• Política E Atualidades

Previsão do presidente: duas maneiras pelas quais as previsões eleitorais são mal interpretadas

Todo mundo quer prever quem vencerá as eleições presidenciais de 2020. Aqui estão dois equívocos a serem eliminados para que as pessoas não proclamem a morte dos dados como fizeram em 2016.

Resultados das eleições presidenciais dos Estados Unidos por condado, 2016.

• Existem dois equívocos comuns que confundem a compreensão das pessoas sobre a previsão eleitoral, diz Eric Siegel: culpar o prognosticador e prever os candidatos versus prever os eleitores.
• Em 2016, a previsão de Nate Silver colocava cerca de 70% de chances de vitória de Clinton. Apesar do choque das pessoas com os resultados das eleições, essa previsão não estava errada.
• À medida que as previsões para a eleição presidencial de 2020 aumentam, é importante entender o que a previsão eleitoral significa e acabar com os equívocos que distorcem nossas expectativas.

Quando é ano de eleição presidencial, a especulação está nas cartas. É o passatempo nacional. Todo mundo quer prever quem vai ganhar.

Mas, cara, as pessoas administrar mal suas próprias expectativas antes da eleição presidencial de 2016 , quando Donald Trump derrotou Hillary Clinton.

Isso se deveu em grande parte à má interpretação das previsões eleitorais. Existem dois equívocos comuns, e corrigi-los se resume à ideia fundamental do que é uma probabilidade.

Em 2016, a previsão de Nate Silver colocava cerca de 70% de chances de vitória de Clinton. Quem é Nate? Não há pessoa mais conhecida de predição neste país, não há prognóstico mais famoso do que o ex-blogueiro do New York Times e agregador de pesquisas políticas Nate Silver, que ganhou notoriedade por prever corretamente o resultado das eleições presidenciais de 2012 para cada estado individual.

Atualmente, seu último minuto previsão da Primária Democrática de 2020 está ao vivo, e sua previsão das eleições gerais de 2020 está próxima.

A propósito, a análise de números serve mais do que apenas para prever eleições presidenciais - também ajuda vencer eleições presidenciais. Clique aqui para ler tudo sobre isso.

Equívoco nº 1: Culpar o prognosticador

Nate Silver fala em um painel na cidade de Nova York.

Foto: Krista Kennell / Patrick McMullan via Getty Images

Quando Clinton perdeu em 2016, todos estavam tipo, 'OMG, falha épica!' O raciocínio era, bem, a previsão de 70% de que ela iria ganhar provou estar errada, então o problema deve ter sido dados de pesquisa ruins ou algo sobre o modelo de Silver, ou ambos.

Mas não - a previsão não era ruim! '70% 'não significa que Clinton vencerá claramente. E 30% de chance de Trump ganhar não é uma chance remota. Algo que acontece 30% das vezes é muito comum e normal. E isso é probabilidade. Isso significa que, em uma situação como essa, isso acontecerá 30 em 100 vezes, ou seja, 3 em 10 vezes. Essas não são grandes probabilidades.

E a probabilidade de 70% de Clinton está, na verdade, mais perto de um empate 50/50 do que de uma 'coisa certa' de 100%. Quando você vê '70% ', a conclusão não é que Clinton é praticamente um sapato. Não, a conclusão é: 'Não sei'. Muita incerteza.

Acredito que muitas pessoas viram que '70% ', e o processo de pensamento foi tipo,' 70% é uma nota para passar, então Clinton vai definitivamente passar, então Clinton definitivamente vai ganhar. '

A previsão é difícil. Para ser mais específico, existem muitas situações em que o resultado é incerto e simplesmente não podemos estar confiantes sobre o que esperar. O modelo de Nate Silver olhou os dados e disse que essa era uma dessas situações. Agora, uma previsão confiante pode ser mais satisfatória. Todos nós queremos respostas definitivas. Mas é melhor para você encolher os ombros do que expressar confiança sem uma base firme para isso, e é melhor para a matemática fazer a mesma coisa.

Pressione a imprensa para dar um descanso

Então, me sinto meio mal por Nate Silver. Ele tem uma má reputação. A maioria dos outros modelos proeminentes em geral coloca as chances de Clinton muito mais altas - entre 92% e 99%. Esses modelos exibiram excesso de confiança. O modelo de Silver não se comprometeu fortemente. Expressou, antes de mais nada, incerteza.

Até a Harvard Gazette, em um artigo que, em última análise, defendeu Silver , coloque desta forma: 'Mesmo o site líder de análise estatística FiveThirtyEight.com [que é o site de Silver] deu a Donald Trump uma chance de menos de 1 em 3 de ganhar. Então, quando ele alcançou a vitória ... os analistas políticos atordoados culparam os pesquisadores e analistas, proclamando 'a morte dos dados' '.

É como se a jornalista não conseguisse entender o fato de que 'menos 1 em 3' - especificamente uma chance de 30% - não é uma probabilidade remota. Se houvesse 30% de chance de um carro bater, você obviamente não entraria no carro.

Nate Silver não estava apostando sua vida em um candidato ou no outro. Seu trabalho como previsor não era prever magicamente como uma bola de cristal. Era para lhe contar as probabilidades com a maior precisão possível.

