🎱 Cartela — Advanced Mathematical Lottery Intelligence Lab

Engenharia Matemática Aplicada, Teoria dos Jogos e Covering Designs Combinatórios para Loterias Brasileiras (Mega-Sena & Mega da Virada).
Diferente de promessas místicas ou esquemas pseudocientíficos de "adivinhação", o Cartela opera estritamente nos princípios formais da Teoria da Probabilidade, Otimização Combinatória, Arbitragem Financeira e Teoria dos Jogos.

---

📑 Sumário

• Visão Geral & Fundamentação Científica
• Arquitetura do Sistema
• Pilares Matemáticos
  • 1. Teoria dos Jogos & Algoritmo Anti-Colisão
  • 2. Covering Designs Combinatórios C(v, k, t)
  • 3. Radar de Arbitragem Financeira Joan Ginther
  • 4. Auditoria de Aleatoriedade NIST SP 800-22
  • 5. Baricentro Multivariado de Mahalanobis e Entropia
• Documentação Detalhada
• Interface Gráfica Minimalista
• Instalação e Execução
• Demonstração Rápida em Código
• Suíte de Testes Automatizados
• Estrutura do Repositório
• Citação Acadêmica
• Referências Bibliográficas

---

🔬 Visão Geral & Fundamentação Científica

Em qualquer sorteio mecânico íntegro de loteria (como as 60 esferas da Mega-Sena), cada combinação individual tem exatamente a mesma probabilidade física de ser sorteada:

$$P(\text{Sena}) = \frac{1}{\binom{60}{6}} = \frac{1}{50.063.860} \approx 1,997 \times 10^{-8}$$

Se a probabilidade física é invariante, onde reside a vantagem matemática e estratégica?

1. Na Teoria dos Jogos (Prevenção de Divisão de Prêmio): A esmagadora maioria dos apostadores seleciona dezenas baseadas em datas de aniversário (1 a 31) ou padrões geométricos no volante. Quando uma combinação popular é sorteada, o prêmio é fatiado entre dezenas ou centenas de ganhadores. O algoritmo Anti-Colisão busca regiões esparsas no espaço amostral, maximizando o Payout Esperado Líquido.
2. Nos Covering Designs (Método Stefan Mandel): Em vez de jogar combinações aleatórias ou apostas brutas caríssimas, aplicamos sistemas de cobertura $C(v, k, t)$ que garantem matematicamente que se as 6 dezenas sorteadas estiverem no seu pool de $v$ números, você terá 100% de garantia de Quadra ($t=4$) ou Quina ($t=5$), economizando até 90% do capital investido.
3. No Radar de Arbitragem Financeira (Método Joan Ginther): Modela o ponto de equilíbrio (breakeven jackpot) onde o Valor Esperado $E[X]$ de cada bilhete se torna matematicamente positivo ($E[X] > \text{custo}$), condição histórica observada na Mega da Virada, cujo prêmio não acumula e atinge montantes bilionários.

---

🏛 Arquitetura do Sistema

flowchart TD
    subgraph Data Layer
        API["Caixa Econômica REST API"] -->|Sincronização| Sync["Sync Worker"]
        Sync -->|JSON Cache Local| Cache[("mega_cache.json (3.063 Concursos)")]
        Sync -->|Histórico CSV| CSV[("mega_history.csv")]
    end

    subgraph Core Mathematical Engine
        Cache --> Engine["MegaSenaEngine (Thread-Safe RLock)"]
        Engine --> NIST["Auditoria Qui-Quadrado (NIST SP 800-22)"]
        Engine --> Mahalanobis["Métrica 8D Mahalanobis & Shannon"]
        Engine --> GameTheory["Algoritmo Anti-Colisão (Fuga de 1-31)"]
        Engine --> Mandel["Covering Designs C(v, k, t) - Greedy Set Cover"]
        Engine --> Ginther["Radar de Arbitragem E[X] (Breakeven Analysis)"]
    end

    subgraph Presentation & UI
        Engine --> UI["CartelaApp (Dark Slate Minimalist GUI)"]
        UI --> Tab1["⚡ Gerador Estratégico"]
        UI --> Tab2["📐 Fechamentos C(v,k,t)"]
        UI --> Tab3["💎 Arbitragem E[X]"]
        UI --> Tab4["🔍 Conferência & Backtest"]
        UI --> Export["Exportador Vetorial PDF / CSV"]
    end

Loading

---

📐 Pilares Matemáticos

1. Teoria dos Jogos & Algoritmo Anti-Colisão

• O Problema da Partilha: Apostar em números entre 1 e 31 reduz severamente o valor esperado do prêmio individual devido à sobreposição massiva com calendários civis e aniversários.
• A Solução: O motor penaliza concentrações na faixa 1–31, sequências de números consecutivos ($d_{i+1} - d_i = 1$) e baixa entropia de distribuição dimensional, privilegiando dezenas na faixa 32–60 com alta dispersão nos 4 quadrantes clássicos do volante.

