☕ Café después de la 1era vuelta

Los pronósticos enfrentados a la realidad de los resultados electorales

Autor/a

Afiliación

Recetas Electorales

Análisis independiente

“The credibility of inference decreases with the strength of the assumptions maintained”
–Charles Manski

La primera vuelta fue generosa con las encuestas y, claro, con las recetas electorales basadas en encuestas. El mejor pronóstico fue el que resultó de las recetas bayesianas Plato Simple y Plato Mixto. Las recetas fracasaron en identificar la proporción de votos de Sergio Fajardo, la sorpresa de la jornada, pero acertaron para todos los otros candidatos. Más que cualquier otro pronóstico y que cualquier encuesta individual.

TipConclusión: las encuestas son ingredientes valiosos si se cocinan todas juntas

library(tidyverse)
library(plotly)

colors_cafe <- c("grey50","grey50","grey50","grey50","#ff4800","#ff4800")
shape_cafe <- c(12,18,17,15,10,8)

# Cafe plot ####
cafe_2018_plot <- readr::read_csv("sancocho_2018.csv") %>%
  dplyr::filter(fuente!="Resultado") %>%
  ggplot(aes(x=candidato,y=int_voto))+
  geom_point(aes(shape=fuente,color=fuente),size=4,position = position_dodge(0.8))+
  geom_errorbar(aes(ymax=int_voto_max,ymin=int_voto_min,color=fuente),position = position_dodge(0.8),width=0.5)+
  theme(legend.position = "bottom",
        legend.title = element_blank(),
        legend.key=element_blank(),
        legend.text=element_text(size=11),
        strip.text.x = element_text(size = 8),
        axis.text=element_text(size=11),
        axis.ticks.x=element_blank(),
        axis.text.x=element_blank(),
        panel.background=element_rect(fill="white",color="white"))+
  labs(x="",y="\n% votos",
       title="Cafe post electoral 2018",
       subtitle="Pronosticos (puntos) vs Resultados (linea punteada)",
       caption="\nFuente: www.recetas-electorales.com")+
  scale_shape_manual(values=shape_cafe)+
  scale_color_manual(values=colors_cafe) +
 # Resultados
  geom_hline(data=readr::read_csv("sancocho_2018.csv") %>%
               dplyr::filter(fuente=="Resultado"),aes(yintercept=int_voto,group=candidato),linetype="dashed")+
  # Facets
  facet_wrap(~factor(candidato,levels=c("Ivan Duque","Gustavo Petro","Sergio Fajardo","German Vargas Lleras","Humberto de la Calle")),nrow = 1, scales = "free")

cafe_2018_plot

Café post electoral

#ggplotly(cafe_plot)

Ñapa: Desviación absoluta promedio para cada pronóstico

Si aplicáramos la fórmula que se utilizará en 🥇 Recetas Abiertas a los pronósticos de la primera vuelta de 2018, este sería el resultado. Los platos Simple y Mixto fueron los más precisos.

::: {#tbl-cap: “Café post electoral: Evaluación usando distancias absolutas” .cell}

library(tidyverse)
library(kableExtra)

# Evaluacion Cafe ####
readr::read_csv("sancocho_2018.csv") %>%
  dplyr::select(candidato, fuente,int_voto) %>%
  tidyr::pivot_wider(names_from = "fuente", values_from = "int_voto") %>%
  tidyr::pivot_longer(cols = c("18 Encuestas","Simple","Mixto","ANIF","El Pais","Cifras y Conceptos"), names_to = "fuente",values_to = "pronostico") %>%
  # Evaluacion
  dplyr::mutate(evaluacion = abs(Resultado - pronostico)) %>%
  dplyr::group_by(fuente) %>% 
  dplyr::summarize(score = sum(evaluacion)) %>%
  dplyr::arrange(score) %>%
  kable("html", 
        digits=1,
        caption = "Evaluacion de pronosticos para la primera vuelta de 2018:",
        col.names = c("Fuente",
                      "Score")) %>% 
  kable_styling(full_width = F) %>% 
  row_spec(0,bold=TRUE, background = "#FF4900", color = "white") %>%
  row_spec(1:2,bold=TRUE, italic = TRUE, color = "#FF4900") %>%
  footnote(general = c("Score: Distancia absoluta promedio",
                      "Fuente: www.recetas-electorales.com"))

Evaluacion de pronosticos para la primera vuelta de 2018:

Fuente	Score
Simple	14.2
Mixto	14.4
El Pais	16.2
18 Encuestas	16.5
Cifras y Conceptos	32.2
ANIF	49.2
Note:
Score: Distancia absoluta promedio
Fuente: www.recetas-electorales.com

:::