Bolsonaro vs. Haddad - O que dizem as pesquisas

Domingo é eleito o presidente brasileiro

 e, no entretanto, as pesquisas têm mostrado uma tendência de queda do candidato Bolsonaro.

Será que essa tendência é verdadeira e coloca em causa a eleição de Bolsonaro ou são apenas oscilações estatísticas sem importância?

Vejamos as 4 últimas pesquisas

			Observado		Corrigido
Data	N	Empresa	Bols	Had	Bols	Had
15-Out	2506	Ibope	52	37	59	41
17-Out	9137	Datafolha	52	36	59	41
23-Out	3010	Ibope	50	37	57	43
25-Out	9137	Datafolha	48	38	56	44

Tenho que processar estes dados.

Fiz um programinha de bootstrapping e os resultados mostram, a partir das pesquisas, que

1) Há uma tendência muito pequenina de queda de 0,26 pp/dia

-0,26 pp/dia, desv. padrão de 0,1pp => t-stat de -2,64 => estatísticamente significante a 1%.

2) O Bolsonario vai ter, no Domingo, entre 53,4% e 57,7%, com um grau de confiança de 99%.

3) A probabilidade do Bolsonaro perder é inferior 0,01%

Fig. 1 - Distribuição dos resultados esperados calculados a partir das sondagens

Os resultados (29 de Outubro).

Decorreram as eleições ontem e os resultados forma

  Bolsonado = 55,1%

  Haddad = 44,9%

Isto compara com o valor mais provável que resulta das pesquisas que era entre 55,0% e 56,0% para Bolsonado (ver, Fig. 1).

Porque não dizer que as notícias que, pegando nas pesquisas, disseram que o Bolsonado poderia perder eram fake news?

#Código que usei no R

A0<- c(rep(0,276),rep(1,1303),rep(2,927))

A1<- c(rep(0,1097),rep(1,4751),rep(2,3289))

A2<- c(rep(0,391),rep(1,1505),rep(2,1114))

A3<- c(rep(0,1279),rep(1,4386),rep(2,3472))

tend<-rep(0,100000)

res<-rep(0,100000)

for (i in 1:100000)

{B0 <- sample(A0,length(A0),rep=TRUE)

 B0 <- length(B0[B0==1])/length(B0[B0!=0])

 B1 <- sample(A1,length(A1),rep=TRUE)

 B1 <- length(B1[B1==1])/length(B1[B1!=0])

 B2 <- sample(A2,length(A2),rep=TRUE)

 B2 <- length(B2[B2==1])/length(B2[B2!=0])

 B3 <- sample(A3,length(A3),rep=TRUE)

 B3 <- length(B3[B3==1])/length(B3[B3!=0])

x <- c(0,2,8,10)

y <- c(B0,B1,B2,B3)

d<- data.frame(x,y)

m<- lm(y~x,data=d)

d[5,]<- c(13,0)

tend[i] <-m$coefficients[2]

res[i]<-predict(m,d[5,])

}

mean(res)

hist(res)