O planejamento de um estudo ou experimento muitas vezes envolve a definição do método de seleção dos elementos que compõem uma amostra ou grupo de alocação, ponto que abrange discussões acerca do papel da aleatorização. O uso da aleatorização é amplamente defendido por duas razões principais: (i) os métodos frequentistas de inferência são baseados na premissa da amostragem aleatória; e (ii) a aleatorização evita qualquer possibilidade de interferência humana (intencional ou não), proporcionando, assim, maior isenção às pesquisas experimentais. Por outro lado, diversos autores questionam esse paradigma, especialmente porque os métodos baseados em aleatorização pura têm alta probabilidade de proverem amostras não representativas da população ou alocações nas quais os grupos experimentais formados tenham perfis significativamente diferentes entre si, o que pode potencialmente comprometer os próprios resultados e conclusões das pesquisas. Métodos já desenvolvidos conciliam uma maior eficiência no balanceamento das covariáveis com uma redução significativa na possibilidade de interferência humana. Uma abordagem conhecida como Alocação Intencional Fortuita busca alcançar esse objetivo por meio de modelos de otimização de distâncias entre as covariáveis de interesse, estendidos com a incorporação de covariáveis artificiais aleatorizadas. Essa abordagem se mostra promissora em proporcionar maior garantia de balanceamento, desacoplamento e poder de inferência. Contudo, os estudos já realizados com esta abordagem analisam apenas a alocação em dois grupos (controle / tratamento). O presente projeto propõe a generalização de métodos já desenvolvidos para os casos de alocações em mais de dois grupos. São apresentados estudos de caso, com discussões acerca do uso prático do método de Alocação Intencional Fortuita no planejamento de experimentos

The design of studies and experiments often involves defining a method for selecting the elements that constitutes a sample or allocation group, an issue that raises debates about the role of randomization. The use of randomization is widely advocated for two main reasons: (i) frequentist inference methods are based on the premise of random sampling; and (ii) randomization avoids any possibility of human interference (intentional or not), providing greater impartiality for experimental research. On the other hand, several authors have refuted this paradigm, particularly because methods based on pure randomization have a high probability of providing samples that are not representative of the population or allocations in which experimental groups profiles are significantly different from each other, which can potentially undermine a research's results and conclusions. Some already developed methods combines greater efficiency in balancing covariates with a significant reduction in the possibility of human interference. An approach known as Haphazard Intentional Allocation seeks to achieve this goal by optimizing distance models between the covariates of interest, expanded with the addition of random artificial covariates. This approach seems promising in providing greater assurance of balance, decoupling, and inference power. However, the studies conducted with this approach have only considered allocations in two groups ("control/treatment" designs). This project proposes the generalization of already developed methods to cases of allocations in more than two groups. Case studies are presented, with discussions on the practical use of the Haphazard Intentional Allocation method in experiments design