Atualizado em
O placar parcial do TSE engana porque as urnas não chegam em ordem aleatória. A projeção da apuração corrige esse viés comparando cada seção com o próprio histórico – e assim chegou perto do resultado de 2026 com 2% apurado.
Na noite de 4 de outubro de 2026, com 2,2% das urnas apuradas, um modelo estatístico apontava 47,01% dos votos válidos para Flávio Bolsonaro e 45,50% para Lula.
O resultado final, horas depois, foi 47,03% e 45,16%.
No segundo turno, em 25 de outubro, o mesmo modelo indicou a vitória de Lula com 2,42% das urnas apuradas. Lula foi reeleito com 51,79% dos válidos, contra 48,21% de Flávio, segundo o balanço oficial do TSE.
O autor do modelo é Rodrigo Mahlmeister, economista formado pela USP, mestre em ciência política pela mesma universidade e doutorando na Universidade Duke.
Por que o placar parcial da apuração engana?
O placar que o TSE mostra durante a noite é uma soma correta dos votos já totalizados. O problema está na ordem de chegada.
As seções não entram por sorteio. Algumas regiões transmitem mais cedo, outras mais tarde.
Os dois turnos de 2026 mostraram isso, um para cada lado:
- No primeiro turno, Flávio Bolsonaro chegou a passar de 51% dos válidos com menos da metade das seções totalizadas e terminou com 47,03%.
- No segundo turno, a primeira parcial dava 57,66% a Lula, com pouco mais de mil seções contadas, e o resultado final ficou em 51,79%.
- Nos dois casos, o placar oscilou porque o pedaço do país que chegou primeiro tinha um perfil político diferente da média nacional.
Em linguagem de estatística, as primeiras urnas formam uma amostra enviesada. Somar com mais cuidado não resolve, porque o viés vem de quem chegou primeiro.
Como funciona a projeção da apuração?
A ideia central é comparar cada lugar com ele mesmo.
Uma cidade que deu 70% a um candidato na eleição anterior e outra que deu 30% continuam muito diferentes em 2026. O que interessa ao modelo é quanto cada uma se moveu em relação ao próprio histórico.
Esse movimento tem nome: swing.
O procedimento descrito na página da projeção segue estas etapas:
- Cada seção de 2026 recebe o resultado do seu local de votação numa eleição de referência. Em 93% do eleitorado, o pareamento é exato.
- A cada minuto, o programa lê os arquivos de divulgação do TSE e identifica as seções já totalizadas.
- Nessas seções, mede o swing em relação à referência.
- Uma regressão ponderada relaciona esse swing ao perfil de voto anterior e ao porte do município.
- As seções pendentes recebem sua base mais o swing previsto para o seu perfil, e tudo é somado aos votos já contados.
Duas camadas dão estabilidade ao cálculo.
A primeira é hierárquica. Os coeficientes são estimados nos níveis Brasil, região e estado, e um estado com poucas urnas apuradas é puxado para a tendência da sua região.
A segunda é um ponto de partida tirado das pesquisas finais, que perde peso à medida que os votos reais chegam.
No primeiro turno, a referência foi 2022. No segundo, o modelo usou duas: o segundo turno de 2022 e o primeiro turno de 2026, realizado três semanas antes.
Quanto o modelo errou em 2026?
Pouco, nos dois turnos.
- Primeiro turno, com 2,2% apurado: projeção de 47,01% para Flávio e 45,50% para Lula, contra 47,03% e 45,16% no resultado oficial. Erros de 0,02 e 0,34 ponto percentual.
- Segundo turno, nas primeiras atualizações: projeção de 51,4% para Lula e 48,6% para Flávio, contra 51,79% e 48,21%. Erro em torno de 0,4 ponto.
No segundo turno, o modelo também antecipou as duas trocas de liderança que o placar oficial mostraria ao longo da noite.
Repare em outro dado, talvez o mais revelador. Reproduzindo a apuração de 2022 na ordem real de chegada dos boletins, o erro da projeção ficou abaixo de meio ponto a partir de cerca de 1% do eleitorado apurado no primeiro turno e de 3% no segundo.
O placar bruto só alcançou essa precisão com 98% e 88% apurados.
Foi inteligência artificial que previu a eleição?
Muita gente leu a notícia como mais um feito da IA, mas não foi.
O núcleo do modelo é uma regressão, uma das ferramentas mais antigas da estatística: ela estima como uma variável, o swing, se relaciona com outras, como o perfil de voto e o porte da cidade.
A confusão tem razão de existir. A regressão está na base do que hoje se chama de aprendizado de máquina: aprender um padrão com dados já observados e aplicá-lo a casos novos.
Boa parte do que circula como novidade tem essa idade, como mostra o inventário da inteligência artificial no cotidiano.
A diferença que importa aqui é a leitura. Os coeficientes de uma regressão podem ser abertos e examinados: dá para saber quanto o porte do município pesou e em que direção.
Isso põe o modelo no polo oposto da caixa-preta da IA, em que nem quem constrói o sistema consegue explicar a resposta.
Quais são os limites desse tipo de projeção?
O acerto de 2026 é evidência forte, e tem fronteiras claras:
- Poucas eleições comparáveis. O método foi calibrado em 2018 e 2022 e aplicado em 2026, uma série curta.
- Dependência de polos estáveis. O swing funciona porque a disputa entre os dois campos organizados em torno de esquerda e direita se repete desde 2018. Uma disputa entre dois candidatos do mesmo campo enfraqueceria a referência.
- Eleições municipais. Candidatos e alianças mudam a cada pleito, e o histórico de cada seção diz menos.
- Projeção e totalização. O resultado que vale é o do TSE, e a projeção também não serve como auditoria das urnas, porque trabalha em cima dos próprios dados oficiais.
Há ainda o fator humano. No segundo turno, até 15% do eleitorado apurado, a página exibiu a versão mais conservadora entre os dois modelos que o pesquisador mantinha, a que mostrava o menor valor para Lula.
Foi uma escolha de cautela no começo da noite, quando havia pouco dado. E ela lembra que, por trás de qualquer modelo, alguém decide o que vai ao ar e responde quando o modelo erra.
Se fizer sentido para você, comente e compartilhe – e, da próxima vez que o placar da apuração virar no meio da noite, repare em quais urnas chegaram primeiro.