Validação Final — SubSet Decay v6.0

Correções Aplicadas — Todas OK

 

#	Correção	Status	Verificação
2	Lotomania (startDezena)	OK	compute(startDezena) e detecção automática
3	Ordem dos filtros (sinal → coeff)	OK	onlySig antes de minCoeff
4	Barra proporcional (maxCoeff do filtro)	OK	maxCoeff = Math.max(...data.map(...))
7	Limiar adaptativo pico	OK	Math.max(0.08, media * 1.5)
8	Bandas σ (ordem correta)	OK	±2σ antes (fundo), ±1σ depois (frente)
10	CSV com detecção de locale	OK	csvSep() + BOM UTF-8

Resumo das Melhorias Implementadas na v6.0

 

Melhoria	Status	Observação
Fix 2 — Lotomania (startDezena)	Implementado	compute(startDezena) com detecção automática
Fix 3 — Ordem dos filtros (sinal → coeff)	Implementado	onlySig antes de minCoeff
Fix 4 — Barra proporcional (maxCoeff do filtro)	Implementado	maxCoeff = Math.max(...data.map(...))
Fix 7 — Limiar adaptativo pico	Implementado	Math.max(0.08, media * 1.5)
Fix 8 — Bandas σ (ordem correta)	Implementado	±2σ antes (fundo), ±1σ depois (frente)
Fix 10 — CSV com detecção de locale + BOM	Implementado	csvSep() + \uFEFF
Alpha clamp (max 1.5)	Implementado	Math.min(1.5, alpha)
Validação maxRep × numC	Implementado	Alerta preventivo no gerador

Verificação Final — Tudo OK

1. Módulo Razão Incremental (Scionti)

• compute() com startDezena param

• Detecção automática de Lotomania (N=100, d=20)

• Limiar adaptativo para picos (max(0.08, media*1.5))

• Filtros na ordem correta (onlySig → minCoeff)

2. Bandas de Confiança (σ)

• Ordem correta: ±2σ (fundo) → ±1σ (frente)

• Cores ajustadas para melhor leitura

3. CSV Export

• Detecção de locale (csvSep())

• BOM UTF-8 para compatibilidade Excel

4. Gerador de Cartelas

• Validação maxRep × numC < numD com confirm() 

• Fallback para window._generatedCards 

5. Alpha Recência

• Clamp em 1.5 para evitar overflow

Conclusão

A ferramenta SubSet Decay v6.0 está robusta, completa e pronta para uso.

Todas as correções planejadas foram implementadas corretamente, e as melhorias adicionais (alpha clamp, validação do gerador, detecção de locale CSV) agregam valor sem introduzir novos problemas!

SubSet Decay v6.0 — Apresentação Técnica

Visão Geral

O SubSet Decay v6.0 é uma ferramenta analítica avançada para estudo estatístico de combinações em loterias, desenvolvida sob a direção técnica de SPHGF e implementada integralmente em JavaScript puro por Claude Sonnet 4.6 (Anthropic). A ferramenta aplica princípios consagrados da análise de sobrevivência — tradicionalmente utilizados em estudos de falhas industriais, ensaios clínicos e demografia — ao problema de rastreamento de sub-sets (combinações de números) em sorteios sequenciais.

Diferentemente de sistemas que tratam números de forma isolada, o SubSet Decay opera sobre combinações completas de tamanho k (sub-sets), rastreando quantas delas jamais foram sorteadas (ou não atingiram o mínimo de acertos m) ao longo da janela histórica. A partir desse rastreamento, a ferramenta constrói curvas de decaimento empíricas, compara‑as com modelos teóricos (exponencial puro e Weibull), estima bandas de confiança estocásticas, e gera rankings de prioridade baseados em múltiplos sinais preditivos — incluindo, a partir desta versão, o inédito método da Razão Incremental de Giacomo Scionti.

A ferramenta é 100% client‑side, não envia dados a servidores, e pode ser utilizada localmente em qualquer navegador moderno.

Fundamentos Teóricos do Modelo de Decaimento

O problema da cobertura de sub‑sets

Considere uma loteria com N números, dos quais d são sorteados por concurso. Um sub‑set de tamanho k é considerado coberto em um sorteio se ele contém m ou mais números presentes no sorteio (usualmente m = k, ou seja, acerto total). O universo total de sub‑sets é dado por C(N,k).

