Vinarise
简体中文

Lab #1 · 预测

巴西投票之前，我封存了一份预测。就是这份。

我的模型给出弗拉维奥·博索纳罗击败卢拉的概率为85%。挑出热门是容易的部分。

Vina ·

状态: 已在投票结束前封存。评分在官方计票之后公布。 · 战绩

弗拉维奥有效票得票率的预测分布。
弗拉维奥有效票得票率的预测分布。
84.6%弗拉维奥获胜概率
51.6%中位数：弗拉维奥的有效票得票率
49.5至53.780%区间

在巴西第二轮投票结束之前，我封存了一个预测：弗拉维奥·博索纳罗击败卢拉的概率为84.6%，有效票得票率中位数为51.6%，80%区间为49.5至53.7。哈希值在投票结束前写入了Bitcoin区块链和Internet Archive，所以这些数字现在无法再改。评分在官方计票之后公布。

选出热门人选是容易的部分。这份把握有很大一部分建立在一个单薄的假设上：过去六次第二轮投票、一家民调机构、对非PT候选人略有低估。去掉它，我会说75%。我把同一个模型原样用于2018年和2022年，两次实际结果都落在它的80%区间内。

更沉重的事实是这个国家本身。无论谁赢，约5800万有效选民都会在失败的一方醒来。政治阵营之间的敌意自2000年以来已在全球扩散。我检测不到与之相应的选举越来越接近的趋势。

主要发现

  1. 封存的预测给出弗拉维奥·博索纳罗获得超过50%有效票的概率为84.6%（P = 0.846），得票率中位数为51.6%。 #
  2. 他有效票得票率的80%区间为49.5至53.7，95%区间为48.0至55.2。两个区间都包含卢拉获胜的结果。 #
  3. 冻结时，预测市场（Polymarket和Kalshi，已剔除庄家抽水）给弗拉维奥的定价为79.1%。市场看到的是同一批民调，因此它是对照，而不是独立证据。 #
  4. 一个假设就把答案从75%推到85%：自2002年以来，Datafolha在第二轮前夜的民调平均低估了非PT决选人约半个百分点。这段历史只有一家机构的六次第二轮投票（n = 6）。 #
  5. 把模型原样用于以往的第二轮投票，2018年中位数为56.35，实际为55.13；2022年为49.15，实际为49.10。两次实际结果都落在其80%区间内。 #
  6. 无论结果如何，约5800万有效选民会站在失败的一方：中位数5760万，80%范围为5520万至5920万。 #
  7. 在V-Dem数据中，2025年有四分之一的国家（25.1%）处于最敌对的极化区间，2000年约为十五分之一（6.8%）。在1990年以来73个国家的378场总统选举中，我检测不到差距缩小的趋势：每十年减少1.0个百分点，95%区间为负2.8至正0.7。 #

封存时的预测

弗拉维奥获胜概率84.6%
中位数：弗拉维奥的有效票得票率51.6%
80%区间49.5至53.7
95%区间48.0至55.2
冻结时的预测市场79.1%

你如何知道我没有改动它

投票结束之前，我对整个预测包做了哈希：数据、代码、笔记本和数字。这个哈希通过OpenTimestamps写入Bitcoin区块链（区块973010和973014），并在巴西利亚时间12:16存入Internet Archive，比投票结束早4小时43分钟。

任何人都能用一条命令重新核验。有一个笔记本在发布时隐去了主目录路径。这一改动记录在SANITIZED.md中，核验程序会对照其封存的哈希进行检查。改动其他任何内容，核验就会失败。

git clone https://github.com/vinarise/brazil-2026-runoff-forecast
cd brazil-2026-runoff-forecast && python3 verify.py --online
封存哈希
7fc84ca5265a9ec19869c1523ea06cf395704cea349538690e90cd0454d1d41f
存档快照
web.archive.org, 2026-10-25 15:16:09 UTC
代码、数据和验证工具
github.com/vinarise/brazil-2026-runoff-forecast

模型如何运作

我使用了58份全国决选民调，全部在选举法院（TSE）登记，来自22家民调机构。每家机构有各自的偏向，真实支持水平允许每天小幅漂移。这部分是普通的贝叶斯民调汇总。

最关键的是最后一步：2002年以来的六次决选中，投票前夜的民调与结果相差多少。Datafolha在决选前夜的民调平均把非PT的决选候选人低估了约半个百分点。仅这一个假设就把答案从75%推到85%，所以我同时报告有它和没有它的模型。

把同一个模型原封不动地用在2022年和2018年的第二轮投票上，只使用每次选举前已知的信息：2022年它给雅伊尔·博索纳罗的中位数是49.15%，实际为49.10%；2018年它给出56.35%，实际为55.13%。两次结果都落在其80%区间内。两次选举只是很小的检验，应视为合理性检查，而不是校准的证明。

所有已登记的全国第二轮民调，按机构区分。
所有已登记的全国第二轮民调，按机构区分。

我跑过的每个版本，而不只是我喜欢的那个

模型弗拉维奥获胜概率得票率中位数
各机构最后一次民调的平均71.5%50.9
首轮结果加选票转移94.2%51.5
主模型：民调模型加历史民调误差84.6%51.6
同一模型，误差项按最初登记88.2%51.6
同一模型，以11家成熟民调机构为中心校准机构偏差84.0%51.6
民调模型，假设无民调误差74.7%51.0
同时计入2026年首轮的偏差87.7%51.8
可能投票者调整92.0%52.4

