Existem inúmeros motivos para um candidato ser rejeito, desde seu passado a rinchas entre dois grupos.
Para testar a hipótese que me foi trazido para atenção de que a rejeição do Titão está vindo dos eleitores do Leitoa, fiz um teste de correlação. Esse teste mede como duas variáveis estão conectadas, como, "sol e sorvete". Quanto mais sol faz, mais sorvete vende. Note que correlação não é causalidade. Correlação não diz que dois eventos estão necessariamente amarrados, diz que existe pontos em comum. Pode fazer sol, mas estamos em pandemia: isso levaria a venda de sorvete a diminuir, mesmo com sol quente. Ou seja, correlação é uma medida superficial da questão, não nos diz as causas em detalhe.
Para isso, peguei as pessoas que declararam votos no Leitoa, e peguei as pessoas que declaram rejeição no Titão. Mantive as pessoas que nem declaram rejeição nem voto. Ou seja, isso ajudaria a dissolver o sinal. Tanto voto no Leitoa quanto rejeição do Titão ativam uma variável binária.
O valor foi 0,19 (menor valor -1 (correlação negativa) e maior valor 1 (correlação positiva)).
Se a correlação fosse próxima de 1, isso indicaria uma forte polarização, onde os eleitores estão claramente divididos entre essas duas opções. No entanto, com um coeficiente de 0.2, a polarização é menos evidente, mas ainda existe algum sinal de associação entre as duas variáveis.
Isso significa que mesmo fraco, existe uma rincha entre os dois candidatos. Isso não significa que essa rincha existe entre todos os eleitores, mas entre os eleitores que declararam votos no Leitoa. Ou seja, os eleitores do Leitoa rejeitam o Titão. Isso pode significar que ele representa uma ameaça na visão deles.
Uma forma de ver isso seria quando tenta explicar o tamanho do pé da pessoa usando altura. Pessoas altas tendem a ter pé maior, mas nem sempre pessoas alta têm pé grande. Ou seja, parte do tamanho do pé pode ser explicado pela altura, mas nem sempre.
Os resultados mostram que parte da rejeição do Titão vem do eleitorado do Leitoa, mas isso não explica tudo. Seria necessário mais estudos para achar os outros motivos.
Podemos fazer algo mais interessante. Qual a rejeição do Titão entre sem candidatos? \
Em vez de confrontar com Leitoa, vamos confrontar com Sem Candidatos, que seria diferente de Nulos declarados. São eleitores que vão votar, mas ainda não sabem.
Achamos -0,21.
Isso significa que entre os Sem Candidatos, a rejeição cai, apesar de existir também.
Isso não explica toda a rejeição, mas ajuda a achar parte dela. Mais em breve.
Aprenda mais sobre correlação: Interpretação do coeficiente de correlação
Detalhes
A ideia por trás é simples: toda vez que uma pessoa votar no candidato 1, quero saber a rejeição do candidato 2.
Estou usando a função CORREL do LibreOffice.
Como exemplo, suponha duas amostras de eleitores: (1, 0) e (1, 0); onde (votar no candidato 1, rejeição ao candidato 2). Nesse, temos dois eleitores alinhados, isso vai dar 1, quando calculamos, seria um alinhamento total. Podemos aumentar para três e obtermos o mesmos resultado. Lembrando que 1 é votar em um, e 1 no outro é rejeição. 0 seria o eleitor fora da polarização.
Outro cenário interessante (0, 1) e (1, 0). Nesse caso, um eleitor não vota no candidato 1, mas mesmo assim rejeita o candidato 2. Isso seria uma medida da rejeição do candidato 2 por outros motivos, fora da possível polarização política. Isso cai dar -1.
Outro cenário interessante: (0, 1), (0, 0) e (1, 0). Nesse cenário, temos dois candidatos fora da polarização. Um declara rejeição, por outros motivos. Ou outro nem vota nem rejeita o candidato 2. Isso vai dar -0.5.
Como pode ver, é possível ir aprendendo com o modelo de rejeição criando cenário com poucas variáveis, com poucas amostras.
ChatGPT (Inteligência artificial): discussão dos resultados com a IA
Fiz uma pesquisa de opinião para eleições. Criei duas variáveis. Uma mede se o eleitor vota no candidato 1, outra se rejeita o candidato 2. Quero medir se existe uma correlação entre as duas variaveis. Como exemplo, x1=1, x2=1, significa que a pessoa vota no candidato 1 e rejeita o 2. Achei 0.2 como coeficiente de correlação. Estou interpretando como isso significa que existe um sinal de que há uma disputa boa entre os dois, polarização. x1=0, x2=0 significa nem voto nem rejeição, ou seja, o eleitor não está polarizado
É interessante que você esteja investigando a correlação entre essas duas variáveis em uma pesquisa de opinião para eleições. Vamos explorar um pouco mais sobre correlações e como interpretar o coeficiente que você encontrou.
