• Ir al contenido principal
  • Skip to secondary menu
  • Ir a la barra lateral primaria
  • Ir al pie de página
  • Inicio
  • Secciones
    • Ciencia de datos
    • Criptografía
    • Herramientas
    • Noticias
    • Opinión
  • Programación
    • JavaScript
    • Julia
    • Matlab
    • Python
    • R
  • Boletín
  • Contacto
  • Acerca de Analytics Lane
  • Tienda
    • Libros
    • Equipamiento de oficina
    • Equipamiento en movilidad
    • Tiendas afiliadas
      • AliExpress
      • Amazon
      • GearBest
      • GeekBuying
      • JoyBuy

Analytics Lane

Ciencia e ingeniería de datos aplicada

  • Ciencia de datos
  • Criptografía
  • Python
  • Matlab
  • R
  • Julia
  • JavaScript
  • Herramientas
  • Opinión
  • Noticias

Tiempo de elección: predicción del número de escaños y ganador

octubre 11, 2019 Por Daniel Rodríguez Dejar un comentario

Recientemente hemos presentado un modelo que prededice el porcentaje de voto para el partido en el gobierno en las elecciones generales de España. El cual se basa en el “Time for Change”, un modelo que ha demostrado su precisión en las elecciones presidenciales de los EE. UU. En donde el porcentaje de votos es más importante para conocer al ganador de las elecciones. Pero en España, lo que interesa es el número de escaños y saber si el partido en el poder ha ganado las elecciones. Entendiendo por ganar ser el partido que más votos ha obtenido, no que tenga capacidad de formar gobierno en solitario o en coalición.

Por eso me han preguntado si era posible adaptar “Tiempo de elección” para que pueda responder a estas dos preguntas: el número de escaños del partido en el gobierno y si este gana o no las elecciones. Hoy vamos a intentar adaptar el modelo y ver si esto es posible.

Primera versión de Tiempo de elección

En la entrada anterior se presentó el modelo Tiempo de elección, el cual se construye con los datos se las siguientes series seis meses antes de las elecciones:

  • Variación interanual del PIB
  • Indicador de expectativas políticas
  • Tiempo del presidente en el gobierno

En esta ocasión se va a utilizar el mismo modelo para predecir no el porcentaje de votos del partido en el gobierno, sino el número de escaños y si este gana o no las elecciones.

El problema de tiempo de elección.

En España conocer solo el porcentaje de votos de un partido no es suficiente para saber si esta ha ganado las elecciones. Por ejemplo, en las últimas elecciones generales celebradas en abril de 2019 el ganador obtuvo un 28,67% de los votos. Pero, si nos remontamos a las elecciones de marzo de 2008 nos encontraremos que el segundo había obtenido el 39,94%, bastante más que el ganador en 2019. En 2008 el ganador obtuvo el 43,87% de los votos.

Por otro lado, lo que realmente interesa es el número de escaños. Lo que determina realmente el poder real de cada partido. Algo que, debido al sistema electoral, no es un valor que se pueda derivar directamente del porcentaje de voto.

Cambiando el objetivo en tiempo de elección: obtener el número de escaños

Un modelo para predecir el número de escaños se puede generar rápidamente a partir del utilizado para el porcentaje de votos. Solamente se tiene que modificar la variable objetivo con los escaños para ver los resultados. En este caso si recuperamos la información de los escaños que obtuvo históricamente el partido en el gobierno desde 2016 podemos crear un modelo con las siguientes predicciones:

AñoEscaños en eleccionesPredicción del modeloError absoluto
20001831830
20041481568
200816915910
20111101064
20151231307
20161371307
20191231286

En este caso el R2 del modelo ha sido de 0,92, mejorando los resultados de la regresión para el porcentaje de votos. En esta ocasión, el mayor error observado ha sido en las elecciones de 2008 con un error de 10 escaños. Siendo el error medio de 5 escaños.

Si se utiliza este modelo para las elecciones del 10 de noviembre de 2019, se obtiene que el partido en el gobierno obtendrá 141 escaños. Al igual que cuando se modelos el porcentaje de votos, un resultado ligeramente mejor que el obtenido en las elecciones anteriores. Algo esperado por la correlación que muestran estas dos variables.

Prediciendo el ganador

Anticipar el ganador de unas elecciones es algo complicado, ya que este concepto puede ser relativo. En función de quién puede formar gobierno y las expectativas de los partidos y electores. Pero si nos fijamos en un dato objetivo, el partido que más votos obtiene es posible crear un modelo ya que se dispone de un valor objetivo. Así se puede adaptar tiempo de elección a este objetivo obteniendo los siguientes resultados en el histórico de elecciones.

AñoVictoria partido en el gobiernoPredicción del modelo
2000VerdaderoVerdadero
2004FalsoFalso
2008VerdaderoVerdadero
2011FalsoFalso
2015VerdaderoVerdadero
2016VerdaderoVerdadero
2019VerdaderoVerdadero

En este caso el modelo es perfecto, aunque por la poca cantidad de datos podemos sospechar que puede haber sobreajuste. Algo que ya sospechábamos en su momento del modelo original. Aunque, desgraciadamente, no hay más datos para validar.

