Bayesian Uncertainty Quantification for Ranked Choice Voting Polls

Resumo Técnico: Quantificação de Incerteza Bayesiana para Pesquisas de Votação por Classificação (Ranked Choice Voting)

Definição do Problema
A Votação por Classificação (RCV) apresenta desafios metodológicos únicos para pesquisadores que as ferramentas tradicionais de quantificação de incerteza (UQ) frequentistas não conseguem abordar adequadamente. Na RCV, o vencedor da eleição é determinado por um processo de eliminação dependente de trajetória, no qual os candidatos são sucessivamente removidos e os votos são redistribuídos até que uma maioria seja alcançada. Diferente das eleições de pluralidade (voto majoritário simples ou First-Past-The-Post), onde o vencedor é uma função de um único parâmetro populacional (a parcela de votos), o vencedor da RCV é uma união de trajetórias disjuntas determinadas pela estrutura completa das classificações de preferência dos eleitores.

Consequentmente, métricas padrão como a "margem de erro" (MoE) falham em capturar a complexidade da incerteza da RCV. Uma MoE tipicamente quantifica a incerteza em torno de uma margem de eliminação específica, mas não quantifica diretamente a probabilidade de um candidato vencer. Além disso, na RCV, um candidato que é o verdadeiro vencedor na população pode ser o vencedor mais frequente em pesquisas de amostras pequenas devido à variabilidade de amostragem cruzar fronteiras de decisão no espaço de parâmetros de alta dimensão. Por outro contrário, conjuntos de confiança frequentistas padrão para o vetor de margens de eliminação tornam-se tão amplos que frequentemente sobrepõem múltiplas regiões de possíveis vencedores, falhando em identificar um vencedor único mesmo com grandes tamanhos de amostra.

Metodologia
Os autores propõem uma estrutura Bayesiana que desloca o alvo inferencial da estimativa de margens de eliminação específicas para a estimativa da probabilidade de vitória de cada candidato. A metodologia procede da seguinte forma:

1. Modelagem de Ordens de Cédula: O problema é formulado em termos de "ordens de cédula" ($P$), o conjunto de todas as formas únicas pelas quais um eleitor pode classificar os candidatos. A distribuição populacional dessas ordens é denotada por $\pi$. O vencedor da RCV é uma função determinística de $\pi$.
2. Inferência Conjugada: Os autores modelam as respostas observadas nas pesquisas como sorteios independentes de uma distribuição multinomial sobre o conjunto de ordens de cédula. Ao utilizar a relação de conjugação entre a verossimilhança Multinomial e a priori de Dirichlet, eles derivam uma distribuição posterior para $\pi$.
   • Se $n_j$ é a contagem observada de cédulas do tipo $j$, e a priori é $\pi \sim \text{Dir}(\alpha)$, a posterior é $\pi | \text{dados} \sim \text{Dir}(\alpha + n)$.
   • Isso permite a tratabilidade analítica sem a necessidade de métodos computacionais complexos para a própria posterior.
3. Poda de Cédulas (Ballot Pruning): Para enfrentar a "maldição da dimensionalidade", onde o número de possíveis ordens de cédula cresce super-exponencialmente com o número de candidatos, os autores introduzem um lema de "poda de cédulas". Este lema postula que, se o conjunto de candidatos restantes nas rodadas finais de uma eleição é conhecido, as classificações relativas dos candidatos eliminados não afetam o vencedor final. Os autores recomendam um procedimento de bootstrap para identificar um conjunto estável de principais candidatos (por exemplo, os 3 ou 4 primeiros) e podar o espaço de cédulas para incluir apenas as classificações relevantes para esses candidatos. Isso reduz a dimensionalidade da distribuição de Dirichlet enquanto preserva a integridade da determinação do vencedor.
4. Pipeline de Simulação:
   • Podar o espaço de cédulas com base na estabilidade do bootstrap.
   • Calcular a distribuição de Dirichlet posterior usando as contagens observadas (ou ponderadas).
   • Amostrar repetidamente desta posterior para gerar eletorados simulados.
   • Executar o algoritmo de tabulação de RCV em cada eletorado simulado.
   • A proporção de simulações em que um candidato vence constitui sua estimativa de probabilidade de vitória.

