¿Mayoría absoluta? Escaños, Bayesian way. Andalucía 2026

2026

muestreo

encuestas electorales

análisis bayesiano

D’Hondt bayesiano: cojo el posterior del meta-análisis de encuestas andaluzas y lo distribuyo por provincias para estimar escaños con su incertidumbre.

Published

May 16, 2026

Listening

Show the code

library(tidyverse)
library(brms)
library(tidybayes)
library(gtools)
library(ggridges)
library(furrr)
library(here)

options(brms.backend = "cmdstanr")

El problema

En el post anterior vimos un modelo bayesiano para hacer un meta análisis de las encuestas publicadas de las elecciones al parlmento de Andalucía. Por muy sofisticado que parezca no es más que una agregación de encuestas pero intentando cuantificar un poco la incertidumbre de las mismas. Cierto que no sabemos la cocina de cada una de las encuestas, y como tampoco publican sus hipótesis sobre la abstención pues se hace lo que se puede.

No obstante hay otras fuentes de incertidumbre, vamos a considerar algunas.

[1] Incertidumbre del modelo bayesiano de encuestas.

Esta incertidumbre la capturamos con el modelo bayesiano del post anterior, intenta responder a “¿cuánto voto tiene realmente cada partido a nivel andaluz?” y las posibles variaciones inherentes a que se trata de encuestas.

[2] Error histórico de las encuestas.

Las encuestas se equivovan y es posible que de una forma determinada. Por ejemplo, cuando se ha sobreestimado al PP normalmente es porque se ha infraestimado a VOX, y al revés, por tanto entre estos dos partidos el error está correlado y con correlación negativa. En el caso del bloque de las izquierdas la correlación de los errores suele ser positiva, cuando se infraestima al psoe se suele infraestimar a IU ( Por Andalucía ), es posible que esto tenga que ver con errores cometidos por las encuestas en la estimación de la abstención.

Para capturar esta incertidumbre consideraremos una distribución normal multivariante con vector de medias 0 y matriz de varianzas covarianzas la definida por la desviación típica histórica (o estimada a dedo) del error para cada partido y la matriz de correlación que refleje el hecho de que esos errores están correlados.

[3] Distribución provincial Las encuestas que manejamos no dan dato a nivel provincial, o si lo dan , el tamaño muestreal de las mismas no garantiza unas etimaciones realistas. Por tanto si queremos obtener % de votos por provincias (necesario para estimar escaños ) tenemos que hacer una hipótesis. En este caso la hipótesis fuerte que hacemos es que el voto se va a distribuir por provincia de forma similar a como lo hizo en 2022. Ahora bien, podemos perturbar un poco esos números para reflejar la incertidumbre. Eso lo podremos hacer utilizando una distribución dirichlet.

Primera fuerte de incertidumbre. El error histórico

Show the code


partidos <- c("pp", "psoe", "vox", "por_andalucia", "adelante", "resto")

# Errores históricos: E = Real − Estimación (en puntos porcentuales)
# Fuente: 20 años de elecciones andaluzas (2004-2022)
# Izq. (IU/Pod/PorA) repartido igualmente entre por_andalucia y adelante;
# Cs asignado a resto en todos los ciclos.
error_hist <- matrix(
  c(
  # pp     psoe    vox    pora    aa    resto
   +6.3,  -1.0,  -3.7,  -0.7,  -0.7,  -3.3,  # 2022
   +0.5,  -2.6,  +7.9,  -1.4,  -1.4,  -0.2,  # 2018
   +3.2,  +1.9,    NA,  -1.2,    NA,   -2.7,  # 2015 (sin Vox / sin AA)
   -3.8,  +6.3,    NA,  -1.2,    NA,     NA,  # 2012
   +0.4,  -0.8,    NA,  -0.1,    NA,     NA,  # 2008
   -1.1,  +3.3,    NA,  -1.3,    NA,     NA   # 2004
  ),
  nrow = 6, byrow = TRUE,
  dimnames = list(c("2022","2018","2015","2012","2008","2004"), partidos)
)