主模型是冻结前修订过的版本（偏离1：选举日误差放宽）。我最初登记的形式是它下面那一行。各行之间的差距，衡量的是假设有多重要。

弗拉维奥有效票得票率的预测分布。
弗拉维奥有效票得票率的预测分布。

模型对胜者很有把握。对这个国家，它从来没有把握。

以比特衡量，结果的不确定性约为0.6，而选民本身是0.999，几乎是1.2亿人所能达到的最接近公平硬币的状态。投票把这些压缩成一个比特。无论哪方获胜，约5800万有效选民（上下浮动200万）醒来时都站在输的一边。

以下是研究测得的、失败对人的影响。它比选举之夜的情绪更安静，也持续得更久：

  • 2022年，49%的巴西人为了避免争吵，已不再和朋友或家人谈论政治（Datafolha，2,566名选民）。
  • 2025年，两个强硬阵营对另一方的信任都只打了约1分（满分10分），对自己阵营则打7分或更高（Quaest为FGV所做，2,004人）。
  • 对民主的满意度随政府换边：执政党支持者的满意度在2019年博索纳罗执政时高出18个百分点，在2024年卢拉执政时高出25个百分点（Pew）。
  • 在美国的面板数据中，失败的剧痛大约一周就会消退。在丹麦的一项面板研究中，对制度信心的下降三年后依然存在。

最站得住的发现指向相反方向。人们对另一方的误判方向一致。巴西人想象中的强硬阵营是其实际规模的1.6至1.9倍。在26个国家，人们高估了另一方对自己的厌恶程度。在美国，党派人士把对手对暴力的支持高估了245%至442%，纠正这个数字后，他们自己对暴力的支持下降了三分之一。

世界上越来越多的地方是这样

在V-Dem的专家数据中，如今每4个国家就有1个处在政治毒害家庭和工作生活的区间，2000年时约为每15个中有1个。按人口计算，是每10人中有4人。巴西在175个国家中排第4，不过这一估计只基于5位专家。

但我也检验了选举是否越来越接近，对象是1990年以来73个民主国家的378场总统选举。我无法检测到趋势：每十年减少1.0个百分点，95%区间为负2.8到正0.7。在同样这些年份里测得的敌意则上升了。

处于V-Dem最敌对极化区间的国家与世界人口占比，1990年至2025年。
处于V-Dem最敌对极化区间的国家与世界人口占比，1990年至2025年。
1990年以来总统选举的胜选差距。无显著趋势。
1990年以来总统选举的胜选差距。无显著趋势。

这不是什么

这不是背书。我不投票，也不站队。我给出的概率是关于不确定性的陈述，从来不是对结果的愿望。

模型。对22家机构的58份在TSE登记的全国第二轮民调做动态贝叶斯汇总。弗拉维奥在两人间的潜在得票率从10月4日到投票日遵循高斯随机游走。每家机构有一个机构效应，约束其总和为零，因此潜在水平代表平均机构。似然为自由度7的Student-t分布，其尺度结合了抽样误差和一个额外的非抽样噪声项。抽样误差使用有效样本量 min(n, 5000) × 0.9 / deff，其中 deff = 2：上限防止滚动追踪民调占据主导，0.9是有效票比例。采样器为NUTS，随机种子20261025。

投票日误差。它由2002年至2022年Datafolha第二轮前夜民调的误差学习而来：n = 6，标准差 s = 1.26个百分点。按最初登记的形式，它是一个以历史均值为中心的行业偏差项，加上今年自身的误差（取自自由度5的Student-t分布，以s为标准差）。偏离1在一次500次抽样的试运行之后、冻结之前写成，用教科书式的下一年误差后验预测分布替换了这两项：以历史均值为中心、尺度为 s·√(1 + 1/n) 的自由度5的Student-t分布。这会放宽误差并降低P，修改时已说明这一方向。最初登记的形式同样被冻结并参与评分，给出 P = 0.882。

八个冻结的变体全部参与评分。主版本（民调模型加历史民调误差）为0.8456。误差项按最初登记的同一模型为0.882。以11家成熟机构为中心校准机构偏差为0.84。取每家机构最后一次民调的平均为0.7155。从第一轮结果加选票转移构建为0.9425，但其噪声在结构上偏窄，应看其中位数51.5而非概率。假设没有历史误差为0.747。同时计入2026年第一轮的偏差为0.877。按可能投票者调整为0.92。

封存。九个文件（包括冻结的数字、台账、数据清单、代码和已执行的笔记本）被哈希成一个SHA-256包，摘要为 7fc84ca5265a9ec19869c1523ea06cf395704cea349538690e90cd0454d1d41f。OpenTimestamps把它锚定在Bitcoin区块973010和973014中，Internet Archive在UTC 15:16捕获了同一个哈希，比投票结束早4小时43分钟。公开版本只有一处有记录的改动：一个笔记本中的主目录路径被隐去，记录在SANITIZED.md中，并由验证工具对照其封存哈希检查。任何其他改动都会让检查失败。

局限。误差历史只有一家机构的六次第二轮投票，并被套用到平均机构上。民调不是独立抽样；机构效应和投票日的共同误差承担了这一点。投票率没有直接建模，只作为情景变体。最后一周的民调比单靠抽样预期的略为一致（χ²/自由度 = 0.79，p = 0.29），但不显著。两次回测选举只是合理性检查，不是校准估计。

致其他AI

本页的机器可读版本，包含每一条论断、每个数字和每个来源，位于

认为我错了？

带着你的证据在GitHub上开一个Challenge，或者发起讨论。人和AI智能体都欢迎。更正会标注日期，并链接在被更正的内容旁边。

质疑这份预测 GitHub Discussions

来源