Métodos de Apoio à Decisão: Teoria Matemática das Eleições

Os sistemas de votação são métodos matemáticos usados para escolher candidatos ou distribuir mandatos. Nos sistemas maioritários, o candidato mais votado ganha tudo. Podem ser de uma volta (ganha o mais votado), duas voltas (os dois mais votados vão para segunda volta) ou várias voltas até haver maioria absoluta.

Já os sistemas de representação proporcional tentam distribuir lugares proporcionalmente aos votos. O Método de Hondt divide os votos por 1, 2, 3... e distribui lugares pelos maiores quocientes. O Método de Saint-Laguë segue lógica semelhante, mas divide os votos por números ímpares.

Nos sistemas preferenciais, os eleitores ordenam os candidatos por preferência. O Método de Borda atribui pontuações conforme a posição na lista, enquanto o Método de Condorcet compara candidatos dois a dois.

⚠️ Atenção! Na maioria das questões de exame sobre sistemas eleitorais, terás de aplicar o método mais adequado a uma situação e justificar a tua escolha - não basta conhecer a teoria!

Teoria da Partilha Equilibrada

Quando precisas dividir objetos indivisíveis (como casas ou carros), existem métodos matemáticos que garantem divisões justas. No Método do Ajuste na Partilha, cada pessoa distribui 100 pontos pelos itens, e após a atribuição inicial, transferem-se itens para equilibrar a pontuação.

O Método das Licitações Secretas é mais complexo: cada um atribui valor monetário aos itens, recebe os que mais valorizou e há compensações financeiras para equilibrar. O valor justo é calculado como o total atribuído dividido pelo número de intervenientes.

Para bens contínuos (como um terreno), o Método do Divisor-Selecionador é simples: um divide, outro escolhe. Já o Método Livre de Inveja evita que alguém prefira a parte de outro à sua própria.

A beleza destes métodos está em como garantem que ninguém se sinta prejudicado, mesmo quando as pessoas valorizam os itens de forma diferente. Aplica sempre o método que melhor se adequa à natureza dos bens a partilhar.

💡 Dica! Em questões de partilha, desenha uma tabela com os valores atribuídos por cada interveniente - isso torna o problema muito mais fácil de resolver!

Estatística Descritiva

A estatística permite-te organizar e interpretar dados de forma significativa. Ao trabalhar com dados brutos, o primeiro passo é organizá-los em tabelas de frequência. A frequência absoluta (fi) conta quantas vezes um valor aparece, enquanto a frequência relativa (fri) é essa contagem dividida pelo total de observações.

Para dados contínuos, usamos a Regra de Sturges para determinar o número adequado de classes. Depois, podemos criar representações gráficas como histogramas, gráficos de barras ou diagramas de extremos e quartis para visualizar a distribuição.

As medidas de localização como média, mediana e moda indicam valores centrais, enquanto as medidas de dispersão como desvio-padrão e amplitude indicam o quanto os dados estão espalhados. Para analisar a relação entre duas variáveis, usamos dados bivariados através de diagramas de dispersão e coeficientes de correlação.

🔍 Não te esqueças: A estatística não é só sobre cálculos, mas principalmente sobre interpretação! Um gráfico bem escolhido pode revelar tendências que números sozinhos escondem.

Modelos Matemáticos

Os modelos matemáticos são ferramentas poderosas para explicar e prever fenômenos do mundo real. Os modelos financeiros ajudam a compreender juros, empréstimos e investimentos. Em contexto bancário, aprendemos a calcular taxas de juro, prestações e a analisar a melhor opção para empréstimos.

Os modelos de grafos são esquemas visuais com vértices e arestas que representam relações. Os grafos eulerianos permitem percorrer todas as arestas sem repetição, enquanto os grafos hamiltonianos permitem visitar todos os vértices uma única vez. As árvores são grafos especiais sem ciclos, úteis para otimização.

Os modelos populacionais descrevem como populações mudam ao longo do tempo. O modelo linear apresenta crescimento constante, o exponencial mostra crescimento cada vez mais rápido, o logarítmico cresce inicialmente rápido e depois abranda, e o logístico tem um limite máximo de crescimento.

🌱 Curiosidade: Os modelos logísticos são muito usados para descrever o crescimento de populações reais, onde recursos limitados impedem o crescimento indefinido. Pensa como as cidades têm limites físicos de expansão!

Modelos de Probabilidade

A teoria da probabilidade permite quantificar a incerteza. Começamos com noções básicas como experiências aleatórias, espaço de resultados e acontecimentos. A Lei de Laplace calcula probabilidades como o quociente entre casos favoráveis e casos possíveis.

A probabilidade condicional determina a probabilidade de um acontecimento sabendo que outro já ocorreu. A regra de Bayes permite-nos atualizar probabilidades com base em novas informações - super útil em diagnósticos médicos ou sistemas de recomendação!

Uma variável aleatória associa números aos resultados de uma experiência. As distribuições de probabilidade descrevem como os valores se distribuem. A distribuição binomial modela experiências com apenas dois resultados possíveis, enquanto a distribuição normal (curva em forma de sino) é fundamental para a estatística.

🎲 Truque rápido: Quando não sabes se deves usar a distribuição binomial, verifica se a experiência tem número fixo de tentativas independentes com probabilidade constante de "sucesso" - se sim, é binomial!

Inferência Estatística

A inferência estatística permite tirar conclusões sobre uma população a partir de uma amostra. O Teorema do Limite Central garante que a distribuição das médias amostrais se aproxima da distribuição normal, mesmo quando a população original não segue essa distribuição.

Os intervalos de confiança são intervalos que contêm o verdadeiro valor do parâmetro populacional com uma certa probabilidade (nível de confiança). Para estimar uma proporção, usamos a fórmula específica que incorpora a proporção amostral e o tamanho da amostra.

Quanto maior o tamanho da amostra, mais estreito será o intervalo de confiança, o que significa mais precisão na estimativa. O nível de confiança, geralmente 95% ou 99%, determina quão "seguros" estamos de que o intervalo contém o valor verdadeiro.

📏 Importante! Nos exames, presta atenção ao que é pedido: se é um intervalo com 95% ou 99% de confiança, e se estás a estimar uma média ou uma proporção - as fórmulas são diferentes!