# σ por partido: calculadas del histórico disponible; VOX y PP tienen mayor
# incertidumbre por el trasvase de voto útil en el electorado andaluz
sigma_pp <- c(
  pp            = 3.0,
  psoe          = 2.8,
  vox           = 3.0,   # 2018 fue anomalía de primera irrupción; desde 2022 Vox es predecible
  por_andalucia = 1.8,
  adelante      = 1.5,
  resto         = 2.0
)

# Matriz de correlación del error de encuestas, especificada a mano.
# Con solo 2 elecciones con datos completos (2022 y 2018) no hay suficiente
# muestra para estimarla del histórico; se usa criterio experto ( es decir, lo que me ha dado la gana)
# basado en la
# dinámica del voto andaluz:
#
#   ρ(PP, VOX) = -0.5  Las encuestas sobreestiman a uno cuando infraestiman
#                      al otro (trasvase de voto útil en el bloque de derecha).
#                      En 2022 el PP se llevó +6.3 pp mientras Vox se quedó
#                      en -3.7 pp respecto a las encuestas.
#
#   ρ(PSOE, PorA) = +0.5  El bloque de izquierda falla o acierta en bloque:
#   ρ(PSOE, AA)   = +0.4  cuando las encuestas inflan PSOE suelen inflar
#                         también PorA y Adelante (o al revés).
#
#   ρ(PorA, AA)   = +0.6  Los dos partidos a la izquierda del PSOE comparten
#                         electores y sus errores de encuesta van en la misma
#                         dirección.
#
# El código que sigue imprime la correlación empírica de los dos años con
# datos completos como sanity-check; los valores son ruidosos por el n=2
# pero las correlaciones de mayor magnitud coinciden con la estructura aquí.
cor(error_hist[complete.cases(error_hist), ], use = "complete.obs") |> round(2)
#>               pp psoe vox por_andalucia adelante resto
#> pp             1    1  -1             1        1    -1
#> psoe           1    1  -1             1        1    -1
#> vox           -1   -1   1            -1       -1     1
#> por_andalucia  1    1  -1             1        1    -1
#> adelante       1    1  -1             1        1    -1
#> resto         -1   -1   1            -1       -1     1

R_corr <- matrix(c(
#  pp    psoe   vox   pora    aa   resto
  1.0, -0.3, -0.5, -0.1, -0.1,  0.0,
 -0.3,  1.0, -0.2,  0.5,  0.4,  0.0,
 -0.5, -0.2,  1.0, -0.1, -0.1,  0.0,
 -0.1,  0.5, -0.1,  1.0,  0.6,  0.0,
 -0.1,  0.4, -0.1,  0.6,  1.0,  0.0,
  0.0,  0.0,  0.0,  0.0,  0.0,  1.0
), nrow = 6, ncol = 6, byrow = TRUE,
dimnames = list(partidos, partidos))

# Σ = D R D (en pp²), convertida a proporciones dividiendo por 100²
D_sigma      <- diag(sigma_pp)
Sigma_struct <- D_sigma %*% R_corr %*% D_sigma
Sigma_prop   <- Sigma_struct / 1e4

cat("Sigma_struct (en pp²):\n")
#> Sigma_struct (en pp²):
round(Sigma_struct, 2)
#>       [,1]  [,2]  [,3]  [,4]  [,5] [,6]
#> [1,]  9.00 -2.52 -4.50 -0.54 -0.45    0
#> [2,] -2.52  7.84 -1.68  2.52  1.68    0
#> [3,] -4.50 -1.68  9.00 -0.54 -0.45    0
#> [4,] -0.54  2.52 -0.54  3.24  1.62    0
#> [5,] -0.45  1.68 -0.45  1.62  2.25    0
#> [6,]  0.00  0.00  0.00  0.00  0.00    4

cat("\nSigma_prop (en proporciones², la que se usa en mvrnorm):\n")
#> 
#> Sigma_prop (en proporciones², la que se usa en mvrnorm):
round(Sigma_prop, 6)
#>           [,1]      [,2]      [,3]      [,4]      [,5]  [,6]
#> [1,]  0.000900 -0.000252 -0.000450 -0.000054 -0.000045 0e+00
#> [2,] -0.000252  0.000784 -0.000168  0.000252  0.000168 0e+00
#> [3,] -0.000450 -0.000168  0.000900 -0.000054 -0.000045 0e+00
#> [4,] -0.000054  0.000252 -0.000054  0.000324  0.000162 0e+00
#> [5,] -0.000045  0.000168 -0.000045  0.000162  0.000225 0e+00
#> [6,]  0.000000  0.000000  0.000000  0.000000  0.000000 4e-04

set.seed(2847)

error_draws <- MASS::mvrnorm(
  12000,# teníamos 12 mil posterioris, simulamos 12000 extracciones de la normal multivariante.
  # nrow(draws_wide),
  mu    = rep(0, 6),
  Sigma = Sigma_prop
)

head(error_draws, 2)
#>             [,1]        [,2]        [,3]         [,4]        [,5]          [,6]
#> [1,] 0.038305880 -0.02189096 -0.01922132  0.006665758 0.005183030  0.0143801257
#> [2,] 0.006045997 -0.01201507 -0.01939947 -0.011633220 0.006408321 -0.0009127092

Como añadiríamos esta primera fuente de incertidumbre?

Simplemente a las posterioris del modelo bayesiano, le añadimos una extracción de los errores multivariantes.

Cargo el modelo del post anterior y saco los draws para time = 0 (día de elecciones, empresa desconocida).

Show the code


model_andalucia <- readRDS(here::here("2026/05/mod_meta_andalucia.rds"))

Show the code

partidos <- c("pp", "psoe", "vox", "por_andalucia", "adelante", "resto")

draws_wide <- tibble(empresa = "votaciones_17mayo", time = 0, n = 1) |>
  add_epred_draws(model_andalucia, allow_new_levels = TRUE) |>
  ungroup() |>
  dplyr::select(.draw, .category, .epred) |>
  pivot_wider(names_from = .category, values_from = .epred)

cat("Draws disponibles:", nrow(draws_wide), "\n")
#> Draws disponibles: 12000
head(draws_wide, 2)
#> # A tibble: 2 × 7
#>   .draw    pp  psoe   vox por_andalucia adelante  resto
#>   <int> <dbl> <dbl> <dbl>         <dbl>    <dbl>  <dbl>
#> 1     1 0.428 0.251 0.127        0.0781   0.0720 0.0448
#> 2     2 0.435 0.226 0.146        0.0810   0.0777 0.0343

Pues para la primera posteriori sería así.

Show the code

# por operativividad convertimos draws_wide a matriz 

n_draws   <- nrow(draws_wide)
draws_mat <- as.matrix(draws_wide[, partidos])  

cat("Primera posterior del modelo bayesiano:\n")
#> Primera posterior del modelo bayesiano:
draws_mat[1, ]
#>            pp          psoe           vox por_andalucia      adelante 
#>    0.42772282    0.25088821    0.12656225    0.07805117    0.07198448 
#>         resto 
#>    0.04479108

cat("Primera extracción de los errores multivariantes:\n")
#> Primera extracción de los errores multivariantes:
error_draws[1,]
#> [1]  0.038305880 -0.021890957 -0.019221317  0.006665758  0.005183030
#> [6]  0.014380126

cat("Posterior con error:\n")
#> Posterior con error:
(draw_adj_test <-  draws_mat[1, ] + error_draws[1, ])
#>            pp          psoe           vox por_andalucia      adelante 
#>    0.46602870    0.22899725    0.10734093    0.08471692    0.07716750 
#>         resto 
#>    0.05917120

Como tenemos errores que pueden ser negativos, y partidos que pueden tener estimaciones muy pequeñas, tenemos que asegurarnos que las posterioris ajustadas sean >=0

Show the code


# Verificamos que las dimensiones coincidan antes de sumar
stopifnot(dim(draws_mat) == dim(error_draws))

 # Suma elemento a elemento + suelo en 0 (no puede haber proporciones negativas)
draw_adj <- pmax(draws_mat + error_draws, 0)

