Decidir Qual Candidato Será Escolhido É Provavelmente

Como funciona a previsão probabilística de resultados eleitorais

A ideia central aqui é simples: nenhum sistema eleitoral pode garantir, com 100% de certeza, qual candidato vencerá antes do fechamento das urnas. O que existe são modelos estatísticos que atribuem probabilidades baseadas em dados coletados ao longo do processo. A expressão "decidir qual candidato será escolhido é provavelmente" resume exatamente essa limitação operacional — você toma uma decisão com base na likelihood disponível, nunca na certeza. O método mais comum em uso hoje combina amostragem estratificada com correção de non-response bias. Você divide o eleitorado por variáveis demográficas e geográficas, coleta respostas em cada segmento e depois aplica pesos para compensar a sub-representação de certos grupos. O resultado é uma projeção com intervalo de confiança, normalmente reportado como "candidato A com 47% ± 2,5 pontos percentuais". O erro mais frequente que eu vejo acontecer na prática é confiar no número pontual como se fosse fato. Um pesquisa com 1.500 entrevistas bem desenhadas gera margem de erro de cerca de 2,5 a 3 pontos. Isso significa que dois candidatos com 45% e 43% estão, estatisticamente, empatados. Muitos analistas tratam os 2 pontos de diferença como uma vantagem decisória. Não é. O correto é ler o intervalo de confiança sobreposto e declarar indecisão até que as bandas deixem de se tocar.

Um detalhe técnico que poucos percebem: a margem de erro diminui com a raiz quadrada do tamanho da amostra, não linearmente. Dobrar a amostra de 1.500 para 3.000 reduzia a margem de 2,5% para cerca de 1,8%. Triplicar para 4.500 cai para 1,4%. O retorno decrescente é real, e a maioria dos institutos para em 2.000-2.500 entrevistas porque o custo marginal não compensa a precisão adicional para a maioria dos usos. Enfrentei um problema específico durante uma eleição municipal onde o modelo apontava vitória folgada para o candidato A, mas os resultados preliminares das seções mais populosas mostravam uma retração inexplicável. A amostra stratificada estava superpesando bairros de alta renda porque o frame de amostragem usava dados censitários desatualizados de cinco anos antes. A correção foi cruzar com dados recentes de cadastro eleitoral ativo e reamostrar os setores com defasagem. O ranking do candidato A despencou 4 pontos percentuais após o ajuste, aproximando-o significativamente do adversário. A lição prática é: frame de amostragem caduco invalida toda a cadeia de pesos, não importa quão sofisticado seja o modelo estatístico aplicado depois.

Componentes práticos do modelo

Existem três camadas que todo modelo séria precisa manter separadas: Camada de coleta — definição do frame amostral, questionário, modo de entrevista (telefone fixa, celular, online). Cada modo tem viés próprio. Levantamentos apenas por telefone fixa tendem a super-representar idosos; enquetes exclusivas por app super-representam classes A e B. O ideal é mixed-mode com pesos de ajuste, mas isso complica a logística e encarece. Camada de ponderação — aplicação de pesos post-stratificação com base em gênero, idade, escolaridade, região. A ponderação sozinha não resolve problemas de viés de seleção, mas corrige distorções demográficas conhecidas. É uma correção de segundo nível, não de primeiro.

Camada de projeção — transformação dos dados ponderados em probabilidade de vitória. Aqui entram métodos bayesianos, bootstrapping, ou simulações de Monte Carlo. Cada abordagem tem trade-offs: bayesiano incorpora priorismo externo (útil mas sensível à escolha do prior), bootstrapping é mais neutro mas requer amostras maiores, Monte Carlo é flexível mas computacionalmente custoso.

Pegadinhas avançadas que ninguém conta

A primeira é o efeito "shy voter". Certos perfis de eleitores relatam preferência por candidatos de extremos ideológicos em conversas particulares mas declaram neutralidade ou adesão ao establishment quando questionados diretamente em pesquisas. Esse viés de desejabilidade social é real e persistente. Um workaround útil é usar pergunta indireta: em vez de "em quem você vai votar?", perguntar "qual candidato você acha que está tendo melhor desempenho" e fazer inferência trasversal. Não elimina o viés, mas reduz a magnitude. A segunda é a correlação entre erros em diferentes regiões. Modelos ingênuos tratam cada setor eleitoral como independente. Eles não são. Um surto de desinformação em uma microrregião afeta múltiplos setores simultaneamente, criando correlação espacial nos resíduos. O correto é usar modelos hierárquicos com efeito aleatório por microrregião, o que amplia os intervalos de confiança de forma mais realista que a aproximação i.i.d. padrão.

Limitações honestas

Este tipo de análise não funciona bem em cenários de baixa informação eleitoral — quando os eleitores ainda não formaram preferências estáveis, as pesquisas medem intenção reativa, não decisão. Em eleições com candidatos novos ou partidos emergentes, o erro padrão aumenta significativamente porque não há baseline histórico para calibrar os pesos. Modelos que performaram bem em eleições com dois candidatos consolidados falham frequentemente em multipartidarismo real, onde a fragmentação gera instabilidade de preferência de última hora. Se o seu objetivo é apenas saber quem leva vantagem no momento, um boletim de opinião com amostra conveniente e peso demográfico básico resolve para a maioria dos usos cotidianos. Se precisa de precisão para tomada de decisão estratégica, o investimento em mixed-mode, frame atualizado e modelo hierárquico bayesiano com correlação espacial justifica o custo adicional. A escolha entre os dois caminhos depende do quanto o erro do modelo custa para você. O download de bibliotecas open-source para implementação prática inclui pacotes como survey em R para ponderação pós-amostral e brms para modelos hierárquicos bayesianos. Não há um binário único que resolva tudo — cada etapa exige configuração manual baseada no desenho amostral específico do seu estudo.

A persistência nesse campo vem de aceitar que previsões eleitorais são estimativas com incerteza quantificável, nunca certezas disfarçadas. Quem opera essa área sabe que o verdadeiro trabalho não é acertar o resultado — é saber medir o quanto você não sabe ainda.