A cada novo sorteio, uma fração dos sub‑sets ainda não cobertos finalmente obtém a quantidade necessária de acertos e deixa de ser “inédita”. O processo de cobertura é estocástico, mas seu comportamento esperado é bem descrito por um decaimento exponencial:

A(t) = C(N,k) × e^{−λ·t}

onde λ é a taxa de decaimento por sorteio, calculada a partir da distribuição hipergeométrica:

λ = −ln(1 − Σ / C(N,k))

com Σ sendo o número esperado de sub‑sets cobertos por um único sorteio:

Σ = Σ_{i=m}^{k} C(d,i) · C(N−d, k−i)

Esta formulação deriva diretamente do trabalho de Feller (1968) sobre probabilidade combinatória e é a base de todo o sistema.

Tempo característico e limiar de saturação

Define‑se o tempo normal como:

T_normal = ln(C(N,k)) / λ

que representa o número esperado de sorteios para que o ciclo de cobertura se complete (análogo ao “tempo de vida médio” num processo de decaimento radioativo). A partir dele, o sistema calcula um limiar operacional:

T_max = T_normal × 1,33

que é utilizado para normalizar o atraso de cada sub‑set no Priority Index:

ScoreAtraso = min(1, delay / T_max)

Um sub‑set com atraso igual a T_normal recebe ScoreAtraso ≈ 0,75; o score máximo 1,0 só é atingido quando o atraso supera T_normal em 33% — garantindo que apenas sub‑sets genuinamente anômalos sejam maximamente priorizados.

Weibull — Quando a Taxa Não É Constante

O modelo exponencial assume λ constante (processo sem memória), mas dados reais frequentemente mostram que sub‑sets muito atrasados desaparecem mais rápido que o esperado (ou, inversamente, que a cobertura diminui mais lentamente no início). Para capturar esse comportamento, a ferramenta estima a distribuição de Weibull (Weibull, 1951), cuja função de hazard é:

h(t) = (β/η) × (t/η)^{β−1}

• β = 1: risco constante (idêntico ao exponencial).

• β > 1: risco crescente — sub‑sets muito atrasados “desaparecem” mais rápido que o previsto pelo modelo exponencial nos dados históricos.

• β < 1: risco decrescente — mortalidade precoce, comum em sistemas onde a cobertura inicial é muito rápida.

Os parâmetros β e η são estimados por regressão linear em log(−log S(t)) × log t, conforme o NIST/SEMATECH e-Handbook of Statistical Methods (cap. 8.1.6.2). O R² dessa regressão é apresentado como indicador de qualidade do ajuste.

Taylor — Diagnóstico de Curvatura dos Resíduos

O modelo exponencial puro pode não capturar dinâmicas mais complexas na janela analisada. Para diagnosticar essa limitação, a ferramenta ajusta um polinômio de grau 2 sobre os resíduos:

R(t) = A_real(t) − A_teórico(t) ≈ a₀ + a₁·(t−T₀) + a₂·(t−T₀)²

e exibe o R² de Taylor. Um R² alto com |a₂| grande indica curvatura não explicada pelo exponencial — um sinal de que a taxa de decaimento não é constante no período observado. Trata‑se de uma ferramenta de auditoria do modelo (Klein & Moeschberger, 2003), não de um componente preditivo.

Bandas de Confiança Estocástica e Índice de Anomalia (IA)

A curva exponencial representa a expectativa, mas a trajetória real flutua. Para quantificar essa flutuação, a ferramenta calcula o desvio padrão empírico σ dos resíduos normalizados:

r(t) = [A_real(t) − A_teórico(t)] / A_teórico(t)   ,   σ = desvio padrão de {r(t)}

No gráfico de Decaimento, duas faixas são sobrepostas à curva exponencial:

• Faixa verde ±1σ: região onde ~68% dos pontos devem cair (variação normal).

• Faixa vermelha ±2σ: região onde ~95% dos pontos devem cair. Pontos além dela são estatisticamente anômalos.

O mesmo σ é utilizado para calcular o Índice de Anomalia (IA) de cada sub‑set atrasado:

IA = Percentil( |delay − T_normal| / (T_normal × σ) ) × 100

A classificação é apresentada nas abas Ranking e Recorrentes:

• N < 68% (verde): dentro de ±1σ — atraso esperado.

• ⚠ 68–95% (laranja): entre ±1σ e ±2σ — atraso elevado.

• > 95% (vermelho): além de ±2σ — atraso muito anômalo (menos de 5% dos sub‑sets).

Priority Index — Score Composto Ponderado

O coração da ferramenta é um índice de prioridade que combina cinco (ou seis) componentes independentes, todos normalizados entre 0 e 1:

Score(S) = wA×ScoreAtraso + wF×PressãoDez + wW×h(t)_Weibull + wQ×BônusQuase + wR×Recência

• ScoreAtraso: min(1, delay / T_max) — quanto mais o sub‑set ultrapassa T_normal, maior o score (satura em 1,0).