Al aplicar este modelo a la situación actual se obtiene que el partido en el gobierno ganará las elecciones.

Conclusiones

En esta ocasión se ha probado el modelo Tiempo de elección con dos objetivos diferentes: el número de escaños del partido en el gobierno y si este gana las elecciones. Obteniendo como resultado que ganará el partido en el gobierno con 141 escaños. Lo que complementa lo visto la semana pasada al presentar el modelo tiempo de elección.

Al igual que la entrada anterior, hay que tener cautela a la hora e interpretar los resultados. Aunque “Time for Change” y los estadísticos aparentemente indica el modelo predice bien, la falta de profundidad histórica posiblemente no sea suficiente para tomar todavía en serio este tipo de modelos.

Imágenes: Unsplash (Arnaud Jaegers)

¿Te ha parecido de utilidad el contenido?

¡Puntúalo entre una y cinco estrellas!

Puntuación promedio 0 / 5. Votos emitidos: 0

Ya que has encontrado útil este contenido...

¡Síguenos en redes sociales!

¡Siento que este contenido no te haya sido útil!

¡Déjame mejorar este contenido!

Dime, ¿cómo puedo mejorar este contenido?

Contenido relacionado

Archivado en:Opinión Etiquetado con:Elecciones

Interacciones con los lectores

Deja una respuesta Cancelar la respuesta

Tu dirección de correo electrónico no será publicada. Los campos obligatorios están marcados con *

I accept the Terms and Conditions and the Privacy Policy

Este sitio usa Akismet para reducir el spam. Aprende cómo se procesan los datos de tus comentarios.

Publicidad


Barra lateral primaria

Suscríbete a nuestro boletín

Suscríbete al boletín semanal para estar al día de todas las publicaciones.

Política de Privacidad

¡Síguenos en redes sociales!

  • facebook
  • github
  • telegram
  • pinterest
  • rss
  • tumblr
  • twitter
  • youtube

Publicidad

Tiendas afiliadas

Ayúdanos realizando tus compras sin coste adicional con los enlaces de la tienda. ¡Gracias!

Entradas recientes

Creación de un certificado Let’s Encrypt en Windows con Win-Acme

enero 22, 2021 Por Daniel Rodríguez Dejar un comentario

Aplicaciones de Node en producción con PM2

enero 20, 2021 Por Daniel Rodríguez Dejar un comentario

SQLite en Python

enero 18, 2021 Por Daniel Rodríguez Dejar un comentario

Publicidad

Es tendencia

  • ¿Cómo eliminar columnas y filas en un dataframe pandas? bajo Python
  • Operaciones de filtrado de DataFrame con Pandas en base a los valores de las columnas bajo Python
  • Seleccionar filas y columnas en Pandas con iloc y loc bajo Python
  • Código fuente Eliminar filas o columnas con valores nulos en Python bajo Python
  • Excel en Python Guardar y leer archivos Excel en Python bajo Python

Publicidad

Lo mejor valorado

5 (3)

Ordenar una matriz en Matlab en base a una fila o columna

5 (3)

Automatizar el análisis de datos con Pandas-Profiling

5 (5)

Diferencias entre var y let en JavaScript

5 (6)

Operaciones de filtrado de DataFrame con Pandas en base a los valores de las columnas

5 (3)

Unir y combinar dataframes con pandas en Python

Publicidad

Comentarios recientes

  • Daniel Rodríguez en Calculadora de probabilidades de ganar a la lotería
  • abel en Calculadora de probabilidades de ganar a la lotería
  • David Arias en Diferencias entre regresión y clasificación en aprendizaje automático
  • Juan Aguilar en Archivos JSON con Python: lectura y escritura
  • Camilo en Contar palabras en una celda Excel

Publicidad

Footer

Secciones

  • Ciencia de datos
  • Criptografía
  • Herramientas
  • Noticias
  • Opinión

Programación

  • JavaScript
  • Julia
  • Matlab
  • Python
  • R

Analytics Lane

  • Acerca de Analytics Lane
  • Boletín de noticias
  • Contacto
  • Lo más popular
  • Tienda

Tiendas Afiliadas

  • AliExpress
  • Amazon
  • BangGood
  • GearBest
  • Geekbuying
  • JoyBuy

Sobre de Analytics Lane

En Analytics Lane tratamos de explicar los principales conceptos de la ciencia e ingeniería de datos con un enfoque práctico. Los principales temas tratados son ciencia de datos, ingeniería de datos, inteligencia artificial, machine learning, deep learning y criptografía. Además, también se habla de los principales lenguajes de programación y herramientas utilizadas por los científicos e ingenieros de datos.

Tiendas afiliadas

Ayúdanos realizando tus compras sin coste adicional con los enlaces de la tienda. ¡Gracias!

Amazon

2018-2020 Analytics Lane · Términos y condiciones · Política de Cookies · Política de Privacidad · Herramientas de privacidad · Contacto