# Normalización por filas: cada fila debe sumar 1
draw_adj <- draw_adj / rowSums(draw_adj)

 # Comprobación con las dos primeras filas
 draws_mat[1:2, ]
#>             pp      psoe       vox por_andalucia   adelante      resto
#> [1,] 0.4277228 0.2508882 0.1265622    0.07805117 0.07198448 0.04479108
#> [2,] 0.4354169 0.2260238 0.1456273    0.08097195 0.07770357 0.03425654
 error_draws[1:2, ]
#>             [,1]        [,2]        [,3]         [,4]        [,5]          [,6]
#> [1,] 0.038305880 -0.02189096 -0.01922132  0.006665758 0.005183030  0.0143801257
#> [2,] 0.006045997 -0.01201507 -0.01939947 -0.011633220 0.006408321 -0.0009127092
 draw_adj[1:2, ]
#>             pp      psoe       vox por_andalucia   adelante      resto
#> [1,] 0.4553630 0.2237563 0.1048843    0.08277805 0.07540141 0.05781698
#> [2,] 0.4558242 0.2209706 0.1303341    0.07159439 0.08684814 0.03442854
 rowSums(draw_adj[1:2, ])  # debe ser c(1, 1)
#> [1] 1 1

Segunda fuente de incertidumbre. La distribución provincial

Las encuestas dan porcentajes a nivel regional. Para asignar escaños necesitamos porcentajes por provincia, porque D’Hondt se aplica en cada una de las 8 circunscripciones. La hipótesis de trabajo es que el reparto provincial de 2026 se parecerá al de 2022: si en Almería el PP sacó un 5 % más que su media regional, asumimos que ese diferencial se mantiene.

Formalmente, si el draw regional para el partido \(p\) es \(\pi_p\) y en 2022 sacó \(r_{p,prov}\) en la provincia, la estimación provincial es

\[\tilde{\pi}_{p,prov} = \pi_p \cdot \frac{r_{p,prov}}{\bar{r}_p}\]

y luego normalizamos para que sumen 1 dentro de cada provincia.

Pero esto es un supuesto rígido. Para añadir incertidumbre provincial usamos una distribución Dirichlet: en vez de usar los porcentajes de 2022 fijos, sampleamos de una Dirichlet centrada en ellos. El parámetro de concentración \(\alpha\) controla cuánto dispersamos: a mayor \(\alpha\), menos incertidumbre.

\[\alpha_{p,prov} = \frac{\text{votos}_{prov}}{scale\_factor} \times \frac{r_{p,prov}}{100}\]

Con scale_factor = 1000 obtenemos una desviación típica de ≈ 2-4 pp por partido y provincia, que es una incertidumbre razonable dado que los sesgos territoriales cambian entre elecciones.

Show the code

escanos_prov <- tibble(
  provincia = c("Sevilla", "Málaga", "Cádiz", "Granada",
                "Almería", "Córdoba", "Huelva", "Jaén"),
  escanos   = c(18, 17, 15, 13, 12, 12, 11, 11)
)

ref_2022 <- read_csv(here::here("2026/05/ref_provincial_2022.csv"))

# Media regional 2022 (denominador del ratio provincial)
regional_2022 <- c(
  pp            = 43.10,
  psoe          = 24.10,
  vox           = 13.46,
  por_andalucia =  7.68,
  adelante      =  4.58,
  resto         =  7.08
)

head(ref_2022)
#> # A tibble: 6 × 8
#>   provincia escanos    pp  psoe   vox por_andalucia adelante resto
#>   <chr>       <dbl> <dbl> <dbl> <dbl>         <dbl>    <dbl> <dbl>
#> 1 almeria        12  45.5  22.1  20.8           5.5      1.5   4.6
#> 2 cadiz          15  42.5  21    13.3           7.5      8     7.7
#> 3 cordoba        12  44.7  23.5  12.5           9.9      3.5   5.9
#> 4 granada        13  42.2  25.4  15.4           7.7      3.5   5.8
#> 5 huelva         11  42.7  27.4  12.8           6        3.5   7.6
#> 6 jaen           11  42.5  27.1  12.9           6.5      3.5   7.5

Pre-generamos las matrices Dirichlet fuera del bucle de simulación: una matriz n_draws × 6 por cada provincia (8 matrices en total). Así hacemos 8 llamadas a rdirichlet(n_draws, α) en vez de n_draws × 8 llamadas a rdirichlet(1, α).

Usamos una concentración fija igual para todas las provincias (n_total = 500).

