A medida da desigualdade: como a Ciência de Dados pode auxiliar a busca da isonomia nas transações tributárias individuais

Esta dissertação investiga como a Ciência de Dados e o aprendizado de máquina podem auxiliar a observância do princípio da isonomia nas transações tributárias individuais. O problema central reside na dificuldade de comparar centenas de acordos com cláusulas personalizadas e contextos socioeconômicos complexos, o que gera riscos de tratamentos discriminatórios e opacidade administrativa. A pesquisa adota um método exploratório e quantitativo, fundamentando-se na transposição de informações jurídicas para modelos computacionais. Demonstra-se que a técnica de regressão linear, associada à Análise de Componentes Principais (PCA), permite calcular o comportamento médio dos precedentes e estabelecer a "medida da desigualdade" — uma métrica objetiva do grau de afastamento de uma nova proposta em relação ao conjunto de transações já firmadas. O trabalho conclui que o uso de ferramentas estatísticas confere verificabilidade e transparência à atuação da Procuradoria-Geral da Fazenda Nacional (PGFN), permitindo fundamentar decisões de forma científica e reduzir o subjetivismo inerente às negociações. Propõe-se, ao final, requisitos para a implementação de uma plataforma tecnológica que integre esses modelos ao fluxo de trabalho do órgão.