Uma análise aprofundada das probabilidades, tendências e incertezas do cenário eleitoral brasileiro em 2026

À medida que o país avança rumo ao ciclo eleitoral de 2026, a disputa presidencial começa a ganhar contornos mais definidos. Entre os cenários possíveis, um embate de segundo turno entre o ex-presidente Luiz Inácio Lula da Silva e o governador paulista Tarcísio de Freitas tem ganhado destaque na arena analítica. Embora ainda distante, esse enfrentamento virtual já aparece com frequência nas pesquisas nacionais e provoca especulações sobre as chances de cada candidato.

Para além das leituras impressionistas, este artigo apresenta uma análise sistemática baseada em modelos estatísticos bayesianos, integrando dados provenientes de diversos institutos para estimar tendências, incertezas e probabilidades reais de vitória de cada candidato em um eventual segundo turno. A seguir, detalhamos tanto os resultados quanto a lógica por trás das simulações, os pressupostos adotados e suas implicações políticas.

1. O Cenário Atual: Dois Competidores Consolidados

Os dados mais recentes das pesquisas nacionais capturam uma dinâmica relativamente estável entre Lula e Tarcísio. Embora ambos os candidatos oscilem periodicamente conforme a agenda de conjuntura, a série histórica revela níveis de competitividade crescentes, sobretudo após agosto de 2025, quando Tarcísio passou a consolidar-se como o principal nome da centro-direita.

A média agregada bayesiana construída a partir de 21 levantamentos recentes indica que:

Lula mantém um patamar elevado de intenção de voto direto, com média posterior em torno de 47,5% antes da redistribuição dos indecisos.
Tarcísio aparece em segundo lugar, com média de 43,1%, representando um crescimento relevante em comparação ao início do ano.
O grupo de indecisos e abstenções potenciais situa-se em patamares relativamente baixos no contexto deste recorte, com média aproximada de 9%.

Esses números fornecem o ponto de partida para os exercícios de modelagem aplicados.

2. Os Dados Utilizados: Abrangência e Heterogeneidade

A análise baseou-se em um conjunto de pesquisas divulgadas entre julho e novembro de 2025, incluindo levantamentos de institutos tradicionais e outros de perfil mais digital:

Genial/Quaest
Paraná Pesquisas
Futura / Apex
AtlasIntel
Gerp
CNT/MDA
Datafolha

Essas pesquisas variam significativamente em metodologia, tamanho amostral e modo de coleta — telefônico, presencial ou online — e essas diferenças foram incorporadas nos pesos do modelo.

A diversidade de amostras trouxe vantagens: permite capturar uma imagem mais robusta do comportamento eleitoral, reduzindo o risco de conclusões enviesadas por um único instituto. Por outro lado, aumenta a necessidade de ponderação estatística rigorosa, já que nem todos os levantamentos possuem a mesma precisão.

3. O Modelo Estatístico: Um Agregador Bayesiano com Peso de Precisão e Recência

Para sintetizar as informações de múltiplas pesquisas, utilizamos um modelo bayesiano clássico para combinar estimativas de diferentes fontes. O procedimento pode ser descrito em três etapas principais:

3.1. Peso de Precisão

Cada pesquisa recebe um peso proporcional à sua precisão estatística.
A fórmula utilizada é:

[
w_{\text{precisão}} = \frac{1}{(\text{MargemErro})^2}
]

Pesquisas com margens de erro mais baixas — como as da AtlasIntel, que frequentemente trabalha com amostras superiores a 6 mil entrevistados — recebem peso relativamente maior.

3.2. Peso de Recência

Para capturar a ideia de que pesquisas mais recentes refletem melhor a dinâmica atual, aplicamos um decaimento temporal exponencial de meia-vida curta, dado por:

[
w_{\text{tempo}} = e^{- \frac{\Delta t}{15}}
]

onde Δt é o número de dias entre a pesquisa e a data-base (13 de novembro de 2025). Assim, levantamentos de outubro têm peso maior do que os de julho.

3.3. Posterior Bayesiano

Os dados ponderados de cada candidato são combinados por meio de uma distribuição normal aproximada, gerando uma estimativa posterior:

Média posterior (intenção de voto combinada)
Desvio-padrão posterior (grau de incerteza)
Intervalo de credibilidade de 95%

Esse arcabouço é amplamente utilizado em agregadores internacionais de pesquisas, como o modelo de Simon Jackman (2005) e certas versões dos sistemas de Drew Linzer (2013).

4. O Tratamento dos Indecisos: Uma Pressuposição Crucial

Pesquisas recentes no Brasil e no exterior mostram que, em eleições polarizadas, parte significativa dos indecisos tende a se distribuir de maneira não uniforme entre os candidatos. Para refletir isso em nossas simulações, adotamos a seguinte regra, conforme solicitado:

Pressuposto adotado:

55% dos indecisos migram para Tarcísio e 45% para Lula.

Essa hipótese é compatível com padrões observados em eleitores de centro-direita e swing voters, sobretudo em ambientes de desgaste governamental.