• PressãoDez: média da pressão de cobertura das dezenas que compõem o sub‑set (dezenas atrasadas e pouco frequentes na janela recebem pressão alta).

• h(t)_Weibull: percentil empírico de h(delay) na distribuição de hazard — escala invariante aos parâmetros β e η.

• BônusQuase: fração de sorteios recentes onde o sub‑set obteve m−1 acertos — detecta proximidade da cobertura.

• Recência (Amoxset): ponderação exponencial pela antiguidade dos sorteios (α<1 favorece sorteios recentes; α>1 favorece histórico estável; α=1 equivale à frequência simples). Desligado por padrão (wR=0).

Os pesos são configuráveis pelo usuário e normalizados automaticamente. Quando C(N,k) > 5.000.000, o ranking exato é desabilitado (modo estatístico puro).

Sub‑sets Recorrentes — Motor Independente

Além do Priority Index, a ferramenta possui um motor independente para detectar sub‑sets que já apareceram ≥2 vezes e cujo atraso desde a última aparição é estatisticamente anômalo. O modelo baseia‑se na distribuição geométrica:

P(X > t) = (1−p)^t   ,   μ = 1/p   ,   σ = √(1−p)/p

• Z-score = (delay − μ) / σ → valores ≥ 2,0 indicam anomalia (~2,3% de probabilidade sob hipótese nula).

• P‑valor = (1−p)^delay → valores ≤ 0,01 indicam anomalia.

O motor é completamente independente do Priority Index e também exige C(N,k) ≤ 5.000.000 para operação exata.

LotoAnalyzer — Projeção Posicional e Frequência

Enquanto o SubSet Decay trabalha com combinações, o LotoAnalyzer opera no nível das dezenas individuais, combinando duas abordagens:

1. Frequência acumulada na janela — as dezenas mais frequentes nos últimos N sorteios.

2. Regressão linear por posição — para cada dezena, projeta‑se sua posição esperada no ranking baseado em histórico ponderado por recência.

O resultado é uma sugestão de dezenas para o próximo concurso, exibida em três camadas:

• Consenso (verde): dezenas sugeridas por ambos os métodos.

• Frequência (amarelo): sugeridas apenas pelo critério de frequência.

• Regressão (azul): sugeridas apenas pelo critério de regressão.

O LotoAnalyzer alimenta o sinal LotoA na Fusão de Sinais do Gerador.

Razão Incremental — Método Giacomo Scionti (Novidade v6.0)

A grande inovação desta versão é a implementação completa do método de Razão Incremental, desenvolvido e publicado pelo pesquisador italiano Giacomo Scionti nos fóruns wheels.forumcommunity.net. Trata‑se de uma abordagem original que introduz o conceito de tensão acumulada por dezena, baseada em dois atrasos complementares.

RitAtt e RitSnc — Os Dois Atrasos

Para cada dezena, o método define dois contadores:

• RitAtt (Ritardo Attuale) – atraso simples: número de sorteios desde a última saída da dezena.

• RitSnc (Ritardo Sincrono) – atraso de isolamento: número de sorteios desde que a dezena ficou sozinha, ou seja, desde que todos os outros números que saíram junto com ela na última vez já saíram novamente.

A intuição de Scionti é que uma dezena não está apenas atrasada — ela pode estar isolada após seus antigos companheiros terem reaparecido. Esse isolamento confere à dezena uma “tensão” maior do que o mero atraso sugeriria.

Coeficiente de Tensão e Razão Incremental

A partir dos dois atrasos, calcula‑se o coeficiente de tensão:

Coeff = RitSnc / RitAtt    (valores típicos entre 0 e 1)

• Coeff → 0: dezena acabou de sair, sem tensão.

• Coeff → 1: dezena ficou sozinha desde o início do atraso — máxima tensão relativa.

A Razão Incremental (RI) é a velocidade de variação desse coeficiente entre sorteios consecutivos:

RI(t) = Coeff(t) − Coeff(t−1)

• RI > 0: tensão aumentando — a dezena está acumulando pressão.

• RI ≈ 0: platô — sistema estável.

• RI < 0 após pico local: tensão liberando — sinal de possível saída próxima (transição de nível superior para inferior, na linguagem de Scionti).

Score RI e Fusão de Sinais

Para integrar o método Scionti ao Gerador de cartelas, o sistema normaliza o Coeff de cada dezena para o intervalo [0,1] e aplica um bônus de 20% às dezenas que apresentam RI negativo após pico local (sinal de saída). Esse Score RI é então utilizado como um dos seis sinais na fusão, com peso configurável de 0 a 100.

