Nota do Editor
Recomendamos o artigo AF447 – Familiares pedem que MP investigue o acidente Link
O Editor
Publicado MIT Technology Review
Após mais de um ano de buscas sem sucesso, as autoridades chamaram em um grupo de elite de estatísticos.
"Nas primeiras horas da manhã, de 1 de Junho de 2009, o voo AF447 da empresa francesa Air France, com 228 passageiros e tripulantes a bordo, desapareceu durante tempestade sobre o Atlântico durante um voo do Rio de Janeiro para Paris." Assim começa Lawrence Stone, da Metron Scientific Solutions, de Reston, Virginia, ao descrever o seu papel e de seus colegas na descoberta dos destroços quase dois anos após a queda da aeronave.
Stone e seus colegas são estatísticos, que foram trazidos para reexaminar as prova depois de quatro expedições de busca intensivas não tinham conseguido localizar a parte principal dos destroços da aeronave, em especial a caixa preta. O que é interessante sobre esta história é que sua análise apontou para um local não muito distante da última posição conhecida, em uma área, que tinha sido com certeza vasculhada logo após o desastre.
Hoje, Stone e colegas explicam como eles fizeram isso. Sua abordagem foi usar uma técnica matemática conhecida como inferência Bayesiana, que leva em conta todas as informações conhecidas anteriormente sobre o local do acidente, bem como as evidências dos esforços de busca sem sucesso. O resultado é uma distribuição de probabilidade para a localização dos destroços.
Inferência bayesiana é uma técnica estatística que os matemáticos usam para determinar alguma distribuição de probabilidade subjacente baseado em uma distribuição observada. Isso depende de uma série de fatores, como a última localização GPS transmitida, até onde a aeronave pode ter viajado depois disso e também a localização de corpos encontrados na superfície uma vez que a sua taxa de deriva na água tinham sido levada em conta.
Tudo isso é o que os estatísticos chamam de "antes". Dá uma certa distribuição de probabilidade para a localização dos destroços.
No entanto, uma série de pesquisas, que contou com estas informações, não tinham conseguido localizar os destroços. Isto é o que os estatísticos chamam a distribuição posterior. Para calculá-lo, Stone e colegas tiveram que levar em conta o fracasso de quatro campanhas de buscas depois que o avião caiu. A primeira foi a incapacidade de encontrar os restos ou corpos durante seis dias imediatamente após o desaparecimento do avião, em junho de 2009; em seguida, houve o fracasso de pesquisas acústicas, em julho de 2009, para detectar os pings, através das sonobóias, da caixa preta com as gravações de dados de vôo e gravador de voz do cockpit; outra pesquisa, em agosto de 2009, não conseguiu encontrar qualquer coisa usando a digitalização do sonar;
As buscas tiveram lugar em locais diferentes, às vezes sobrepondo áreas, dentro das 40 milhas náuticas da última posição conhecida do avião. Estas áreas foram calculadas com base na localização dos destroços e corpos, calculados os efeitos das correntes marinhas e do vento.
Isso é um ponto importante. Uma análise diferente poderia ter excluído esta área com base que já tinha sido vasculhada. Mas Stone e colegas optaram por incluir a possibilidade de que as balizas acústicas poderiam ter falhado, uma decisão crucial que levou diretamente à descoberta dos destroços. O ponto chave, é claro, é que a inferência bayesiana, por si só não pode resolver estes problemas. O resultado final, neste caso, pelo menos, foi a descoberta dos destroços junto com a caixa preta, que forneceu evidências vitais sobre os momentos finais da aeronave (embora ainda há alguma controvérsia sobre o que exatamente causou o desastre). Esta história da pesquisa estatística para a aeronave desaparecida é extremamente relevante agora devido à busca permanente da aeronave B777 da Malaysia Airlines, voo MH 370, que desapareceu a no voo de Kuala Lumpur para Pequim, em 8 de março 2014. Nada foi visto ou ouvido falar dele novamente.
A lição da busca por Air France vôo AF 447 é que inferência bayesiana é uma ferramenta poderosa em pesquisas deste tipo, mas que a forma como é aplicada é fundamental também.
Compartilhar:
