# Metodologia · São Paulo 2026 · versão 0.1.0

Corte analítico: **08/09/2026, 11h30, America/Sao_Paulo**. Cadastro TSE gerado às 08h30m54s. Acesso e geração são campos distintos. Esta é uma versão exploratória, com cobertura integral dos cadastros do recorte e cobertura parcial de enriquecimento. Não é pesquisa eleitoral nem recomendação de voto.

## Universo e identidade

Incluem-se todos os registros de SP e os registros BR de Presidente e Vice, primeiro turno da eleição geral. Presidente é uma eleição nacional; o recorte de SP não funciona como colégio eleitoral. Deputado Federal e Estadual são bases e modelos diferentes. Os registros de vices e suplentes permanecem na base relacional, sem disputa individual de voto nominal.

O identificador de candidatura é o SQ_CANDIDATO, guardado como texto. A resolução de pessoas usa documento oficial apenas internamente para gerar uma chave hash. CPF, título eleitoral, e-mail e nascimento completo não aparecem no painel nem na base mestra tratada. O hash não deve ser tomado como anonimização irreversível; é uma chave técnica local. Gênero, raça/cor, idade, escolaridade e ocupação são informações públicas declaradas. Não entram nos preditores, exceto idade para o desempate legal.

Uma pessoa pode ter mais de um SQ. Guto Schiavetto tem dois pedidos ao Senado, ambos pendentes, e uma renúncia para deputado federal. Os dois pedidos de senador não são apagados nem somados como duas intenções de voto; a visão de registros mostra os SQ e a contagem de pessoas distingue 16 pedidos de 15 pessoas. Os vínculos de vice/suplência usam cargo, número, UF e coligação; relações antigas continuam registradas.

## Situação jurídica e atividade

O arquivo principal traz #NE nos campos gerais de situação. A situação de julgamento vem do arquivo complementar do TSE, sem converter #NE em deferimento. Excluem-se dos rankings ativos renúncia, falecimento, cancelamento, indeferimento definitivo e registros marcados como substituídos. Aguardando julgamento e recursos ficam ativos **condicionalmente à validade dos votos**. Isso não afirma que serão deferidos nem projeta o resultado de processos.

Todas as situações originais são preservadas. A análise contextual de processos e controvérsias não é exaustiva: ausência de anotação não atesta ausência de processo. Não se presumem culpa, elegibilidade definitiva ou transferência automática de votos.

## Proveniência e tratamento

Os ZIP fornecidos pelo usuário foram copiados integralmente para dados/brutos/tse. logs/importacao.json registra origem, SHA-256, tamanho, acesso e membros. Consultas da interface DivulgaCandContas foram preservadas e confrontadas com todos os nomes e números de SP. As 21 diferenças iniciais eram pontuação, espaços ou abreviações de tratamento: as variantes originais foram mantidas, normalizando-se apenas a chave de comparação.

CSV TSE: separador ponto e vírgula, codificação Latin-1, identificadores textuais. Saídas: UTF-8 com BOM, ausentes N/D. Não há imputação de zero por ausência de arquivo/lançamento. Zero é admissível quando declarado, contabilizado ou quando a pesquisa afirma ausência de citações de nome presente no questionário. Valores monetários usam vírgula decimal no original e valores numéricos no tratado.

Contas são somas do retrato corrente, sem somar snapshots de diferentes datas. Um SQ de despesa pode conter múltiplos rateios ou parcelas: deduplicá-lo eliminaria valores legítimos. A conferência de Tarcísio reproduziu receitas de R$14.200.520,00, contratadas de R$12.607.146,50 e pagas de R$7.702.846,50. Receitas/depesas podem não ser sincronizadas e ainda não representam contas finais. Gastos digitais identificam apenas categorias explícitas de internet/impulsionamento.

## História eleitoral e território

Votos nominais válidos do primeiro turno de 2018 e 2022 são agregados por candidatura e município em SP. Para candidatos presidenciais, esses votos históricos são **apenas SP**. Percentual histórico usa a soma do mesmo cargo/ano/recorte. Não se transporta o percentual de eleição municipal para estadual. Históricos 2020 e 2024 não foram integrados nesta versão; nomes sem correspondência não são rotulados como estreantes.

Votação anterior para o mesmo cargo tem prioridade; havendo mudança, usa-se disputa proporcional anterior com maior votação disponível. A chave de pessoa impede associação só por semelhança de nome. Base territorial mostra os cinco municípios com maior votação, número de municípios com votos e concentração HHI = soma dos quadrados das participações municipais. Município de nascimento nunca é usado como domicílio eleitoral.

Mapa: malha simplificada e regiões geográficas intermediárias do IBGE. Ligação por nome normalizado dentro de SP; São Luís do Paraitinga (TSE) é ligado a São Luiz do Paraitinga (IBGE), com a divergência preservada. O mapa usa escala logarítmica de votos absolutos de 2022, sem previsão municipal de 2026. Região do filtro corresponde ao principal município da base histórica, não a residência ou área de campanha atual.

