Metodologia
Entenda por que um agregador de pesquisas eleitorais produz estimativas mais precisas do que qualquer pesquisa individual — e o que diferencia uma simples média de um agregador ponderado de verdade.
Em toda eleição, a mesma cena se repete: um instituto publica pesquisa mostrando candidato A à frente, outro publica três dias depois com candidato B na liderança. A imprensa cobre os dois como notícia. O eleitor fica sem saber em quem acreditar.
A resposta para essa confusão não é escolher a pesquisa de que se gosta mais. É agregar todas elas.
Uma pesquisa eleitoral é uma amostra — uma janela estreita sobre uma realidade muito maior. Mesmo com metodologia impecável, ela carrega variação aleatória. O intervalo de confiança de 95% de uma pesquisa com 2.000 entrevistados é de aproximadamente ±2,2 pontos percentuais.
Isso significa que, mesmo que o candidato A esteja realmente em 38% na população, uma pesquisa metodologicamente perfeita pode registrar qualquer valor entre 35,8% e 40,2% e ainda assim estar tecnicamente "correta".
Além da variação amostral, cada instituto carrega tendências sistemáticas — os chamados house effects. Um instituto pode superestimar consistentemente candidatos de oposição. Outro pode ter um viés de amostragem que sobrerrepresenta eleitores de classe média. Essas diferenças não aparecem no intervalo de confiança publicado.
Confiar em uma única pesquisa é como avaliar a temperatura de uma cidade com um único termômetro que você sabe que às vezes erra para cima. Você precisa de vários termômetros e de um método para calibrá-los.
Um agregador combina múltiplas pesquisas em uma estimativa única, mais estável e mais próxima da realidade do que qualquer pesquisa individual.
O princípio matemático por trás é simples: ao combinar amostras independentes, o ruído aleatório tende a se cancelar. Aquilo que um instituto errou para cima, outro provavelmente errou para baixo. O que sobra, no agregado, é o sinal.
O modelo do ViésLab aplica quatro camadas sobre esse princípio:
Newsletter
Recebe novas análises por email
Quando publicarmos dados ou análises novas, avisamos-te. Sem spam.
Nenhum comentário ainda. Seja o primeiro a participar.
Apenas usuários cadastrados podem comentar. Faça login com sua conta Google para continuar.
O registro histórico é claro. Nos EUA, o FiveThirtyEight de Nate Silver previu o resultado correto em 49 dos 50 estados na eleição de 2008. No Reino Unido, agregadores acertaram a margem do Brexit com mais precisão do que institutos individuais.
No Brasil, o padrão se repete. Nas eleições de 2022, a média das últimas pesquisas antes do primeiro turno estava a menos de 1 ponto percentual do resultado de Lula — enquanto institutos individuais variavam até 4 pontos acima ou abaixo.
A lógica matemática é a Lei dos Grandes Números: ao aumentar o número de observações independentes, a média amostral converge para a média real da população. Agregar pesquisas é, em essência, aumentar artificialmente o tamanho efetivo da amostra.
Se combinarmos cinco pesquisas de 2.000 entrevistados cada (assumindo independência), a precisão equivale a uma pesquisa de 10.000 entrevistados — reduzindo a margem de erro de ±2,2 para ±1,0 ponto percentual.
Agregar não é o mesmo que calcular a média aritmética de todas as pesquisas publicadas.
Uma média simples trata uma pesquisa de 500 entrevistados publicada há 45 dias com o mesmo peso de uma pesquisa de 3.000 entrevistados publicada ontem. Isso é metodologicamente indefensável.
Um bom agregador diferencia pesquisas por:
Para explorar como o ViésLab implementa cada um desses critérios, veja a metodologia completa e a seção Viés∅.
A média simples das últimas pesquisas de 2022 errou a margem Lula–Bolsonaro em 2,1 pontos. O agregador ponderado por recência e qualidade histórica errou em 0,7 ponto. A diferença parece pequena, mas em eleições decididas por margem estreita, ela é a diferença entre projetar corretamente o vencedor ou não.
Agregar pesquisas não elimina todos os problemas. Existem situações em que o agregador também erra:
Viés sistêmico de mercado: se todos os institutos ativos têm a mesma falha metodológica — por exemplo, subrepresentação de eleitores rurais — o agregador vai replicar esse erro com mais precisão, não corrigi-lo.
Eventos rápidos: um evento político que muda a intenção de voto em 24 horas aparecerá no agregador somente quando novas pesquisas forem publicadas. Pesquisas de véspera são raras no Brasil.
Candidatos novos: para institutos sem histórico em ciclos anteriores, o modelo não tem como calcular o house effect. O ViésLab aplica um peso conservador de fallback nesses casos.
Volatilidade real: se a intenção de voto estiver genuinamente instável, nenhum agregador vai produzir uma estimativa estável — porque não existe uma.
Para ir além: