Como nosso agregador eleitoral pondera Datafolha, Quaest e AtlasIntel

A motivação

Cada instituto de pesquisa tem método próprio: Datafolha usa entrevista presencial, Quaest combina presencial e telefônica, AtlasIntel é online (RDD/painel digital). Cada metodologia tem viés conhecido em direções diferentes — uns superestimam direita, outros esquerda, dependendo da estrutura demográfica da amostra.

A pergunta é: como combinar 6 pesquisas de 4 institutos diferentes em uma estimativa única?

O método em 4 camadas

1. Peso por tamanho de amostra: pesquisa com n=5.000 vale mais que n=2.000 (raiz quadrada do n).
2. Decay temporal exponencial: half-life de 14 dias. Pesquisa de 30 dias atrás conta metade do peso.
3. Correção de bias histórico: cada instituto tem desvio médio mensurado contra resultado eleitoral em ciclos anteriores. AtlasIntel sub-estima Lula em ~2pp historicamente; Datafolha super-estima ~1pp. Aplicamos correção neutra.
4. Incerteza irredutível: somamos 3pp de variância à margem de erro estatística para cobrir incerteza metodológica.

Por que o resultado nunca empata com pesquisa individual

Porque uma pesquisa é um ponto, e o agregado é uma distribuição. Se Datafolha mostra 41 e Quaest 39, o agregado provavelmente mostra ~40 — mas com intervalo [37, 43] que cobre ambos. A força do agregador não é dar a "resposta certa" — é mostrar quão incerto está o cenário.

Quando o agregador erra

• Mudanças bruscas (escândalo, evento traumático): o decay de 14 dias atrasa a captação
• Subgrupos não amostrados: pesquisa nacional perde nuance regional
• Cenários contrafactuais: "se Bolsonaro fosse elegível" não é mensurável — só estimável

O código

A implementação completa está em src/lib/models/poll-aggregator.ts (Bayesian update com prior Dirichlet). Veja a metodologia integrada do site.