Metodologia

Simula o caminho completo: 1º turno → identifica os 2 mais votados → 2º turno. Usa matrizes de transferência de votos empíricas das eleições brasileiras de 2006, 2014, 2018 e 2022, ajustadas pela distância ideológica dos candidatos eliminados em relação aos finalistas (escala esquerda-direita 0-10). O modelo posiciona cada candidato numa escala ideológica e calcula a distância relativa aos dois finalistas do 2º turno. Eleitores de candidatos eliminados são redistribuídos proporcionalmente à proximidade ideológica, calibrada pelas taxas observadas em eleições passadas (Direita→Direita: ~83%, Esquerda→Esquerda: ~81%, Centro divide quase igualmente). Quando disponíveis, pesquisas de 2º turno (head-to-head) são integradas via atualização bayesiana, refinando as estimativas sintéticas. A probabilidade de vitória é decomposta: P(vence) = P(lidera 1T) × P(vence 2T | lidera) + P(2º no 1T) × P(vence 2T | 2º) + P(vence no 1T com 50%+).

Modelo de probabilidade baseado diretamente nas pesquisas, com incerteza explícita e simulação do sistema de dois turnos brasileiro. Etapa 1: Médias corrigidas. Cada pesquisa é ajustada pelo viés do instituto (house effect), depois ponderada por recência (decaimento exponencial, meia-vida 30 dias) e tamanho da amostra (√n). Etapa 2: Decomposição da incerteza em 4 fontes. • σ_institutos: quanto os institutos discordam entre si (variância dos house effects) • σ_amostral: erro de margem / √(nº de pesquisas) • σ_temporal: volatilidade recente das pesquisas (quanto elas se moveram) • σ_histórico: diferença irredutível entre pesquisas e resultado final (3,5pp, calibrado 2006-2022) Total: σ² = σ_medição² + σ_drift², onde medição = instituto + amostral (fixo) e drift = temporal × √(dias/30) + histórico (cresce com o tempo). Etapa 3: Distribuição Student-t (ν=6). Ao invés da distribuição Gaussiana, usa-se t de Student com 6 graus de liberdade, que tem caudas ~3× mais grossas. Isso captura surpresas eleitorais, como eventos tardios, realinhamentos de coalizão e erros metodológicos que são mais comuns em eleições brasileiras do que o Normal preveria. Etapa 4: Simulação de dois turnos (2.000+ iterações). Para cada simulação: (a) sorteia votos do 1° turno da distribuição t; (b) normaliza para % de votos válidos; (c) verifica vitória no 1° turno (>50%); (d) identifica os 2 mais votados; (e) simula 2° turno com matrizes de transferência empíricas (média de 2006, 2014, 2018, 2022) ajustadas por distância ideológica (escala 0-10); (f) integra pesquisas de 2° turno via atualização bayesiana quando disponíveis. O insight fundamental para o Brasil: o 2° colocado importa tanto quanto o 1°. Um candidato de direita que fica em 2° pode consolidar todo o espectro direito no segundo turno, mesmo tendo ficado 7+ pontos atrás no primeiro.

Quando um candidato sai da disputa, seus votos não desaparecem: redistribuem-se. O modelo combina três fontes para estimar essa redistribuição: (1) Proximidade ideológica: posiciona candidatos numa escala 0-10 (esquerda-direita) e transfere proporcionalmente ao vizinho ideológico mais próximo. (2) Precedentes históricos: analisa casos reais (Serra 2010, Moro 2022, Doria 2022) para calibrar as taxas de transferência. (3) Pesquisas de segunda opção (quando Datafolha/Quaest publicam). Para entrada de candidatos, usa um modelo de teto: ceiling = reconhecimento × aprovação × indecisos, com ramp-up logístico ao longo de 4-6 semanas. Múltiplos cenários são apresentados para refletir a incerteza genuína.

Modelo primário calibrado em 7 eleições presidenciais brasileiras (1994–2022). A variável dependente é o percentual de votos no 1º turno do candidato da situação (incumbente ou sucessor designado). A variável preditora principal é a aprovação líquida do governo (% bom/ótimo menos % ruim/péssimo), complementada por uma dummy de reeleição direta (1 se o presidente concorre pessoalmente, 0 se indica um sucessor). A aprovação do governo é uma variável mediadora, pois já captura o efeito da economia, escândalos, polarização e gestão percebida. Isso a torna mais poderosa que indicadores econômicos puros (PIB, inflação, desemprego), que são variáveis upstream. A dummy de reeleição direta captura o fato documentado de que incumbentes que concorrem pessoalmente obtêm ~8pp a mais de votação do que sucessores. O ICC (Índice de Confiança do Consumidor, FGV) é uma variável teoricamente relevante para capturar o componente econômico prospectivo, mas está disponível apenas para 4 das 7 eleições (a série começa em 2005). É apresentado como contexto descritivo, sem entrar na regressão. Robustness check: um painel latino-americano (44 eleições, 12 países, 1990–2024) com variáveis econômicas puras (PIB, inflação, desemprego) + dummy de reeleição confirma o resultado por outra via. O painel mostra que o tipo de candidatura (direta vs. sucessor) é o preditor mais forte (p < 0.001, +17pp), enquanto variáveis econômicas isoladas têm poder explicativo limitado quando usadas sem a mediação da aprovação. Fontes: Datafolha, CNI/Ibope (aprovação), FGV/IBRE (ICC), World Bank, ILOSTAT, BCB, autoridades eleitorais.

Combina a previsão do modelo de fundamentos (baseado na aprovação do governo) com a média ponderada das pesquisas eleitorais. O peso relativo entre as duas fontes muda suavemente ao longo do tempo via uma função logística. Âncoras da curva de peso: • 12+ meses da eleição: ~40% fundamentos, ~60% pesquisas • 6 meses: ~20% fundamentos, ~80% pesquisas • 30 dias: ~5% fundamentos, ~95% pesquisas • Dia da eleição: ~2% fundamentos, ~98% pesquisas A lógica é que, longe da eleição, pesquisas refletem name recognition e preferências superficiais, e fundamentos estruturais (economia, aprovação) são melhores preditores. Perto da eleição, pesquisas capturam a dinâmica real de campanha (debates, alianças, escândalos tardios), dominando o forecast. A média das pesquisas é calculada com decaimento exponencial (meia-vida de 21 dias) e ponderação por tamanho de amostra. Pesquisas com mais de 180 dias são descartadas. O forecast final é a média ponderada: forecast = w × fundamentos + (1-w) × pesquisas, onde w é dado pela função logística calibrada. Fontes: Datafolha, Quaest, AtlasIntel, Ipec e demais institutos (pesquisas); modelo de aprovação (fundamentos).

Análise de sentimento usando pysentimiento, um modelo transformer (BERT multilingual) fine-tuned para português brasileiro. Cada texto coletado nas redes sociais recebe um score de positivo, neutro e negativo. O pipeline coleta menções públicas de cinco plataformas (X/Twitter, Reddit, YouTube, Instagram, TikTok) via APIs oficiais e ferramentas de scraping (PRAW, Apify, YouTube Data API v3). Cada texto é classificado pelo modelo em três categorias de sentimento. O sentimento líquido (% positivo - % negativo) é agregado por candidato e período. Apenas os últimos 30 dias de dados são utilizados nas visualizações para refletir o sentimento atual.

Cada instituto de pesquisa tem vieses sistemáticos, ou seja, desvios consistentes em relação ao consenso dos demais. O house effect é calculado comparando cada pesquisa de um instituto com a média dos outros institutos publicadas num intervalo de ±14 dias. Para cada pesquisa do instituto na data D, identificamos todas as pesquisas de outros institutos publicadas entre D-14 e D+14 dias. Para cada candidato presente em ambas, calculamos: viés = resultado do instituto menos o consenso. Viés positivo significa que o instituto superestima o candidato; negativo, que subestima. O ranking ordena os institutos pelo desvio médio, que é a média dos valores absolutos do viés por candidato. Quanto menor, mais próximo do consenso. Institutos com menos de 3 pesquisas ou sem sobreposição temporal suficiente são marcados como "dados limitados". É importante ressaltar que viés de instituto não significa que o instituto está "errado". Significa apenas que seus resultados se desviam do consenso de forma consistente. Um instituto com viés alto pode, inclusive, estar mais perto da realidade se os demais estiverem todos enviesados na mesma direção. A utilidade principal é ajustar a média agregada e dar transparência ao leitor.