É importante ressaltar que modelagens deste tipo não representam uma previsão literal, mas sim um exercício paramétrico que permite explorar cenários prováveis.

5. A Simulação Monte Carlo: Como Funciona

Com os pós-termos gerados, rodamos uma simulação com 20 mil iterações, em que:

Para cada rodada, sorteia-se uma intenção de voto de Lula, Tarcísio e dos indecisos, partindo das distribuições estimadas.
Redistribuem-se 100% dos indecisos seguindo a regra 55/45.
Recalcula-se o percentual final de cada candidato.
Normalizam-se os votos válidos para somarem 100%.
Verifica-se se Tarcísio ultrapassa Lula naquela iteração.

Após milhares de repetições, o modelo estima:

Média posterior dos votos válidos no segundo turno
Intervalos de credibilidade (IC95%)
Probabilidade de vitória de cada candidato

6. Resultados da Simulação: Como Lula e Tarcísio se Saem

6.1. Médias pós-redistribuição

Candidato	Média projetada (votos válidos)	IC 95%
Lula	51,7%	50,6% – 52,9%
Tarcísio	48,3%	47,1% – 49,4%

Mesmo após favorecer Tarcísio com 55% dos indecisos, a vantagem inicial de Lula permanece sólida, embora estreita.

6.2. Probabilidade de vitória

[
P(T > L) \approx 0,15%
]

Ou seja, em apenas 0,15% das 20.000 simulações Tarcísio supera Lula — uma probabilidade virtualmente nula no cenário atual.

7. Por Que Tarcísio Não Vira o Jogo Mesmo com Mais Indecisos?

Os resultados se explicam por três fatores centrais:

7.1. O Patamar Inicial de Lula é Alto

Lula inicia a simulação com cerca de 4,4 pontos de vantagem antes da redistribuição.
Com indecisos relativamente escassos (≈9%), esse estoque inicial domina o efeito redistributivo.

7.2. A Quantidade de Indecisos é Limitada

Em cenários com indecisos acima de 15%, shifts de 55/45 podem alterar o equilíbrio;
com apenas 9%, o impacto é insuficiente.

7.3. A Dispersão Estatística é Pequena

O desvio-padrão de todos os candidatos é baixo (≈0,84 p.p.), produzindo curvas pós-simulação com sobreposição mínima.

8. O Comportamento Temporal: Tendências e Pontos de Virada

As séries suavizadas mostram que:

Lula oscila entre 41% e 45% ao longo do período, com tendência moderadamente ascendente entre outubro e novembro.
Tarcísio apresenta crescimento mais acentuado entre agosto e outubro, quando chega a ultrapassar 46% em alguns institutos, mas retorna ao entorno de 44% nas semanas finais.
Indecisos diminuem regularmente, caindo de cerca de 22% em julho para algo entre 13% e 16% no final de outubro.

Esse recuo estrutural dos indecisos limita a capacidade de Tarcísio de virar a disputa com base apenas nesse grupo.

9. O Que Pode Mudar o Cenário?

Embora o modelo atual indique vantagem clara de Lula, existem variáveis reais que podem alterar o equilíbrio:

9.1. Alterações na taxa de rejeição

Caso rejeição de Lula aumente — algo comum entre governantes no terceiro ano de mandato —, indecisos poderiam migrar mais intensamente para Tarcísio.

9.2. Eventos críticos

Crises econômicas ou políticas podem afetar drasticamente as probabilidades.

9.3. Formação de alianças

Alinhamentos partidários no campo da centro-direita podem consolidar o eleitorado volátil.

9.4. Campanha eleitoral

O desempenho em debates e a capacidade de mobilização podem acelerar tendências hoje discretas.

A simulação atual captura apenas o estado presente — não faz futurologia.

10. Conclusão: Um Cenário Competitivo, Mas com Favoritismo de Lula

Com base nas pesquisas disponíveis e na simulação bayesiana realizada, o quadro atual é claro:

Lula aparece como favorito no segundo turno, mesmo quando se assume um viés pró-Tarcísio na migração dos indecisos.
Tarcísio se mantém competitivo e estável, com trajetória de crescimento ao longo do ano, mas ainda abaixo do ponto de inflexão estatística necessário para virar a disputa.
A margem é estreita, mas não desprezível; pequenas variações na conjuntura podem alterar as probabilidades.

Se a eleição fosse hoje, e se o comportamento dos indecisos fosse exatamente o modelado (55% Tarcísio / 45% Lula), Lula venceria com cerca de 52% dos votos válidos, e Tarcísio teria 48% — um cenário apertado, mas consistente.

Mas como mostram décadas de pesquisa eleitoral, o quadro ainda pode mudar. E, à medida que novas pesquisas forem divulgadas, modelos como este permitem acompanhar a evolução real do equilíbrio entre os dois candidatos.

Termômetro do Voto

quinta-feira, 13 de novembro de 2025

Lula e Tarcísio no Segundo Turno: o que dizem as simulações estatísticas mais recentes