🥇 Recetario abierto

elecciones

pronósticos

encuestas

Una invitación a más cocineros a preparar platos abiertos y transparentes. Con premio incluído.

“As powerful as single models can be, a collection of models accomplishes even more.”
– Scott E. Page

📅 Publicado 8 Marzo 2022, Actualizado 7 Agosto 2022

Más recetas, más cocineros

Todos tenemos un modelo en la cabeza de lo que pasa durante unas elecciones –una representación de lo que vemos, de lo que creemos que ocurre y lo que creemos que ocurrirá.

Algunos modelos vienen en forma de especulaciones redactadas en columnas de opinión. Otros vienen de combinar chismes y la información de pasillos, reales o virtuales, sobre las campañas y sus candidatos. Así no sea una #recetaselectorales preparada con datos y modelos estadísticos, hay modelos electorales por todas partes.

Esta receta es una invitación abierta a hacer parte de un recetario electoral más completo, diverso y transparente. La idea es combinar múltiples perspectivas con el ánimo de que corrijan mútuamente sus limitaciones, y así entender mejor la carrera electoral. Es una forma de preparar más y mejores recetas electorales, involucrar más cocineros, y que cada receta se cocine de forma clara, transparente y evaluable. Sin salsas secretas.

Las mejores recetas se llevan un premio. Como es más difícil pronosticar la primera vuelta, el premio es mayor. Las recetas que se vayan recibiendo serán publicadas en una tabla en esta página.

Premios:

🥇 Ganador 1^era vuelta: La Silla Vacia. Un bono de USD 50 de Amazon

🥇 Ganador 2^da vuelta: @PolicitaConDato. Un bono de USD 40 de Amazon

🏆 Oro, plata y bronce electoral

El podio de recetas abiertas quedó así:

Primera vuelta
Segunda vuelta

Evaluacion de pronósticos para la primera vuelta de 2022:
Fuente	Score Pronóstico
Encuestas	10.0
La Silla Vacia	10.9
@calc_electoral	11.6
@JorgeGalindo El Pais	15.1
@PoliticaConDato	20.0
Ajiaco	21.9
@ColombiaRisk	28.0
Mixto 2022	28.1
Simple 2022	29.3
Note:
Score: Distancia absoluta promedio
Fuente: www.recetas-electorales.com

Recetas abiertas: Evaluación usando distancias absolutas 1era vuelta

Evaluacion de pronósticos para la segunda vuelta de 2022:
Fuente	Score Pronóstico
@PoliticaConDato	2.2
@calc_electoral	2.5
@Scalvo25	2.6
@JorgeGalindo El Pais	3.6
La Silla Vacia	4.0
Encuestas	6.2
Note:
Score: Distancia absoluta promedio
Fuente: www.recetas-electorales.com

Recetas abiertas: Evaluación usando distancias absolutas 2da vuelta

¿Qué tengo que hacer para participar?

Para participar solo hay que enviar una receta a recetas.electorales@gmail.com antes del 22 de Mayo de 2022 para la primera vuelta y antes del 18 de Junio de 2022 para la segunda. Recetas recibidas después cada jornada electoral no cuentan, son descalificadas.

Como las recetas electorales, cada plato debe tener 4 componentes mínimos:

👨‍🍳 Cocinero y Nombre de la receta: Identidad del que preparó el plato, que puede ser personal o institucional, un nombre para el plato y autorización para publicar en las Recetas Electorales los Ingredientes, Cocina y Plato.
🍚 Ingredientes - Datos: Todos los datos que usa el modelo deben estar referenciados y deben hacerse públicamente disponibles. Lo mejor es que el modelo tenga un repositorio con todos los datos que utiliza, por ejemplo en GitHub. No hay restriciones sobre los datos que se utilicen mientras se puedan verificar y referenciar.
🍳 Cocina - Cálculos y Modelos: Cualquier cálculo o modelo estadístico debe incluir el código para estimarlo, evaluarlo, y calcular los pronósticos que resulten. Adicionalmente debe incluir cualquier transformación de los datos (limpieza, wrangling, etc.). Todas las técnicas, desde las más sencillas hasta las más complejas, son aceptadas siempre y cuando sean reproducibles. El código debe ser replicable y puede enviarse en múltiples lenguajes de programación (R, Python, Julia, Stan, etc.)
🍲 Plato - Resultados: Cada modelo debe resultar en un pronóstico numérico de la votación o proporción de votos que cada candidato obtendrá. Se deben hacer pronósticos sobre todos los candidatos, no solo unos cuantos. Los intervalos de confianza/credibilidad son opcionales, según los vea necesarios cada cocinero.

