A evolução recente das pesquisas de intenção de voto para o segundo turno da eleição presidencial brasileira revela uma dinâmica complexa, marcada por mudanças estruturais ao longo do tempo, forte dependência de recência dos dados e um processo de convergência entre os dois principais candidatos. A análise aqui apresentada utiliza um modelo de agregação bayesiana combinado com técnicas de suavização não paramétrica (LOESS), incorporando pesos derivados da precisão estatística das pesquisas e de sua atualidade temporal. O objetivo é extrair um sinal robusto da série de levantamentos disponíveis, reduzindo o ruído inerente a medições amostrais e permitindo uma leitura mais clara das tendências subjacentes.
O ponto de partida metodológico consiste em tratar cada pesquisa como uma observação ruidosa de uma variável latente: o verdadeiro nível de intenção de voto de cada candidato na população. A incerteza associada a cada observação é aproximada a partir da margem de erro divulgada, convertida em desvio padrão pela relação clássica σ = margem/1,96. Isso permite definir um peso de precisão proporcional ao inverso da variância (1/σ²), de modo que pesquisas mais precisas — seja por maior tamanho amostral, seja por menor margem de erro — exerçam maior influência no agregado. A esse componente soma-se um fator de decaimento temporal exponencial, definido por exp(-Δ/τ), onde Δ representa a distância em dias entre a data da pesquisa e a data de referência, e τ controla a velocidade de perda de relevância das informações antigas. Neste caso, adota-se τ = 15 dias, implicando que pesquisas com cerca de duas semanas já têm seu peso significativamente reduzido, refletindo a natureza dinâmica do ambiente eleitoral.
Além disso, o modelo incorpora um ajuste de qualidade histórica dos institutos, baseado em métricas de erro observadas em ciclos eleitorais anteriores. Institutos com melhor desempenho histórico recebem um fator multiplicativo mais alto, enquanto aqueles sem histórico ou com desempenho inferior são penalizados. O peso final de cada observação resulta do produto desses três componentes: precisão, recência e qualidade. No caso específico da análise do segundo turno, como cada pesquisa apresenta diretamente o confronto entre os dois candidatos, não há necessidade de ajuste adicional para cenários múltiplos.
Uma vez definidos os pesos, procede-se à estimação bayesiana das intenções de voto agregadas, assumindo um prior fraco (não informativo) e uma função de verossimilhança normal para cada observação. O resultado é uma média ponderada que pode ser interpretada como a melhor estimativa pontual do apoio eleitoral, acompanhada de um intervalo de credibilidade que expressa a incerteza residual. Paralelamente, para capturar a evolução temporal de forma contínua, aplica-se uma suavização LOESS ao “spread” entre os candidatos — definido como a diferença entre os percentuais de Flávio Bolsonaro e Lula. Essa suavização também incorpora os pesos bayesianos, garantindo consistência entre a agregação estatística e a análise de tendência.
Os resultados revelam uma transformação significativa ao longo do período analisado. Em meados de 2025, o cenário era amplamente favorável a Lula, com vantagens frequentemente superiores a dez pontos percentuais. Esse domínio inicial aparece de forma clara na curva suavizada do spread, que se encontra em território fortemente negativo, indicando uma liderança confortável. No entanto, ao longo do segundo semestre de 2025, observa-se uma gradual redução dessa vantagem, acompanhada por uma inclinação positiva da curva, sinal de crescimento relativo do adversário.
O elemento mais relevante emerge na virada para 2026. A análise da derivada da curva LOESS , que representa a velocidade da mudança, mostra uma aceleração pronunciada no início do ano, com valores significativamente positivos. Isso indica que o ganho de terreno de Flávio Bolsonaro não apenas continuou, mas se intensificou em ritmo elevado.
Trata-se de um comportamento típico de mudanças de regime em séries temporais, em que a dinâmica deixa de ser incremental e passa a apresentar características de transição rápida. Essa fase de aceleração culmina no cruzamento da linha de zero do spread, ocorrido aproximadamente entre o final de fevereiro e o início de março de 2026, momento em que a liderança passa de um candidato para o outro.
Após esse ponto de inflexão, a curva permanece em território positivo, indicando vantagem para Flávio Bolsonaro. No entanto, a análise da derivada sugere que a intensidade do movimento começa a diminuir. Embora ainda positiva, a velocidade da mudança apresenta sinais de desaceleração, o que pode ser interpretado como uma fase de estabilização do sistema. Em termos eleitorais, isso sugere que o período de maior volatilidade já ocorreu, e que o cenário atual é caracterizado por uma disputa mais equilibrada, com menor espaço para variações abruptas — embora ainda sujeito a mudanças dependendo de novos eventos ou choques exógenos.
A agregação bayesiana pontual, consistente com a análise de tendência, indica uma vantagem moderada para Flávio Bolsonaro, da ordem de poucos pontos percentuais, com intervalo de incerteza que ainda inclui a possibilidade de empate técnico. Simulações de Monte Carlo baseadas nessas estimativas apontam uma probabilidade maior de vitória para Flávio, mas longe de uma certeza estatística absoluta. Isso reforça a interpretação de que, apesar da mudança de liderança, a eleição permanece competitiva.
Do ponto de vista interpretativo, a combinação entre LOESS e derivadas fornece um quadro mais rico do que a simples observação de médias. Enquanto o nível da curva indica quem está à frente, sua inclinação revela a direção do movimento, e a derivada explicita a velocidade desse movimento.
É importante destacar que o modelo adotado não pretende prever o resultado final de forma determinística, mas sim oferecer uma estimativa probabilística baseada nas informações disponíveis. As premissas de normalidade dos erros, independência entre pesquisas e estabilidade dos parâmetros são simplificações necessárias, mas que podem não capturar plenamente todas as nuances do processo eleitoral. Ainda assim, a robustez dos resultados frente a diferentes testes de sensibilidade — como a exclusão de institutos específicos ou a restrição a janelas temporais mais curtas — sugere que as conclusões principais são consistentes.
A análise das pesquisas de segundo turno indica uma mudança clara na dinâmica eleitoral ao longo dos últimos meses, com a transição de um cenário de vantagem confortável para Lula para uma situação de leve vantagem para Flávio Bolsonaro. Essa mudança ocorreu de forma relativamente rápida, concentrada no início de 2026, e atualmente parece ter entrado em fase de estabilização. A disputa permanece aberta, com níveis de incerteza que recomendam cautela na interpretação de qualquer projeção pontual, mas o padrão de tendência observado fornece evidências sólidas de que o equilíbrio de forças entre os candidatos se alterou de maneira significativa.
Nenhum comentário:
Postar um comentário