Show the code

set.seed(1234)

n_total <- 500  # concentración igual para todas las provincias

dirichlet_mats <- lapply(seq_len(nrow(ref_2022)), function(i) {
  alpha <- as.numeric(ref_2022[i, partidos]) / 100 * n_total
  mat   <- gtools::rdirichlet(n_draws, alpha)
  colnames(mat) <- partidos
  mat
})

names(dirichlet_mats) <- ref_2022$provincia

Para entender qué hace la Dirichlet, veamos 5 draws de Almería comparados con la referencia 2022. Almería es interesante porque VOX sacó allí el doble que su media regional.

Show the code

cat("Referencia fija 2022 (Almería, %):\n")
#> Referencia fija 2022 (Almería, %):
round(as.numeric(ref_2022[ref_2022$provincia == "almeria", partidos]), 1)
#> [1] 45.5 22.1 20.8  5.5  1.5  4.6

cat("\n5 draws Dirichlet Almería (%):\n")
#> 
#> 5 draws Dirichlet Almería (%):
round(dirichlet_mats[["almeria"]][1:5, ] * 100, 1)
#>        pp psoe  vox por_andalucia adelante resto
#> [1,] 43.5 23.5 22.3           4.8      1.7   4.1
#> [2,] 48.7 20.8 19.8           3.8      1.4   5.5
#> [3,] 45.3 22.1 22.3           4.8      1.5   4.1
#> [4,] 46.7 22.6 18.4           5.6      1.4   5.3
#> [5,] 45.0 26.6 16.2           6.3      1.7   4.2

La referencia es fija; cada draw es una perturbación alrededor de ella. Para ver la dispersión en todas las provincias a la vez. Fíjate especialmente en Adelante Andalucía: en algunas provincias la Dirichlet le da un rango que se solapa con el de Por Andalucía.

Show the code

map_dfr(names(dirichlet_mats), function(prov) {
  as_tibble(dirichlet_mats[[prov]] * 100) |>
    mutate(provincia = prov)
}) |>
  pivot_longer(-provincia, names_to = "partido", values_to = "pct") |>
  left_join(
    ref_2022 |>
      pivot_longer(all_of(partidos), names_to = "partido", values_to = "ref"),
    by = c("provincia", "partido")
  ) |>
  mutate(partido = factor(partido, levels = partidos)) |>
  ggplot(aes(x = pct, y = provincia)) +
  geom_boxplot(outlier.size = 0.3, fill = "steelblue", alpha = 0.4) +
  geom_point(aes(x = ref), color = "firebrick", size = 1.5, shape = 18) +
  facet_wrap(~partido, scales = "free_x") +
  labs(
    title    = "Dirichlet: distribución de votos provinciales por partido",
    subtitle = "Caja: incertidumbre Dirichlet · Punto rojo: referencia 2022",
    x = "%", y = NULL
  ) +
  theme_minimal(base_size = 11)

¿Puede Adelante Andalucía superar a Por Andalucía?

En las encuestas, Por Andalucía aparece consistentemente por delante de Adelante Andalucía. Pero la incertidumbre provincial hace que en algunas simulaciones los escaños se inviertan. Lo calculamos después de la simulación completa.

D’Hondt

La regla es simple: se reparten los escaños uno a uno, y cada vez se lo lleva el partido con el cociente más alto de \(\text{votos} / (\text{escaños\_ya\_obtenidos} + 1)\).

Show the code

dhondt <- function(votos, escanos) {
  result <- setNames(integer(length(votos)), names(votos))
  for (i in seq_len(escanos)) {
    ganador         <- which.max(votos / (result + 1))
    result[ganador] <- result[ganador] + 1
  }
  result
}

Antes del bucle completo, veamos qué pasa con el primer draw en Almería (12 escaños). Partimos de draw_adj[1, ] (posterior regional ajustada con error histórico) y lo perturbamos con el sample Dirichlet 1 de Almería para obtener proporciones provinciales:

Show the code

cat("Draw regional ajustado (posterior + error histórico, fila 1):\n")
#> Draw regional ajustado (posterior + error histórico, fila 1):
(draw_regional <- draw_adj[1, ])
#>            pp          psoe           vox por_andalucia      adelante 
#>    0.45536296    0.22375631    0.10488428    0.08277805    0.07540141 
#>         resto 
#>    0.05781698

cat("\nSample Dirichlet 1 de Almería (proporciones provinciales):\n")
#> 
#> Sample Dirichlet 1 de Almería (proporciones provinciales):
(dir_almeria_1 <- dirichlet_mats[["almeria"]][1, ])
#>            pp          psoe           vox por_andalucia      adelante 
#>    0.43462453    0.23545714    0.22271139    0.04849056    0.01745937 
#>         resto 
#>    0.04125701

cat("\nRatio Almería vs media regional 2022 (cuánto se desvía cada partido):\n")
#> 
#> Ratio Almería vs media regional 2022 (cuánto se desvía cada partido):
(ratio_almeria <- dir_almeria_1 / (regional_2022[partidos] / 100))
#>            pp          psoe           vox por_andalucia      adelante 
#>     1.0084096     0.9770006     1.6546165     0.6313875     0.3812090 
#>         resto 
#>     0.5827261

cat("\nProporciones crudas Almería (regional × ratio):\n")
#> 
#> Proporciones crudas Almería (regional × ratio):
(raw_almeria <- draw_regional * ratio_almeria)
#>            pp          psoe           vox por_andalucia      adelante 
#>    0.45919237    0.21861005    0.17354326    0.05226503    0.02874369 
#>         resto 
#>    0.03369146

cat("\nProporciones normalizadas Almería (suman 1):\n")
#> 
#> Proporciones normalizadas Almería (suman 1):
(norm_almeria <- raw_almeria / sum(raw_almeria))
#>            pp          psoe           vox por_andalucia      adelante 
#>    0.47533185    0.22629366    0.17964288    0.05410202    0.02975396 
#>         resto 
#>    0.03487564

cat("\nEn porcentaje:\n")
#> 
#> En porcentaje:
round(norm_almeria * 100, 1)
#>            pp          psoe           vox por_andalucia      adelante 
#>          47.5          22.6          18.0           5.4           3.0 
#>         resto 
#>           3.5

cat("\nEscaños D'Hondt Almería (12 escaños):\n")
#> 
#> Escaños D'Hondt Almería (12 escaños):
(dhondt(norm_almeria, escanos_prov$escanos[escanos_prov$provincia == "Almería"]))
#>            pp          psoe           vox por_andalucia      adelante 
#>             7             3             2             0             0 
#>         resto 
#>             0

Ahora hacemos esto para las 8 provincias y los n_draws draws. Encapsulamos la lógica provincial en una función y paralelizamos con furrr:

Gracias a que tenemos las draw_adj en matriz y las muestras de las dirichlet en matriz la simulación se hace de forma bastante eficiente. De todas forma usamos furrr porque para cada una de las 12000 simulaciones y para cada una de las 8 provincias queremos hacer la distribución de escaños.

Show the code

library(furrr)

sim_escanos_draw <- function(k, draw_vec) {
  escanos_totales <- integer(length(partidos))
  names(escanos_totales) <- partidos
  for (i in seq_len(nrow(ref_2022))) {
    # dirichlet_mats[[i]] → matriz n_draws×6 de la provincia i
    # [k, ] → fila k: la muestra Dirichlet correspondiente a este draw
    prov_vec        <- dirichlet_mats[[i]][k, ]
    ratio           <- prov_vec / (regional_2022[partidos] / 100)  # desviación provincial vs media regional
    raw             <- draw_vec * ratio
    norm            <- raw / sum(raw)  # normalizamos para que sumen 1 dentro de la provincia
    escanos_totales <- escanos_totales + dhondt(norm, ref_2022$escanos[i])
  }
  escanos_totales
}

plan(multisession, workers = parallel::detectCores() - 1)

escanos_list <- future_map(
  seq_len(n_draws),
  \(k) sim_escanos_draw(k, draw_adj[k, ]),
  .options = furrr_options(seed = NULL)
)

plan(sequential)

cat("Primeros 3 draws de escaños totales:\n")
#> Primeros 3 draws de escaños totales:
escanos_list[1:3]
#> [[1]]
#>            pp          psoe           vox por_andalucia      adelante 
#>            58            28            11             6             4 
#>         resto 
#>             2 
#> 
#> [[2]]
#>            pp          psoe           vox por_andalucia      adelante 
#>            56            27            13             4             9 
#>         resto 
#>             0 
#> 
#> [[3]]
#>            pp          psoe           vox por_andalucia      adelante 
#>            49            22            25             8             5 
#>         resto 
#>             0

Resultados

Primero montamos el dataframe de resultados y validamos que todos los draws sumen 109 escaños.