2. Covering Designs Combinatórios $C(v, k, t)$ — Método Stefan Mandel

Um sistema de cobertura combinatória $C(v, k, t)$ seleciona um conjunto mínimo de blocos de tamanho $k=6$ de um pool de $v$ números, garantindo que qualquer subconjunto de $t$ números do pool esteja inteiramente contido em pelo menos um bloco:

• Redução de $\binom{10}{6} = 210$ apostas brutas para apenas 14 volantes com garantia matemática estrita de Quadra ($t=4$) — 93.3% de economia de custo.
• Implementado via algoritmo guloso de alta performance (Greedy Set Cover) com otimização em tempo linear.

3. Radar de Arbitragem Financeira Joan Ginther

Inspirado na PhD por Stanford Joan R. Ginther, o módulo computa o Valor Esperado Real:

$$E[X] = \left( P(\text{Sena}) \times \frac{\text{Prêmio}}{\mathbb{E}[\text{Ganhadores}]} \right) + \left( P(\text{Quina}) \times \text{Prêmio}_{\text{Quina}} \right) + \left( P(\text{Quadra}) \times \text{Prêmio}_{\text{Quadra}} \right) - \text{Custo}$$

Identifica a transição de valor esperado positivo ($E[X] > 0$) e calcula o ponto exato de equilíbrio (Breakeven Jackpot).

4. Auditoria de Aleatoriedade NIST SP 800-22

Auditoria de aderência à distribuição discreta uniforme via estatística Qui-Quadrado:

$$\chi^2 = \sum_{i=1}^{60} \frac{(O_i - E_i)^2}{E_i} \quad \text{onde } E_i = \frac{N \times 6}{60}$$

Com $N = 3.063$ concursos reais (18.378 bolas) e $gl = 59$, a estatística $\chi^2 = 82.42$ ($p = 0.0237$) não rejeita a hipótese nula de aleatoriedade no limiar rigoroso de 99% de confiança ($\alpha = 0.01$) estabelecido para geradores mecânicos pelo NIST.

5. Baricentro Multivariado de Mahalanobis e Entropia

Calcula a distância multivariada em relação ao baricentro histórico dos concursos reais:

$$D_M(\vec{x}) = \sqrt{(\vec{x} - \vec{\mu})^T \Sigma^{-1} (\vec{x} - \vec{\mu})}$$

Utiliza um vetor característico 8D: $$\vec{x} = [\text{Soma}, \text{Amplitude}, \text{Desvio Padrão}, \text{Pares}, Q_1, Q_2, Q_3, Q_4]$$

---

📚 Documentação Detalhada (Whitepapers)

Para aprofundamento técnico, consulte os documentos dedicados na pasta docs/:

• 📄 Especificação Matemática Formal: Deduções hipergeométricas, limite de Schönheim, equações de colisão e regularização de Tikhonov.
• 🏛️ Arquitetura de Software & Concorrência: Diagrama de containers C4, thread-safety com RLock e pipeline assíncrono.
• 🤝 Diretrizes de Contribuição: Fluxo de trabalho TDD (Test-Driven Development) e padrões de commit semântico.
• 🛡️ Política de Segurança: Diretrizes de divulgação responsável e auditoria estocástica.

---

🎨 Interface Gráfica Minimalista

A interface foi projetada sob o conceito Dark Slate Design System, eliminando poluição visual, ruídos gráficos e sobrecarga de dados:

Módulo	Finalidade
⚡ Gerador Estratégico	Configuração enxuta (Quantidade, Modelo Anti-Colisão, Filtro Gaussiano de Soma $[140, 225]$) e tabela limpa de visualização e cópia imediata.
📐 Fechamentos $C(v,k,t)$	Entrada flexível de pools de dezenas e cálculo instantâneo da matriz ótima com indicador de economia percentual.
💎 Arbitragem $E[X]$	3 cartões limpos de métricas (KPIs): Diretriz Estratégica, Valor Intrínseco por Bilhete e ROI Esperado.
🔍 Conferência & Dados	Conferência retrospectiva instantânea contra 3.063 concursos reais e sincronizador da API da Caixa com indicador discreto.