O coeficiente de correlação mede a relação linear entre duas variáveis. Ele varia de -1 a 1, onde:
Um valor próximo de 1 indica uma forte correlação positiva (quando uma variável aumenta, a outra também aumenta).
Um valor próximo de -1 indica uma forte correlação negativa (quando uma variável aumenta, a outra diminui).
Um valor próximo de 0 indica pouca ou nenhuma correlação linear.
No seu caso, você encontrou um coeficiente de correlação de 0.2 entre as variáveis “voto no candidato 1” e “rejeição do candidato 2”. Vamos interpretar isso:
Valor positivo (0.2): Isso sugere que há uma tendência positiva, mas fraca, entre votar no candidato 1 e rejeitar o candidato 2. Em outras palavras, quando alguém vota no candidato 1, há uma probabilidade ligeiramente maior de que essa pessoa também rejeite o candidato 2.
Interpretação da polarização: Você mencionou que x1=1 e x2=1 representam votar no candidato 1 e rejeitar o candidato 2. Se a correlação fosse próxima de 1, isso indicaria uma forte polarização, onde os eleitores estão claramente divididos entre essas duas opções. No entanto, com um coeficiente de 0.2, a polarização é menos evidente, mas ainda existe algum sinal de associação entre as duas variáveis.
x1=0, x2=0: Quando ambos os valores são 0 (ou seja, nem voto nem rejeição), isso sugere que o eleitor não está polarizado e pode estar considerando outras opções ou não se sentindo fortemente inclinado a nenhum dos candidatos.
Lembre-se de que a correlação não implica causalidade. Ou seja, mesmo que haja uma correlação entre essas variáveis, não podemos afirmar que votar no candidato 1 causa a rejeição do candidato 2 (ou vice-versa). Outros fatores podem estar em jogo.
Se você quiser aprofundar sua análise, considere também explorar outras técnicas estatísticas, como testes de significância, para avaliar se a correlação observada é estatisticamente relevante. Além disso, lembre-se de que a interpretação pode variar dependendo do contexto específico da sua pesquisa. 😊12
Quem paga essas pesquisas?
Ninguém!
Estou fazendo para ajudar o eleitor. Meu compromisso é com a verdade, com os fatos. Meu objetivo é informar o eleitor, votar consciente. Eu não tenho conflito de interesse. Eu não vou declarar meu voto, nem mesmo favorecer candidatos.
Importante.
Isso é somente uma pesquisa, para informação. O objetivo é informar o público, o eleitor, e os candidatos. Use as informações como estratégia. Eleições se ganha nas urnas. Vote usando o coração. Vote no que achar melhor!
=
Jorge Guerra Pires é autor dos livros sobre política e inteligência artificial: "Desinformação, infodemia, discurso de ódio, e fake news", "Inteligência Artificial e Democracia", e "Ciência para não cientistas". Coleção completa no
E na Amazon: https://www.amazon.com/dp/B0CW17VCQL?binding=kindle_edition&ref=dbs_m_mng_rwt_sft_tkin_tpbk
Jorge Guerra Pires
Sou um pesquisador independente e apaixonado por programação de computadores e modelagem computacional aplicada a sistemas biológicos. Minha formação acadêmica me preparou para conduzir pesquisas e análises com expertise. Aqui estão alguns detalhes da minha formação:
Graduação: Sou formado em Engenharia de Produção pela Universidade Federal de Ouro Preto (UFOP), Brasil. Durante minha graduação, atuei como monitor de física e também como professor particular.
Mestrado: Realizei meu mestrado em Engenharia Matemática pela Universidade de L’Aquila (Itália) em colaboração com a Universidade Técnica de Gdansk (Polônia). Meu foco estava na área de Biomatemática.
Doutorado: Obtive meu doutorado em Engenharia da Informação pela mesma Universidade de L’Aquila. Minha pesquisa concentrou-se em biomatemática.
Pós-Doutorado: Além disso, realizei um pós-doutorado na Universidade Federal da Bahia (UFBA) e concluí outro na Fundação Oswaldo Cruz (Fiocruz).
Reconhecimento Internacional: Meus diplomas obtidos no exterior foram reconhecidos pela Universidade de São Paulo (USP) na área de bioinformática.
Minha experiência e formação me capacitam a conduzir pesquisas rigorosas e análises detalhadas. Estou ansioso para contribuir com insights valiosos em sua pesquisa de opinião sobre candidatos para as próximas eleições. Se precisar de mais informações, estou à disposição! 🌟