El ganador

La receta ganadora se determinará por la precisión del pronóstico: El ganador será el modelo con la menor suma del valor absoluto para todos los N candidatos, ponderados por igual, determinada así:

\[ Puntaje = \sum_{candidato=i}^{N} \frac{|Votación_{i} - Pronóstico_{i}|}{N} \]

Si se pronostican proporciones, los votos se miden con respecto al total de votos válidos: votos totales menos votos nulos.

Ejemplo: Un promedio simple de las encuestas disponibles

Ingredientes - Datos

Esta receta usa los datos en el repositorio de GitHub, asi que este paso es solo una linea.

Código

# Paquetes ####
library(tidyverse)

# URL GitHub ####
ejemplo_url <- "https://raw.githubusercontent.com/nelsonamayad/Elecciones-presidenciales-2022/main/Encuestas%202022/encuestas_2022.csv"

# Acceder datos ####
ejemplo_datos <- readr::read_csv(ejemplo_url)

Cocina (Modelos) y Plato (Resultados):

Para calcular los promedios para cada candidato se usa el siguiente código y el resultado se resume en una tabla. Dado que es un promedio simple, no incluye intervalos, así que se registra No disponible (ND) para cada candidato:

Código

# Prepara datos ####

library(tidyverse)
library(kableExtra)
library(lubridate)

ejemplo_datos %>% 
  # Seleccionar candidatos que encabezan las encuestas
  dplyr::select(n,fecha,encuestadora,muestra,contains("_"),merror=margen_error,-tasa_respuesta,-ns_nr,-muestra_int_voto) %>%
  # Pivotear los datos
  tidyr::pivot_longer(cols = contains("_"),
                      names_to = "candidato", values_to = "int_voto") %>% 
  # Crear algunas variables
  dplyr::mutate(nombres = case_when(candidato=="alejandro_gaviria" ~ "Alejandro Gaviria",
                                    candidato=="sergio_fajardo" ~ "Sergio Fajardo",
                                    candidato=="juan_m_galan" ~ "Juan Manuel Galan",
                                    candidato=="ingrid_betancourt" ~ "Ingrid Betancourt",
                                    candidato=="alex_char" ~ "Alex Char",
                                    candidato=="david_barguil" ~ "David Barguil",
                                    candidato=="enrique_penalosa" ~ "Enrique Peñalosa",
                                    candidato=="federico_gutierrez" ~ "Federico Gutierrez",
                                    candidato=="oscar_i_zuluaga" ~ "Oscar I. Zuluaga",
                                    candidato=="rodolfo_hernandez" ~ "Rodolfo Hernandez",
                                    candidato=="gustavo_petro" ~ "Gustavo Petro") %>%
                  factor()) %>%
  dplyr::group_by(nombres) %>% 
  dplyr::summarise(pronostico=mean(int_voto,na.rm=TRUE)) %>%
  dplyr::mutate(intervalo = "ND") %>%
  dplyr::arrange(desc(pronostico)) %>%
  kable("html", 
        digits=1,
        caption = "Pronostico: % votos por candidato (Basado en encuestas N=3)",
        col.names = c("Candidato",
                      "Pronostico",
                      "Intevalo")) %>% 
  kable_styling(full_width = F) %>% 
  row_spec(0,bold=TRUE, background = "#FF4900", color = "white") %>% 
  footnote(number = c("Cocinero: Recetas Electorales",
                      "Fecha pronóstico: 2022-14-03",
                      "Twitter: @recetaelectoral"))

