Eleições 2026 — Agregador (MVP)

Última pesquisa

—

campo: —

Pesquisas no CSV (turno)

— —

— linhas (candidatos)

Dias desde a última

—

referência: data_campo_fim

Neff (pesos)

—

Evolução mensal (média ponderada)

—

Turno: Comparar: ℹ️ —

Prob. A > B na eleição

—

Vantagem esperada (A−B) na eleição

—

2T no confronto A×B

—

Nível de liderança

—

Última: — (anterior: —) Eleição: —

Tendência (limpa) até a eleição

Linhas = mediana (Kalman nível + inclinação). A incerteza vai nos mini-cards abaixo.

Faixa 95% de A na eleição

—

Faixa 95% de B na eleição

—

Faixa 95% de (A−B) na eleição

—

Monte Carlo de (A−B) na eleição

Histograma da vantagem final (A−B). Linha vertical em 0 = empate.

Metodologia completa e critérios de “níveis de liderança” estão na aba Metodologia.

Estimativa agregada

—

Barras = agregado ponderado (recência × √n × peso do instituto).
1T: usa cenário-base por pesquisa. • 2T: confronto A×B (somente pesquisas que possuem esse confronto).

Metodologia (resumo do que a plataforma calcula)

Esta aba só explica o método. O cálculo e os gráficos do Dashboard continuam exatamente iguais.

Meia-vida de recência

— dias

Data da eleição (1T / 2T)

— • —

Monte Carlo

— simulações

1) O que entra no “peso” de cada pesquisa

Para agregar pesquisas, cada uma recebe um peso:
peso = recência × √n × peso_do_instituto

recência: decai exponencialmente com o tempo (meia-vida definida acima).
√n: dá mais peso para amostras maiores, mas sem exagerar (cresce pela raiz).
peso do instituto: tabela fixa (ex.: Datafolha/Quaest/Ipec etc.).

2) Como escolhemos o “cenário” em cada pesquisa

1T: se a pesquisa tiver um cenário que contenha A e B, usamos esse cenário; se não tiver, usamos o cenário-base (o cenário com mais candidatos válidos dentro daquela pesquisa).
2T: sempre usamos o confronto/cenário que contenha A e B. Pesquisas sem esse confronto são ignoradas para A×B.

3) Série mensal (linha “Evolução mensal”)

Agrupamos as pesquisas pelo mês de data_campo_fim e calculamos, para cada mês, a média ponderada de A e B com os pesos acima.

4) Tendência (Kalman) e projeção até a eleição

Rodamos um Kalman nível + inclinação na série mensal (A e B separadamente). Isso suaviza ruído e estima uma tendência, produzindo também uma incerteza (variância) mês a mês. Depois, projetamos a tendência até o mês da eleição.

5) Monte Carlo (20k cenários) no ponto da eleição

No mês da eleição, o Kalman fornece para cada candidato um par (μ, σ²). O Monte Carlo faz — simulações assim:

Em cada simulação, sorteamos um valor de A: A ~ Normal(μA, σA²)
e um valor de B: B ~ Normal(μB, σB²)
calculamos a diferença: D = A − B

A plataforma então mostra:

Prob. A > B: fração das simulações com D > 0.
Vantagem esperada: média de D nas simulações.
Faixas 80% e 95%: intervalos (quantis) de D nas simulações.

6) O que é Neff (nº efetivo) e por que aparece no KPI

Neff mede quantas pesquisas “equivalentes” você tem, dado o conjunto de pesos. Se poucas pesquisas estiverem com peso muito alto (muito recentes), o Neff cai e indica concentração.

7) Níveis de liderança (interpretação)

A caixa “Nível de liderança” classifica o confronto A×B usando, simultaneamente: (i) a probabilidade P(A>B) (Monte Carlo), (ii) se o IC 95% da diferença (A−B) cruza 0 (consolidação), e (iii) a força da base (indicada por Neff no recorte A×B).

Nível	Condição probabilística	Condição de consolidação (IC)	Força da base (Neff)
Liderança consolidada	`P(A>B) ≥ 90%` (ou ≤ 10% para B)	IC 95% de (A−B) não cruza 0	`Neff ≥ 8`
Liderança provável	`P(A>B) ≥ 75%` (ou ≤ 25%)	IC 95% não cruza 0	`Neff ≥ 8`
Vantagem frágil	`P(A>B) ≥ 60%` (ou ≤ 40%)	IC 95% cruza 0	`Neff ≥ 8` ou base razoável
Leve vantagem	`55% ≤ P(A>B) < 60%` (ou simétrico para B)	IC 95% cruza 0	`Neff ≥ 6` (base moderada)
Empate técnico / indefinido	`45% ≤ P(A>B) < 55%`	IC 80% geralmente cruza 0	Qualquer

Observação: “cruzar 0” significa que o intervalo da diferença (A−B) inclui empate. Quando o IC 95% cruza 0, a liderança não está estatisticamente consolidada.