• 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: evaluación de resultados

noviembre 15, 2019 Por Daniel Rodríguez Dejar un comentario

En octubre de este año presentamos en el blog el modelo “Tiempo de elección”, basado en el exitoso “Time for Change” usado en las elecciones presidenciales de los Estados Unidos, con el que pretendíamos estimar el porcentaje de votos del partido en el gobierno en las elecciones generales que tendría lugar un mes después en España. Modelo que se amplió una semana después para estimar el número de escaños y el ganador. A pesar de las claras diferencias que existen entre el sistema electoral estadounidense y el español, nos parecía interesante el ejercicio para comprobar los resultados que se pueden obtener con un modelo sencillo como este. En esta entrada vamos a comparar las predicciones del modelo con los resultados reales.

Comparación de los resultados

En primer lugar, podemos comparar las predicciones del modelo con los resultados reales en las elecciones para el partido en el gobierno. Valores que se pueden ver en la siguiente tabla.

Tiempo de elecciónResultados eleccionesError
Porcentaje de votos34,42%28,00%6,40%
Escaños14112021
GanadorVerdaderoVerdadero

Lo primero que se puede notar es que el error obtenido es bastante alto, un 6,4% en el porcentaje de votos y 21 en el número de escaños. Cuando en el conjunto de entrenamiento el error medio fue de 2,1% y 5 escaños. Se puede recordar que el error máximo que se había observado en los datos de entrenamiento fue en las elecciones de 2008 con unos errores de 4,6% y 10 escaños. Lo que indica que los resultados son malos, con un modelo que posiblemente esté sobreajustado por la falta de datos.

Aunque se puede indicar que el error obtenido es similar al macrobarómetor de octubre del CIS. En este se estimaba un porcentaje de votos del 32,2% y un número de escaños entre 133 y 150.

¿Por qué no funciona “Tiempo de elección” como “Time for Change”?

Una buena pregunta es ¿por qué los resultados de “Tiempo de elección” no son tan buenos como los de “Time for Change”? Posiblemente la primera causa sea la falta de datos. En el caso de “Tiempo de elección” la evaluación de los políticos solamente se encuentra disponible desde las elecciones de año 2000, lo que nos deja poco más de una década para entrenar el modelo. En el caso del “Time for Change” el modelo se puede entrenar con datos desde 1948, es decir ocho décadas de información.

Otra diferencia puede estar en la diferencia de las series utilizadas. En el modelo “Time for Change” se emplea la aprobación del presidente. Lo que es un buen indicador de lo que se desea predecir. En nuestro caso ante la falta de un valor equivalente, se utilizó el indicador de expectativas políticas. Algo que posiblemente no sea un predictor tan bueno.

Además, se encuentra la diferencia en los sistemas electorales. En España no se elige un presidente, sino que los diputados. Los cuales posteriormente eligen al presidente. Esto ofrece a los electores más opciones, no solamente los candidatos de los partidos mayoritarios.

Otro punto para considerar es el hecho de que las elecciones son una repetición de las realizadas medio año antes. Con un posible cansancio de los electores. Por lo que la situación política no era similar a la que se tenía en los datos de entrenamiento. Donde las elecciones se repiten aproximadamente cada cuatro años.

Posibles mejoras

De cara a un futuro modelo se pueden plantear varias mejoras. En primer lugar, se pueden buscar otras series temporales que puedan ser más significativas para el caso español.

Otra mejora puede se acortar el tiempo entre los datos usados en el modelo y las elecciones. Al usar los datos seis meses antes de las elecciones puede que los valores no sean representativos. Posiblemente bajar el tiempo a tres meses pueda ser más efectivo. En este aspecto se puede tener en cuenta que las elecciones en España no son siempre en el mismo momento del año, como si es en Estados Unidos. Por lo que acercar las series puede se más importante.

Finalmente, se puede plantear la búsqueda de un indicador que mida la polarización en la población de cara a mejorar las predicciones.

Conclusiones

En esta entrada se ha intentado explicar los resultados obtenidos por el modelo “Tiempo de elección” en las elecciones generales que tuvieron lugar en España en noviembre de 2019. Con lo que además se han propuesto mejorar de cara a aplicar el modelo en futuras elecciones.

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