Pronostico: % votos por candidato (Basado en encuestas N=3)
Candidato	Pronostico	Intevalo
Gustavo Petro	38.5	ND
Federico Gutierrez	22.2	ND
Rodolfo Hernandez	22.1	ND
Sergio Fajardo	8.0	ND
Alex Char	6.9	ND
Oscar I. Zuluaga	3.8	ND
Juan Manuel Galan	3.5	ND
Alejandro Gaviria	2.3	ND
David Barguil	1.8	ND
Ingrid Betancourt	1.7	ND
Enrique Peñalosa	1.4	ND
¹ Cocinero: Recetas Electorales
² Fecha pronóstico: 2022-14-03
³ Twitter: @recetaelectoral

Evaluación (Hipotética)

Supongamos que se disuelven todas las consultas y se presentan todos los candidatos el 29 de mayo. Ese día se evalúan los resultados del pronóstico así:

Código

library(tidyverse)

ejemplo_datos %>% 
  dplyr::select(n,fecha,encuestadora,muestra,contains("_"),merror=margen_error,-tasa_respuesta,-ns_nr,-muestra_int_voto) %>%
  tidyr::pivot_longer(cols = contains("_"),
                      names_to = "candidato", values_to = "int_voto") %>% 
  dplyr::mutate(nombres = case_when(candidato=="alejandro_gaviria" ~ "Alejandro Gaviria",
                                    candidato=="sergio_fajardo" ~ "Sergio Fajardo",
                                    candidato=="juan_m_galan" ~ "Juan Manuel Galan",
                                    candidato=="ingrid_betancourt" ~ "Ingrid Betancourt",
                                    candidato=="alex_char" ~ "Alex Char",
                                    candidato=="david_barguil" ~ "David Barguil",
                                    candidato=="enrique_penalosa" ~ "Enrique Peñalosa",
                                    candidato=="federico_gutierrez" ~ "Federico Gutierrez",
                                    candidato=="oscar_i_zuluaga" ~ "Oscar I. Zuluaga",
                                    candidato=="rodolfo_hernandez" ~ "Rodolfo Hernandez",
                                    candidato=="gustavo_petro" ~ "Gustavo Petro") %>%
                  factor()) %>%
  dplyr::group_by(nombres) %>% 
  # Estimacion promedios
  dplyr::summarise(pronostico=mean(int_voto,na.rm=TRUE)) %>%
  # Join resultados hipoteticos
  dplyr::left_join(
    tribble(~nombres,~resultado_hipotetico,
        "Alejandro Gaviria",10,
        "Sergio Fajardo",15,
       "Juan Manuel Galan",6,
       "Ingrid Betancourt",6,
       "Alex Char",3,
       "David Barguil",3,
       "Enrique Peñalosa",2,
       "Federico Gutierrez",20,
       "Oscar I. Zuluaga",5,
       "Rodolfo Hernandez",5,
       "Gustavo Petro",20,
       "Blanco",5),
       by="nombres") %>%
  # Evaluacion individual
  dplyr::mutate(evaluacion = abs(resultado_hipotetico - pronostico),
                n = n()) %>%
  # Puntaje
  dplyr::mutate(puntaje = cumall(evaluacion)/max(n)) %>%
  dplyr::distinct(puntaje) %>%
  kable("html", 
        digits=2,
        caption = "Puntaje final pronostico:") %>% 
  kable_styling(full_width = F) %>% 
  column_spec(1,  bold=T, background = "#D7261E", color = "white") %>%
  footnote(number = c("Cocinero: Recetas Electorales","Twitter: @recetaelectoral","Fecha pronostico: 2022-14-03"))

Puntaje final pronostico:
puntaje
0.09
¹ Cocinero: Recetas Electorales
² Twitter: @recetaelectoral
³ Fecha pronostico: 2022-14-03

Sugerencias para cocineros creativos

Hay muchos aspectos de las elecciones que se pueden analizar a través de recetas basadas en datos y modelos reproducibles.

Algunas ideas sueltas:

Dinámicas regionales: ¿Cómo se distribuyen las votaciones de cada candidatos por departamento y municipio?
Voto inconforme: ¿Qué dice el voto en blanco sobre la dinámica electoral? ¿Cómo varía el voto en blanco por vuelta y por geografía?
Maquinarias: ¿Cómo se puede modelar la influencia de las maquinarias sobre las elecciones?
Sofisticaciones estadísticas: Procesos Gaussianos, ML, etc.