 20/40 com probabilidade 0,7, 60/40 com 0,1 e 60/80 com 0,2. As probabilidades individuais de A e B mantêm-se, mas os estados lentos coincidem mais vezes. A média do máximo mais dez passa a sessenta minutos; P80 continua setenta e P90 noventa. A probabilidade de ambos estarem lentos sobe de 0,06 para 0,2. Portanto, uma mudança de dependência pode alterar métricas em direções diferentes: não resumas tudo como “mais correlação aumenta qualquer resultado”. No primeiro modelo, A determina sozinho a conclusão paralela com probabilidade de 24%; no segundo, com 10%. Estes valores ajudam a interpretar os caminhos do modelo, mas não demonstram uma relação causal real ou a melhor ação a financiar.
// Original finite educational model: exact enumeration, not Monte Carlo or production forecasting.
function summarize(rows) {
if (!rows.length || rows.some(r => ![r.a,r.b,r.p].every(Number.isFinite) || r.a<0 || r.b<0 || r.p<=0 || r.p>1) || Math.abs(rows.reduce((s,r)=>s+r.p,0)-1)>1e-12) throw Error('Invalid joint distribution');
const outcomes=rows.map(r=>({...r,minutes:Math.max(r.a,r.b)+10})).sort((a,b)=>a.minutes-b.minutes);
function quantile(p){if(!Number.isFinite(p)||p<=0||p>1)throw Error('Invalid quantile');let total=0;return outcomes.find(r=>(total+=r.p)+1e-12>=p).minutes;}
const round=x=>Math.round(x*1e10)/1e10;
return {mean:round(outcomes.reduce((s,r)=>s+r.p*r.minutes,0)),p80:quantile(.8),p90:quantile(.9),by70:round(outcomes.filter(r=>r.minutes<=70).reduce((s,r)=>s+r.p,0)),aControls:round(rows.filter(r=>r.a>r.b).reduce((s,r)=>s+r.p,0)),bothSlow:round(rows.filter(r=>r.a===60&&r.b===80).reduce((s,r)=>s+r.p,0))};
}
const independent=[{a:20,b:40,p:.56},{a:20,b:80,p:.14},{a:60,b:40,p:.24},{a:60,b:80,p:.06}];
const dependent=[{a:20,b:40,p:.7},{a:60,b:40,p:.1},{a:60,b:80,p:.2}];
console.log(JSON.stringify({independent:summarize(independent),dependent:summarize(dependent)}));Num batch fictício, migração e reconciliação têm 80% de sucesso cada. Sob independência, cumprir ambas tem probabilidade de 64%, inferior ao critério didático de 75%. Uma alteração dessa conclusão exige rever dados ou dependência, não fazer a média dos 80%.
Armadilhas comuns
Confundir confiança com probabilidade, somar categorias como euros, multiplicar sem independência, duplicar perdas e recomendar uma opção sem testar o intervalo plausível dos pressupostos.
Tópicos relacionados: Triggers, dados e dependências comuns · Decisões quantitativas e valor da informação · Evidência de eficácia e passagem para APS
Uma análise útil liga o significado dos dados à decisão. Explicita unidades, dependências, critérios, prazos e condições em que a recomendação muda.
Referência: Integrating risk analysis and prioritization: a practitioner’s tool · PMI-RMP five-domain ECO, updated-2024 public document