Quem as pesquisas ouvem?

1. A referência: o eleitorado real

• Sexo, idade e região vêm do perfil do eleitorado do TSE de 2026 ( eleitores aptos no Brasil; os eleitores no exterior ficam de fora, porque as pesquisas só entrevistam quem mora no país). É exatamente o universo das pesquisas.
• Escolaridade e renda vêm da PNAD Contínua 2025, 1ª visita (IBGE), a mesma base citada pela maioria dos institutos: pessoas de 16 anos ou mais na amostra. A PNAD representa a população, e não o eleitorado (inclui, por exemplo, jovens de 16 e 17 anos sem título). Por isso, os pesos da PNAD são ajustados por raking (ajuste iterativo proporcional) até reproduzirem a distribuição do eleitorado do TSE por sexo e idade (10 grupos) e por região (5 grupos). Escolaridade e renda são calculadas com esses pesos.
• Por que não a escolaridade do TSE: o cadastro eleitoral registra a escolaridade informada quando a pessoa tirou o título, e ela quase nunca é atualizada. No cadastro, % dos eleitores têm superior completo ou incompleto; na PNAD, %. Institutos que usam o cadastro como alvo subestimam quem tem diploma.

2. O perfil declarado e a amostra publicada

• Plano amostral: texto do campo de plano amostral e ponderação do registro de cada pesquisa no TSE (portal de dados abertos). Os percentuais foram lidos do texto, mantendo as categorias de cada instituto. Para cada instituto vale o registro mais recente.
• Amostra publicada: o peso de cada grupo nas tabelas de cruzamento dos relatórios, quando publicado. É o perfil depois da ponderação, ou seja, o que de fato entrou no resultado.
• Futura: o registro está em nome de 100% Cidades Participações Ltda.; foi identificado pela data de fim de campo, pela amostra (2.000) e pela margem (2,2 pontos), idênticas às da Futura.

3. A distância entre o declarado e o real

• Para cada instituto, a realidade é recalculada nas mesmas faixas que ele usa (por exemplo, "até 2 SM, 2 a 5 SM, mais de 5 SM" ou "até R$ 2.000 ... mais de R$ 10.000"). Categorias de "não sabe/recusa" saem, e o restante é recalculado para somar 100%.
• A distância é o índice de dissimilaridade: D = ½ × Σ |alvo − real|. Ele diz quantos pontos percentuais da amostra estão no grupo errado. Exemplo: um alvo de 46% até 2 SM e 54% acima, contra 35% e 65% reais, dá D = ½ × (11 + 11) = 11.
• A distância média é a média simples de D nas variáveis declaradas entre sexo, idade, escolaridade e renda. Um instituto que não declara uma variável não é penalizado nela, mas o número de variáveis declaradas aparece ao lado.
• Escolaridade: as categorias de cada instituto foram associadas aos níveis da PNAD (sem instrução, fundamental incompleto e completo, médio incompleto e completo, superior incompleto e completo). Quando o rótulo é ambíguo (Indexa), vale a associação mais próxima dos percentuais declarados.

4. Renda

• A referência é a renda domiciliar total (soma de todos os rendimentos dos moradores, inclusive aposentadorias, pensões e benefícios; variável VD5001 da PNAD), em salários mínimos de 2025 (R$ 1.518): renda ÷ salário mínimo do mesmo ano. Faixas em reais (AtlasIntel) são comparadas em reais de 2025.
• A mesma conta foi feita para a renda individual (todas as fontes da própria pessoa) e para a renda do chefe do domicílio, porque os institutos usam conceitos diferentes, e às vezes não dizem qual. Até 2 SM: .
• Vox Brasil não define a renda, e seus alvos (84% até 2 SM) só se aproximam da renda individual; ele é comparado por ela. Pela renda domiciliar, a distância seria muito maior. Gerp diz usar a renda do chefe, mas seus percentuais são idênticos aos da renda familiar do Censo 2010 usados pela Futura; é comparado pela renda domiciliar.
• Limite importante: a renda que o entrevistado declara numa pesquisa rápida tende a ser menor do que a que a PNAD mede com um questionário detalhado, que pergunta fonte por fonte. Parte do excesso de baixa renda nas amostras pode vir dessa diferença de medida, e não de entrevistados a mais. Por isso a renda pode ser ligada e desligada na reponderação.