Geometria Geodésica (componente estrutural)

Scionti também propõe uma moldura geométrica inspirada na métrica de Minkowski, onde as separações entre eventos são calculadas como:

s = √|Δt² − ΔRitAtt² − ΔRitSnc²|

e define duas geodésicas fundamentais por fatoração prima:

• AB = 2² × 3 × 13 = 156

• AC = 2 × 3³ × 5 = 270

Estes valores definem intervalos “ressonantes” do sistema — múltiplos deles indicariam alinhamento com a estrutura geodésica. Na implementação atual, esta parte é exibida como referência teórica na aba  Razão Incremental, uma vez que representa o aspecto mais filosófico do método de Scionti.

Recência Exponencial — Método Amoxset

Outra contribuição externa incorporada à ferramenta é o método de recência exponencial proposto por Amoxset no fórum Multipasko Polônia (2026). A fórmula calcula um score para cada dezena baseado nos sorteios mais recentes, com pesos decaindo exponencialmente:

Score_rec(n) = Σ_{i=0}^{W−1} αⁱ × I(n aparece i sorteios atrás) / Σ_{i=0}^{W−1} αⁱ

• i = 0: sorteio mais recente, peso máximo = 1.

• α < 1: sorteios antigos pesam menos (memória curta).

• α = 1: todos os sorteios pesam igual (frequência simples).

• α > 1 (até 1,5): sorteios antigos pesam mais (detecta presença histórica estável).

O score é normalizado entre 0 e 1 e pode ser ativado como componente do Priority Index (wR) ou como sinal na fusão do Gerador.

Fusão de Sinais e Gerador de Cartelas

A ferramenta combina seis fontes preditivas independentes em um ranking único de dezenas, com pesos configuráveis pelo usuário:

1. LotoAnalyzer — projeção posicional + frequência.

2. SubSet Decay — pressão via top N sub‑sets atrasados.

3. Mapa de Calor — temperatura da dezena (atraso × frequência na janela).

4. Recência Amoxset — ponderação exponencial por antiguidade.

5. Hazard Weibull — risco agregado dos top sub‑sets.

6. Scionti RI — tensão acumulada + sinal de saída.

O ranking de fusão é exibido em tempo real enquanto o usuário ajusta os sliders. A partir dele, o Gerador produz cartelas com as seguintes características:

• Respeita dezenas obrigatórias e excluídas.

• Limita repetição máxima por dezena (maxRep).

• Força diversidade mínima de 25% entre cartelas consecutivas.

• Valida paridade, soma ideal e sequências máximas.

• Exporta cartelas em TXT ou CSV (com separador detectado pelo locale e BOM UTF‑8 para Excel).

Um alerta preventivo avisa quando maxRep × numCartelas < dezenasPorCartela, condição que inviabilizaria a geração.

Tecnologias e Arquitetura

• HTML5 / CSS3 — interface responsiva com temas escuros, grids adaptativas e componentes estilizados.

• JavaScript ES6+ — puro, sem frameworks, organizado em módulos funcionais independentes.

• Chart.js 4.4 — gráficos interativos (decaimento, resíduos, distribuições, scatter).

• Google Fonts — IBM Plex Mono para dados, Outfit para textos.

• Algoritmo invertido — rastreamento de sub‑sets via O(C(d,k)) por sorteio, em vez de O(C(N,k)), permitindo processamento de dezenas de milhares de combinações em tempo real.

• 100% client‑side — nenhum dado é enviado a servidores; toda análise ocorre localmente no navegador.

Limitações e Aviso Legal

• Loterias são processos i.i.d. (independentes e identicamente distribuídos). O modelo descreve a expectativa estatística de cobertura histórica; não implica que sub‑sets atrasados estejam “devidos” a sair. A falácia do apostador não tem amparo matemático.

• β > 1 e IA > 95% são desvios empíricos observados, não forças preditivas.

• Quando C(N,k) > 5.000.000, o ranking exato e a análise de recorrência são desabilitados (modo estatístico puro).

• A ferramenta é fornecida para estudo e análise descritiva. Não garante prêmios. Jogue com responsabilidade.

Créditos e Referências Científicas

Conclusão

O SubSet Decay v6.0 representa um amálgama rigoroso de teoria estatística (decaimento exponencial, Weibull, bandas de confiança, geométrica), inovações da comunidade (recência Amoxset, Razão Incremental Scionti) e engenharia de software eficiente. É uma ferramenta de estudo poderosa para quem deseja compreender, sob uma ótica quantitativa, o comportamento de cobertura de combinações em sistemas lotéricos — sempre com a consciência de que a aleatoridade inerente a esses jogos impede qualquer garantia de acerto.

SubSet Decay v6.0 — Hazard · Weibull · Razão Incremental Scionti - Junho 2026
Análise estatística descritiva para estudos de cobertura em loterias.