Quando questionado pelo mesmo jornalista se ele estava dizendo que divergia do sentimento geral de que a pesquisa foi um 'fracasso massivo', Silver disse: 'Não apenas não estou nesse movimento, acho que é bastante irresponsável quando as pessoas na grande mídia perpetuar essa narrativa ... Achamos que nosso modelo de eleição geral foi muito bom. Dizia que havia uma boa chance de Trump ganhar ... se todos dissessem 'Trump não tem chance' e você usasse a modelagem para dizer 'Ei, olhe isso com mais rigor; ele realmente tem uma chance muito boa. Não 50 por cento, mas 30 por cento é muito bom. ' Para mim, é uma aplicação de modelagem muito bem-sucedida. '

Lembro-me até de ouvi-lo falar mal de seus colegas de trabalho em seu próprio podcast pouco antes da eleição, que falavam sobre a eleição de Clinton como um acordo fechado. É como se ninguém entendesse o que '30% 'significa.

Previsão não é futurismo

Quando você é um participante do programa de perguntas e respostas de TV Jeopardy, você só entra na conversa quando acha que sabe a resposta para a pergunta, porque se errar, você será penalizado. Assim, você avalia sua própria confiança, sua própria certeza de que a resposta que você terá será correta. O computador Watson da IBM, que competiu contra campeões humanos naquele programa de TV, fez exatamente isso. Seu modelo preditivo serviu não apenas para selecionar a resposta a uma pergunta, mas também forneceu um medidor de confiança nessa resposta, que informava diretamente se o computador zumbia ou não para responder a pergunta.

Aqui está minha grande previsão: o futurismo estará totalmente fora de moda em 20 anos. Ha-ha - entendeu? O que quero dizer é que as previsões não são como o futurismo. Futurismo é a prática de colocar toda a sua reputação em uma aposta confiante. Em contraste, a previsão criteriosa permite a incerteza - ela até exige, conforme necessário.

Equívoco nº 2: Previsão de candidatos versus previsão de eleitores

Hillary Clinton e Donald Trump no primeiro debate presidencial da eleição presidencial de 2016 na Hofstra University

Foto: Getty Images

O outro equívoco comum de previsão de eleições é que os '70% 'estimaram quanto dos votos Clinton obteria. Isso não é exatamente a mesma coisa que chances de vitória. Agregadores de pesquisas como Silver prevêem qual candidato vencerá; qualquer previsão que eles também façam sobre a porcentagem de eleitores é secundária e distinta da previsão probabilística principal.

Afinal, as corridas presidenciais estão muito mais próximas do que 70/30. 2016 saiu com 46% Trump contra 48% Clinton, em todo o país.

Agora, se os dados nos mostrassem esperando que um candidato realmente obtivesse 70% dos votos em todo o país, então as chances de eles ganharem seriam de fato quase certas - e uma vitória esmagadora nisso. Nesse caso, talvez eles acabassem recebendo menos, como 60% - mas ainda é uma provável vitória no colégio eleitoral. E as chances são particularmente pequenas de que o resultado caia ainda mais longe dos 70% esperados, para menos de 50%, portanto, uma derrota na eleição seria um tiro no escuro, talvez apenas uma chance de 1%. Portanto, se você previu que um candidato obterá 70% dos votos, isso pode se traduzir em mais de 99% de probabilidade de vitória.

Transformando pesquisas em probabilidades

De qualquer forma, os 70% não eram a proporção de votos esperada. A proporção esperada de votos é o entrada ao modelo de Nate Silver não o resultado . Para ser mais preciso, o modelo insere pesquisas, que estimam quantos votarão em cada candidato, e gera uma previsão, a probabilidade de um determinado candidato vencer.

Uma pesquisa eleitoral não constitui uma tecnologia mágica de prognóstico - é claramente o ato dos eleitores explicitamente dizendo a você o que vão fazer. É uma simulação de mini-eleições.

Mas existe uma habilidade para agregar pesquisas, como Silver tem dominado tão habilmente. Seu modelo pesa habilmente um grande número de resultados da pesquisa, com base em quantos dias ou semanas a pesquisa tem, o histórico do pesquisador e outros fatores.

Portanto, o modelo de Silver transforma os resultados da pesquisa em uma probabilidade prevista. Ele mapeia de um para o outro. Isso é o que um modelo preditivo faz em geral. Ele pega os dados que você tem como entrada e os transforma em uma fórmula em uma probabilidade do resultado ou comportamento que você está procurando prever.

Freqüentemente, as probabilidades do modelo chegam mais perto de 50% do que 100%. Eles são incertos, como quando seu Magic Eight Ball diz, 'O panorama é nebuloso.' Pode ser difícil aceitar a falta de certeza. Quando as apostas são altas, preferimos nos sentir confiantes, para saber como isso vai acabar. Não deixe que esse impulso o leve a uma narrativa falsa. Pratique não saber. Encolha mais os ombros. É bom para você.

- - -
Eric Siegel, Ph.D., fundador da Predictive Analytics World e Deep Learning World série de conferências e editor executivo de The Machine Learning Times , torna o como e o porquê da análise preditiva (também conhecida como aprendizado de máquina) compreensível e cativante. Ele é o autor do livro premiado Análise preditiva: o poder de prever quem vai clicar, comprar, mentir ou morrer , o anfitrião de The Dr. Data Show web series, um ex-professor da Universidade de Columbia e um renomado palestrante , educador , e líder em campo. Siga-o em @predictanalytic .

Compartilhar: