
O ser humano odeia o escuro da dúvida. Desde sempre, a gente tenta adivinhar o que vai acontecer no dia seguinte, seja olhando a previsão do tempo ou criando modelos matemáticos, como Monte Carlo.
Um termo técnico apareceu na internet depois que o governador de São Paulo, Tarcísio de Freitas (Republicadnos), postou um vídeo propondo o uso da matemática para prever o resultado das eleições do segundo turno usando a Simulação de Monte Carlo.
O método de Monte Carlo nasceu no meio de um dos momentos mais tensos da história, que foi em meados de 1940.
Durante o Projeto Manhattan, conhecido por criar a primeira bomba atômica, cientistas como John von Neumann e Stanislaw Ulam precisavam calcular como os nêutrons se espalhavam.
Uma situação familiar gerou o método
O problema é que as contas eram complexas demais para resolver no papel.
A ideia de como solucionar esse problema veio de Ulam, que pensou em uma situação familiar. Ele lembrou que seu tio adorava jogar nos cassinos de Monte Carlo, em Mônaco.
Ele percebeu que a lógica dos jogos de azar podia ajudar a resolver problemas científicos. Se era impossível adivinhar o caminho exato de uma única partícula, dava para simular milhares de caminhos aleatórios e, por amostragem, descobrir o resultado mais provável.
Para visualizar como isso funciona na prática, imagine que você queira saber a área de um buraco irregular no chão.
Em vez de sofrer com fórmulas geométricas ensinadas na escola, você desenha um quadrado perfeito em volta dele e começa a jogar milhares de pedras ali dentro, de forma aleatória.
No final, você só precisa contar. Se de 1000 pedras, 800 caíram dentro desse buraco e 200 caíram fora, a estatística te mostra que a buraco ocupa 80% da área total daquele quadrado. É uma estimativa precisa.
Monte Carlo não representa certeza de acerto
Nos cálculos feitos em um computador, a Simulação de Monte Carlo faz exatamente isso. O usuário insere variáveis que mudam o tempo todo em um programa, e o computador roda o mesmo cenário milhões de vezes, alterando os números de forma aleatória cada vez que o programa é rodado.
O resultado final não traz uma certeza, mas entrega um mapa de probabilidades apontando o caminho mais provável daquele evento acontecer.
Em situações que estão altamente relacionadas com as nossas dúvidas, como o que levar na mochila quando sair de casa pela manhã, esse método contribui permitindo aos meteorologistas simularem milhares de frentes frias e diferentes pressões para estimar as chances de chuva em um dia.
No fim das contas, o Método de Monte Carlo mostra que o acaso, quando repetido exaustivamente dentro de um processador, gera padrões exatos.
Como vimos, a matemática é usada para mostrar os resultados possíveis de situações que geram dúvidas sobre o momento seguinte, ajudando tomar decisões.