## Proporcionais: duas camadas

1. Ridge no log(1+votos), penalização L2=10, intercepto não penalizado. Treino 2018→2022, candidaturas proporcionais de SP com votos válidos positivos em 2022. Exclusão de zeros corresponde ao modelo condicional a receber votos válidos; não se estima probabilidade de desistir ou ter registro invalidado.
2. Preditores: log da votação anterior no mesmo cargo; log da votação em outro cargo proporcional; eleito anteriormente; existência de votos anteriores; log do número de municípios com votos. Os coeficientes ficam em logs/modelo.json. Não foram usados seguidores, raça, gênero, religião, patrimônio ou dados privados de eleitores.
3. Validação em cinco grupos separados por partido, para reduzir vazamento de características partidárias. Os grupos são balanceados deterministicamente por quantidade de casos. Dados de 2022 só são usados para prever 2026 após validar a passagem anterior. O erro fora da amostra está no CSV do backtest.
4. Resíduos empíricos fora da amostra são reamostrados em duas coortes: com e sem histórico anterior positivo. Isso preserva o erro observado sem extrapolar caudas normais enormes. São 2.500 simulações por cargo, semente 20260908.
5. Votos totais válidos do cargo: hipótese triangular entre 90%, 100% e 110% de 2022. Não é projeção demográfica calibrada. Participações de lista: 50% de participação histórica partidária e 50% da soma de votos previstos para os nomes da lista atual. Choque multiplicativo de lista com desvio log 0,28; normalização para somar 100%. Esses dois parâmetros são hipóteses exploratórias, sem backtest temporal de cadeiras.
6. Incorporações/fusões: PSC→PODE; PROS→Solidariedade; PTB/Patriota→PRD. Mudanças de sigla PTC→Agir, PMN→Mobiliza e PMB→Democrata. A atribuição jurídica da história não significa transferência automática do eleitorado. Federação corrente é a unidade de cadeiras, conforme cadastro TSE 2026.
7. Votos de legenda seguem a proporção de 2022 das siglas sucessoras, com limite de 0,5% a 20% como hipótese de estabilidade. Votos nominais são distribuídos entre todos os nomes ativos. Candidaturas sem histórico entram na competição por meio da distribuição empírica de novos concorrentes, mas seus votos e probabilidades individuais não são publicados como estimativas sustentadas.

### Distribuição de cadeiras

Fonte normativa: Resolução TSE 23.677/2021 compilada, com alterações da Resolução 23.748/2026, arts. 8 a 12-A. Conferida em 08/09/2026. Vagas do arquivo TSE: 70 federais, 94 estaduais, duas de senador.

QE = votos válidos do cargo / vagas; fração até 0,5 é desprezada e superior a 0,5 elevada. QP = parte inteira de votos da lista / QE. Na fase inicial, a lista preenche seu QP com candidatos com pelo menos 10% do QE. Sobras por maiores médias: votos da lista / (QP + vagas de sobras já obtidas + 1), inicialmente com lista ≥80% do QE e candidato ≥20%. Esgotados os aptos, participam todas as listas e candidatos remanescentes, sem esses mínimos. O divisor considera o QP inclusive quando não totalmente preenchido por insuficiência de votos nominais. Sem partido que alcance QE, seguem as médias, e não a simples lista dos candidatos mais votados.

Desempate de médias: votos da lista, votos do próximo candidato; empate nominal na lista: maior idade. O código usa produto cruzado inteiro para comparar médias e idade em dias derivada do nascimento oficial para desempatar. A data completa não é publicada. Empate até a mesma data de nascimento usa a ordem técnica da entrada e exige decisão específica em totalização oficial.

O cenário central auditável é uma realização coerente de votos inteiros. Seus totais de cadeiras somam o tamanho da casa. As faixas por lista são percentis marginais e seus extremos/medianas não precisam somar 70 ou 94. O corte é o menor voto de eleito da lista, condicional às simulações nas quais ela obtém ao menos uma cadeira. Não é uma barreira legal fixa.

### Probabilidade, faixas e classificação

Faixa de votos: percentis 10 e 90, cobrindo 80% da distribuição do modelo. Cenários conservador, central e favorável correspondem a p10, p50 e p90. Probabilidade = simulações com eleição / total de simulações. Não é probabilidade calibrada empiricamente de vitória. Na apresentação, usa-se faixa de cinco pontos percentuais; frequências iguais a 0 e 1 são exibidas em 0–5% e 95–100%, sem afirmação de impossibilidade ou certeza.

Categorias proporcionais: ≥70% provável eleito; 45–<70% faixa de eleição; 20–<45% competitivo; 5–<20% desafiante; <5% remoto. Sem dados suficientes, categoria própria prevalece sobre o prior simulado. A posição dentro da lista é a distribuição de classificação nominal; não basta, isoladamente, para determinar eleição.

## Majoritárias e pesquisas

Cada resultado liga-se ao protocolo oficial, questionário, cenário, população, método, campo, publicação, amostra prevista e realizada. Registro não significa resultado publicado nem validação da qualidade pelo TSE. Foram curados 23 cenários de oito registros. O arquivo de 826 inscrições relevantes é preservado; não se alega censo dos resultados publicados.