5. A reponderação

Os institutos publicam o voto por grupo de cada variável separadamente (por renda, por escolaridade...), mas não o cruzamento entre elas. Reponderar uma variável de cada vez e somar os efeitos contaria duas vezes o que renda e escolaridade têm em comum. Por isso o cálculo usa um modelo:

1. Esqueleto da população: as pessoas da PNAD, agrupadas em células com o mesmo grupo em todas as variáveis da pesquisa (ex.: mulher, 35 a 44 anos, médio completo, 2 a 5 SM, Nordeste). A PNAD dá a estrutura conjunta das variáveis.
2. Pesos da amostra: os pesos das células são ajustados por raking até reproduzirem a amostra publicada da pesquisa em cada variável. Sem o peso publicado, vale o alvo do plano amostral; sem nenhum dos dois, supõe-se que o instituto pondera aquela variável pela realidade (efeito zero).
3. Voto: cada célula recebe uma probabilidade de votar em Lula, em Flávio ou em nenhum, ajustada por IPF (ajuste iterativo proporcional) até que, com os pesos da amostra, o modelo reproduza o voto publicado em cada grupo de cada variável, todas ao mesmo tempo. O modelo é aditivo na escala logarítmica: o efeito de ser de baixa renda é o mesmo em todas as idades, por exemplo.
4. Reponderação: os pesos das células voltam à realidade nas variáveis escolhidas e o voto é recalculado. O efeito é modelo com pesos reais − modelo com pesos da amostra, somado ao resultado publicado. A diferença em votos válidos é (Lula − Flávio) ÷ (Lula + Flávio) × 100.

6. Confiabilidade de cada reponderação

• Os cruzamentos são publicados arredondados e às vezes não fecham com o total. Medimos duas coisas: o ajuste (quanto o modelo, com os pesos da amostra, se afasta do resultado publicado) e o resíduo (quanto o voto por grupo do modelo se afasta do publicado).
• Alta: ajuste até 0,5 ponto e resíduo até 1 ponto. Média: ajuste até 1,2 ponto. Baixa: acima disso.
• Datafolha e Quaest não entram na reponderação: os relatórios completos não estavam disponíveis, e a imprensa só citou grupos isolados. A Nexus e a Futura entram só com sexo, idade e região, os únicos cruzamentos completos publicados.

7. Limites

• Corrigir o perfil não corrige o principal erro das pesquisas: o eleitor de um grupo que aceita responder pode votar diferente de quem recusa. Isso não aparece em nenhuma variável demográfica. A análise As pesquisas acertaram? mede esse erro eleição a eleição.
• O modelo supõe que os efeitos das variáveis se somam. Interações fortes (por exemplo, renda pesando mais entre os jovens) não são captadas.
• A PNAD representa a população residente; a calibração ao TSE alinha sexo, idade e região, mas não corrige diferenças de escolaridade ou renda entre quem tem título e quem não tem.
• Faixas em reais usam a renda de 2025; as pesquisas perguntam a renda de 2026. A diferença de inflação (cerca de 5%) desloca pouco as faixas.

8. Baixar os dados e reproduzir

• planos_vs_real.csv: cada categoria do plano amostral de cada instituto, o alvo, o real e a distância.
• reponderacao.csv: o resultado publicado e o reponderado de cada pesquisa, para cada combinação de variáveis corrigidas.
• referencia.csv: o eleitorado real por sexo, idade, região, escolaridade (PNAD e cadastro do TSE) e renda.
• data.json: todos os números exibidos nesta página.

Código: pipeline/perfil_amostras_preparar.py (bases do TSE e da PNAD) e pipeline/perfil_amostras.py (comparação e reponderação).