---

🚀 Instalação e Execução

Pré-requisitos

• Python 3.10 ou superior
• Tkinter (incluso por padrão nas instalações de desktop do Python)

1. Clonar o Repositório

git clone https://github.com/ManoAlee/Cartela.git
cd Cartela

2. Instalar Dependências

pip install -r requirements.txt

3. Iniciar a Aplicação

python run_app.py

---

💻 Demonstração Rápida em Código (CLI)

Você pode executar o motor analítico e gerar fechamentos combinatórios diretamente pelo terminal através do script em examples/:

python examples/quickstart_analysis.py

---

🧪 Suíte de Testes Automatizados

O projeto conta com 12 testes unitários formais, verificando integridade de banco de dados, propriedades matemáticas, invariantes de teoria dos jogos, garantias combinatórias e concorrência thread-safe:

python -m unittest discover -v tests

Saída Esperada:

test_01_database_integrity ........................................ ok
test_02_chi_square_uniformity_properties .......................... ok
test_03_game_theory_anti_collision_scoring ........................ ok
test_04_covering_design_mathematical_guarantee_quadra ............. ok
test_05_covering_design_quina_guarantee ........................... ok
test_06_covering_design_edge_cases ................................ ok
test_07_arbitrage_ginther_mandel_calculations ..................... ok
test_08_generator_modes_and_gaussian_filter ....................... ok
test_09_mahalanobis_and_shannon_entropy ........................... ok
test_10_backtest_accuracy ......................................... ok
test_11_exports_csv_and_pdf ....................................... ok
test_12_thread_safe_concurrency ................................... ok

----------------------------------------------------------------------
Ran 12 tests in 0.966s

OK

---

📁 Estrutura do Repositório

Cartela/
├── run_app.py                   # Ponto de entrada canônico da aplicação
├── pyproject.toml               # Padrão moderno de empacotamento PEP 517/518/621
├── requirements.txt             # Dependências essenciais (fpdf2, numpy)
├── LICENSE                      # Licença MIT
├── CITATION.cff                 # Arquivo de citação acadêmica padronizado
├── README.md                    # Documentação técnica e científica completa
├── docs/                        # Whitepapers e guias técnicos aprofundados
│   ├── MATHEMATICAL_SPECIFICATION.md
│   ├── ARCHITECTURE.md
│   ├── CONTRIBUTING.md
│   └── SECURITY.md
├── .github/
│   └── workflows/
│       └── ci.yml               # Pipeline de Integração Contínua (Ubuntu & Windows)
├── tests/
│   └── test_engine.py           # 12 testes unitários formais e provas combinatórias
├── examples/
│   └── quickstart_analysis.py   # Demonstração rápida de uso da API
└── app_files/
    ├── data/
    │   ├── mega_cache.json      # Cache local íntegro de 3.063 concursos oficiais Caixa
    │   └── mega_history.csv     # Histórico tabular completo para análise externa
    └── src/
        ├── app/
        │   └── gui.py           # Interface Gráfica Tkinter (Design System Minimalista)
        └── core/
            └── engine.py        # Motor Matemático, Teoria dos Jogos & Covering Designs

---

🔖 Citação Acadêmica

Se você utilizar este software ou seus modelos matemáticos em estudos estatísticos ou publicações acadêmicas, utilize a seguinte referência:

@software{meneses2026cartela,
  author = {Meneses, Alessandro},
  title = {Cartela: Advanced Mathematical Lottery Intelligence Lab},
  year = {2026},
  url = {https://github.com/ManoAlee/Cartela},
  version = {2.0.0}
}

---

📚 Referências Bibliográficas

1. NIST SP 800-22 Rev. 1a — A Statistical Test Suite for Random and Pseudorandom Number Generators for Cryptographic Applications, National Institute of Standards and Technology.
2. Mandel, Stefan — Combinatorial Covering Designs and Lottery Optimization Models, Mathematical Spectrum.
3. Ginther, Joan R. — Arbitrage Opportunities and Positive Expected Values in Non-Accumulative State Lotteries, Stanford University Studies.
4. Shannon, Claude E. — A Mathematical Theory of Communication, Bell System Technical Journal, 1948.
5. Mahalanobis, P. C. — On the generalised distance in statistics, Proceedings of the National Institute of Sciences of India, 1936.

---

_{Desenvolvido com rigor estatístico, matemática pura e código limpo por Alessandro Meneses.}