Incertezas na Modelagem Probabilística: Brasileirão

Modelagem probabilística aplicada ao Campeonato Brasileiro de Futebol, utilizando a linguagem Python para realizar simulações de Monte Carlo e a Leis dos Grandes Números para embasamento do cálculo das probabilidades da classificação final. Além disso, ressaltar a importância da compreensão da aleatoriedade existente nas previsões.

Vou abordar uma introdução básica sobre modelagem probabilística, explicando brevemente os conceitos de aleatoriedade, Método de Monte Carlo e Lei dos Grandes Números. Além disso, irei mostrar a modelagem probabilística aplicada ao Campeonato Brasileiro de Futebol, que foi desenvolvida utilizando a linguagem Python para realizar simulações de Monte Carlo a partir da 31ª rodada e aplicar o conceito da Lei dos Grandes Números para embasar o cálculo das probabilidades da classificação final. Após isso, será realizada uma análise sobre a aleatoriedade com base nas discrepâncias entre as previsões e os resultados reais, ressaltando imprevistos não capturados, como brigas, lesões, erros técnicos, entre outros. Todos eles impactaram significativamente os resultados, principalmente no Campeonato de 2009, no qual irei trazer as probabilidades vindas da modelagem probabilística e as notícias de acontecimentos que influenciaram no resultado ocorrido. Essa discussão é essencial para entender os desafios inerentes à modelagem probabilística em contextos tão dinâmicos e imprevisíveis quanto o futebol, além de ressaltar o risco de apostas esportivas devido a esses desafios. Vale relembrar que por mais que modelos probabilísticos capturem parte da aleatoriedade, as pessoas ainda estão expostas a ela, portanto a minha motivação é disseminar o conhecimento sobre a aleatoriedade, além de aplicar a teoria da probabilidade em problemas reais.