Ponderação = 2^(-dias desde fim do campo/14) × raiz(min(n previsto,2500)/2000). Fatores de método e histórico de instituto são 1 para todos: não há backtest brasileiro suficiente para atribuir prêmios subjetivos. Amostra é limitada no peso para reduzir dominância de coleta grande. O método é identificado, a dispersão é incorporada e populações distintas são separadas.

Não se agregam listas diferentes de candidatos, espontânea com estimulada, Brasil com SP ou bases distintas. O relatório Atlas nacional declara população adulta, portanto fica em grupo próprio, separado do eleitorado 16+. O cenário nacional principal de 13 nomes reúne Quaest e Nexus; o de 12 reúne Datafolha e Nexus. Atlas SP é amostra estadual independente, não subconjunto do levantamento Atlas Brasil. Comparações regionais não constituem sistema de colégio eleitoral.

Médias de votos totais são ponderadas nas bases originais. Para simular válidos, normaliza-se a soma dos nomes: hipótese de redistribuição proporcional de indecisos, sem demonstrar que acontecerá. Simulação Dirichlet com concentração 200 e pseudocontagem 0,1 por nome; choque multiplicativo adicional pela dispersão entre institutos. São 20.000 repetições, semente 20260908. A concentração corresponde a cenário conservador de incerteza, não ao tamanho efetivo da pesquisa. Não se usa redução automática da margem de erro pela raiz da soma das amostras.

Probabilidades só são publicadas com ao menos dois institutos comparáveis. Para Presidente e Governador: chance de estar entre os dois primeiros (eleição em primeiro turno ou classificação ao segundo) e chance de maioria absoluta são eventos distintos. Segundo turno usa apenas confrontos efetivamente pesquisados. Sucesso no recorte SP da Presidência não elege alguém nacionalmente. Não se prevê votação absoluta nacional nesta versão.

Senado: duas escolhas. Quaest publica (primeiro + segundo voto)/2, equivalente à base 2N, mas são N pessoas e as escolhas são correlacionadas. Datafolha não explicita denominador no artigo e omite percentual de um nome; fica fora do agregado. Sem duas séries comparáveis e covariância conhecida, probabilidade de ficar entre os dois primeiros é N/D. Isso impede classificar um favorito por uma única rodada.

As divergências preservadas incluem n planejado/realizado (Atlas e Nexus), campo previsto/realizado (Datafolha), cadastro presidencial paulista Atlas BR-02563/2026 versus estadual SP-06964/2026 e margem Atlas SP site ±2 pp versus PDF ±1 pp. O PDF e o registro sustentam seus próprios valores; as diferenças não são apagadas. A dispersão de modelo é maior que ambas as margens individuais.

## IPE e completude

IPE não é probabilidade. Proporcionais: histórico25, lista20, território15, mandato10, estrutura10, recursos10, momento10. Histórico, municípios, cadeiras e receitas são transformados em posições percentuais dentro do cargo; mandato usa declaração de reeleição S=100/N=0. Estrutura e momento ficam ausentes. Nota = soma ponderada dos componentes disponíveis / peso coberto, somente com cobertura ≥70%. A composição, os pesos e a fórmula estão no XLSX; pesos originais não foram apresentados como estatisticamente calibrados.

Majoritárias: pesquisas45, teto/rejeição/confrontos15, alianças15, território10, recursos10, momento5. Uma simples rejeição não preenche todo o componente de teto e confrontos. A cobertura disponível não sustenta a nota composta: IPE N/D. Ranking majoritário usa média do cenário identificado, não índice artificial.

Completude é a fração preenchida de 20 campos nucleares: nome, urna, partido, número, registro, gênero, raça, instrução, ocupação, idade, patrimônio, histórico, território, receitas, contratadas, pagas, domicílio, seguidores, apoios e mandato atual. É cobertura descritiva, distinta da cobertura ponderada do IPE. Confiança é baixa nos cenários exploratórios e insuficiente nos demais. Ausência de alta confiança é deliberada.

## Auditoria, limitações e atualização

Testes cobrem contagens integrais por cargo/partido/status, SQ, nomes/números na interface, vínculos, intervalos, limites, exclusão de inativos, registro de pesquisas, somas percentuais, geografia e reconciliação financeira. Dez primeiros de cada ranking e amostra aleatória ≥10% dos demais estão no arquivo amostra_revisao_manual.csv; logs/qualidade.json informa o estado da revisão. Não se deve confundir teste automatizado com leitura manual das fichas.

Limitações materiais: campanha financeira ainda parcial; recursos/apoios/digital sem coleta universal; registros pendentes; história municipal ausente; calibração de apenas uma transição individual; parâmetros de lista e probabilidades sem validação temporal; resultados de pesquisas não exaustivos; processos não auditados de forma universal. Variação desde a edição anterior e tendência são N/D na primeira versão.

Atualização preserva snapshots e compara campos por SQ, sem apagar inativos. Reprocessamento não transforma fonte antiga em dado novo. Se a coleta falhar, o último snapshot continua identificado por sua geração e o erro fica no log. A inclusão de resultados de novas pesquisas exige conferir a publicação e o questionário, nunca inferir resultados só do PesqEle. Ver README.md.