O maquinário atrás da cabine.
Se a nota anterior explicou por que observamos comportamento sem plateia, esta explica com que ferramentas. Cinco famílias de método estatístico e computacional sustentam o gêmeo digital brasileiro — vindas de literatura acadêmica canônica, não de invenção proprietária. Uma nota leve sobre o que se usa, sem entrar em receita.
Método é o que decide se um gêmeo digital descreve o Brasil ou uma versão inventada dele. Se a calibração é frouxa, a persona vira estereótipo de focus group ruim. Se a simulação não propaga incerteza, o output vira ponto onde deveria ser distribuição. Se a validação não é cega, a Mimetica estaria assinando os próprios trabalhos como quem se auto-diploma. Esta nota lista as cinco famílias de método que impedem cada uma dessas três armadilhas — em linguagem editorial, com nomes canônicos, sem o passo a passo. Para o passo a passo, existe o par técnico deste post na sala de leitura restrita.
Como uma amostra artificial bate com o país oficial.
Todo gêmeo digital Mimetica começa como esqueleto calibrado contra marginais oficiais brasileiras — IBGE Sidra, PNAD Contínua, POF, PNS, Vigitel, TSE. A técnica canônica que faz isso se chama raking, ou Iterative Proportional Fitting, publicada por Deming e Stephan em 1940. O algoritmo ajusta iterativamente uma distribuição conjunta até que todas as marginais oficiais batam simultaneamente, preservando as razões de chance observadas no dado real. Não é chute — é protocolo estatístico clássico usado em demografia, epidemiologia e estudos de mobilidade urbana há oito décadas.
Onde o esqueleto categórico é insuficiente — renda contínua, idade fina, escolaridade em anos —, a cópula gaussiana (Sklar, 1959) injeta correlações rank-preserving ancoradas em literatura brasileira. Uma pessoa de 55 anos não tem a mesma distribuição de renda que uma de 25; o algoritmo preserva essa correlação em vez de assumir independência.
Rodar o filme, não tirar a foto.
Pesquisa tradicional tira uma foto: uma amostra, um resultado, um intervalo de confiança. Simulação roda o filme: mil amostras, mil resultados, uma distribuição inteira de outcomes possíveis. A técnica canônica se chama Monte Carlo (Metropolis-Ulam, 1949) e é o método que a Mimetica usa para propagar incerteza através de qualquer engine que não seja linear. Padrão canônico: N=1000 execuções, seeds fixadas para reprodutibilidade bit-exact.
Duas técnicas ortogonais entram no mesmo agrupamento. O teste de permutação (Fisher, 1935) mede significância estatística sem assumir distribuição — quando o alvo tem cauda estranha, a randomização direta substitui suposições paramétricas. E o contrato de saída canônico da Mimetica para toda simulação com LLM: soft distribution. O modelo devolve distribuição percentual com rationale citado ("60% trocam, 22% trocam de vez, 18% não trocam"), nunca escolha binária. Escolha dura fabrica variância artificial que se acumula em N grande.
Onde a estatística normal mente sistematicamente.
A distribuição normal assume que o improvável é irrelevante. A realidade macro-financeira, epidemiológica e política brasileira tem cauda pesada — o improvável, quando acontece, decide o resultado. A técnica canônica para modelar a cauda direita se chama POT + GPD (Peak-Over-Threshold com Generalized Pareto Distribution, Pickands 1975, Balkema-de Haan 1974) — teoria de valores extremos aplicada.
É a técnica que sustenta a lente Taleb no sistema. E é também onde a Mimetica faz o corte epistemológico mais importante: quando a cauda observada tem massa estatística, o alerta é statistical. Quando é extrapolação além do observado, o alerta é epistemic_unknown — passivo, em sidebar de auditoria, nunca em push notification. Honestidade de UX, não conservadorismo silencioso.
Barabási em produção — não metáfora.
A camada narrativa da Mimetica trata o corpus como grafo: nós são narrativas, arestas são compartilhamento de sinais e de vetores. A técnica canônica de detecção de comunidade se chama Leiden (Traag et al., 2019); as três centralidades canônicas (betweenness, eigenvector, PageRank) ranqueiam nós por tipo diferente de importância — bridges, hubs recursivos, nós virais em grafo direcionado.
O que separa "análise de rede real" de "análise de rede com vibe" é o null model. Toda centralidade emitida pela Mimetica vem acompanhada de p-valor por permutação: o grafo é rewired mil vezes preservando grau de cada nó (Molloy-Reed configuration model), e a estatística observada é comparada contra a distribuição sob a hipótese nula de aleatoriedade estrutural. Sem isso, todo grafo tem "hubs importantes" — mesmo os aleatórios.
Como se prova que funciona.
Método é irrelevante sem gate. A Mimetica herda o cânone acadêmico: Wilson score interval (1927) para IC binomial canonical; Cohen κ / Fleiss κ (1960 / 1971) para concordância entre raters; Kolmogorov-Smirnov (1933, 1948) para aderência de distribuição; Brier score (1950) para skill prospectivo em Forecast Ledger.
A técnica mais dura, e a mais Mimetica, é o pré-registro com seal SHA-256. Toda previsão que a Mimetica faz num contexto de validação é hash-selada antes de qualquer acesso ao gabarito. O hash é público, a previsão é imutável, o gabarito é guardado pelo cliente cético. É a única resposta que sobrevive à pergunta "como sei que não foi ajustado depois?". Foi assim que 3.000 respondentes artificiais calibrados a partir de 350 respondentes humanos reproduziram o resultado de um campo humano completo com desvio médio de ~4pp em 27 indicadores — protocolo relatado em "Validação Cega" nesta mesma sala.
Quatro famílias adicionais no par técnico.
Esta nota lista cinco famílias. O sistema em produção usa nove. As quatro que ficaram de fora daqui — séries temporais e detecção de regime; convergência e reflexividade em quatro classes; rendering de persona e emergência de Big Five; dispersão de informação e retrieval semântico — vivem no par técnico restrito desta nota, na sala de leitura sob autenticação Cloudflare Zero Trust. É o mesmo padrão dos outros posts do blog Mimetica: material comercial cita os métodos com nome; material técnico completo, com referências acadêmicas explícitas e gates quantitativos declarados, fica em /articles.
Nenhuma das cinco famílias é invenção Mimetica. Todas são cânone acadêmico — a mais recente publicada em 2019, a mais antiga em 1927. O que a Mimetica construiu foi a infraestrutura brasileira que faz esse cânone rodar em produção, com substrato daqui, calibrado para decisões daqui, todos os dias. O ouro não está em ter inventado a técnica. Está em ter escolhido a técnica certa para cada camada e ter feito o Brasil ser o objeto de estudo, não a periferia editorial.