Resultados Principais e Aplicações
Os autores validam sua abordagem utilizando duas eleições de alto perfil: as primárias democráticas para a prefeitura de Nova York em 2021 e a eleição especial para a Câmara dos Representantes do Alasca em 2022.

• Especial do Alasca 2022: Os autores demonstram que, em simulações não enviesadas de amostras pequenas, o verdadeiro vencedor (Mary Peltola) é frequentemente não o vencedor mais provável nas pesquisas. De fato, Nick Begich (que foi o primeiro a ser eliminado na eleição real, mas venceria em um confronto direto contra Peltola) aparece como o vencedor mais frequente em amostras pequenas. Isso destaca a "fragilidade" das estimativas pontuais da RCV. Elipsoides de confiança frequentistas padrão para as margens de eliminação foram encontrados sobrepondo todas as três regiões de vencedores em quase 9 em cada 10 simulações (97%), tornando-os inúteis para a identificação do vencedor.
• Primárias de NYC 2021: Os autores reanalisaram uma pesquisa final da Data for Progress. Enquanto a estimativa pontual da pesquisa sugeria uma disputa acirrada entre Eric Adams e Kathryn Garcia (com Maya Wiley ficando atrás), a análise Bayesiana forneceu uma medida de incerteza mais matizada. As probabilidades de vitória posteriores foram estimadas em 56,4% para Adams, 42,8% para Garcia e 0,8% para Wiley. Isso identificou corretamente a disputa como um confronto de duas pessoas com Adams como um favorito modesto, consistente com a margem de vitória real de 0,8%.
• Pesquisas Ponderadas: A estrutura foi estendida para lidar com pesos de pesquisa, tratando as contagens ponderadas como pseudo-contagens na atualização de Dirichlet, permitindo que o método seja aplicado a dados de pesquisa reais que utilizam ponderação demográfica.

Significância e Alegações
O artigo afirma que a estrutura Bayesiana proposta oferece uma alternativa superior às práticas frequentistas padrão para pesquisas de RCV ao visar diretamente a grandeza de interesse: a probabilidade de vitória.

• Interpretação Direta: Diferente das margens de erro, que exigem que os leitores infiram a probabilidade de um vencedor a partir de um intervalo de margens, as probabilidades de vitória posteriores fornecem uma medida direta e contínua de incerteza sobre o resultado eleitoral.
• Tratamento da Dependência de Trajetória: O método incorpora naturalmente a natureza dependente de trajetória das eliminações da RCV. Ele leva em conta o fato de que a incerteza nas ordens de eliminação iniciais pode ou não propagar-se para o vencedor final, uma nuance perdida na reportagem padrão baseada em margens.
• Evitando a Falsa Certeza: Os autores argumentam que a estimativa pontual na RCV é problemática porque vencedores incorretos podem ser favorecidos em uma pluralidade de amostras aleatórias. A abordagem Bayesiana evita forçar conclusões binárias (por exemplo, "vantagem estatisticamente significativa") e, em vez disso, comunica a probabilidade relativa de vitória, o que é mais apropriado para a geometria complexa das fronteiras de decisão da RCV.
• Viabilidade: A abordagem é computacionalmente tratável devido à conjugação do par Dirichlet-Multinomial e à redução de dimensionalidade proporcionada pela poda de cédulas.

Os autores concluem que, embora seu método mostre promessa em eleições fortemente disputadas, ele serve como um passo fundamental para uma quantificação de incerteza mais robusta na RCV, movendo o campo da inadequada reportagem de margem de erro para declarações probabilísticas sobre resultados eleitorais.