Show the code

nombres_partido <- c(
  pp_esc            = "PP",
  psoe_esc          = "PSOE-A",
  vox_esc           = "Vox",
  por_andalucia_esc = "Por Andalucía",
  adelante_esc      = "Adelante A.",
  resto_esc         = "Otros"
)

resultados_escanos <- draws_wide |>
  mutate(
    escanos           = escanos_list,
    pp_esc            = map_int(escanos_list, "pp"),
    psoe_esc          = map_int(escanos_list, "psoe"),
    vox_esc           = map_int(escanos_list, "vox"),
    por_andalucia_esc = map_int(escanos_list, "por_andalucia"),
    adelante_esc      = map_int(escanos_list, "adelante"),
    resto_esc         = map_int(escanos_list, "resto")
  )

# Comprobación: todos los draws deben sumar exactamente 109 escaños
n_mal <- resultados_escanos |>
  transmute(total = pp_esc + psoe_esc + vox_esc + por_andalucia_esc + adelante_esc + resto_esc) |>
  filter(total != 109) |>
  nrow()

if (n_mal > 0) {
  stop(sprintf("¡Error en D'Hondt! %d draws no suman 109 escaños.", n_mal))
} else {
  message(sprintf("✓ Los %d draws suman exactamente 109 escaños.", nrow(resultados_escanos)))
}

Distribución de escaños

Show the code

colores_esc <- c(
  "PP"             = "#005999",
  "PSOE-A"         = "#FF0126",
  "Vox"            = "#51962A",
  "Por Andalucía"  = "#E51C55",
  "Adelante A."    = "#8C66F1",
  "Otros"          = "#aaaaaa"
)

orden_partidos <- c("PP", "PSOE-A", "Vox", "Por Andalucía", "Adelante A.", "Otros")
niveles_ridge  <- rev(orden_partidos)

resumen_ridge <- resultados_escanos |>
  select(all_of(names(nombres_partido))) |>
  summarise(across(
    everything(),
    list(
      media = mean,
      lo80  = \(x) quantile(x, 0.10),
      hi80  = \(x) quantile(x, 0.90)
    )
  )) |>
  pivot_longer(
    everything(),
    names_to  = c("partido", ".value"),
    names_sep = "_(?=[^_]+$)"
  ) |>
  mutate(
    partido = nombres_partido[partido],
    partido = factor(partido, levels = niveles_ridge),
    media   = round(media, 1)
  )

ref2022_ridge <- tibble(
  partido      = factor(c("PP", "PSOE-A", "Vox", "Por Andalucía", "Adelante A."),
                        levels = niveles_ridge),
  escanos_2022 = c(58, 30, 14, 5, 2)
)

resultados_escanos |>
  select(.draw, all_of(names(nombres_partido))) |>
  pivot_longer(-.draw, names_to = "partido", values_to = "escanos") |>
  mutate(
    partido = nombres_partido[partido],
    partido = factor(partido, levels = niveles_ridge)
  ) |>
  ggplot(aes(x = escanos, y = partido, fill = partido)) +
  geom_density_ridges(scale = 0.9, bandwidth = 0.8, alpha = 0.85, color = NA) +
  geom_segment(
    data = resumen_ridge,
    aes(x = media, xend = media,
        y = as.numeric(partido), yend = as.numeric(partido) + 0.9),
    color = "white", linewidth = 0.8
  ) +
  geom_segment(
    data = ref2022_ridge,
    aes(x = escanos_2022, xend = escanos_2022,
        y = as.numeric(partido), yend = as.numeric(partido) + 0.9),
    color = "grey20", linewidth = 0.55, linetype = "dashed"
  ) +
  geom_text(
    data = resumen_ridge,
    aes(x = media, y = partido, label = media),
    nudge_y = 0.60, fontface = "bold", size = 3.3, color = "grey20"
  ) +
  geom_text(
    data = resumen_ridge,
    aes(x = lo80, y = partido, label = lo80),
    nudge_y = 0.45, hjust = 1, nudge_x = -0.5,
    size = 3.0, fontface = "bold", color = "grey30"
  ) +
  geom_text(
    data = resumen_ridge,
    aes(x = hi80, y = partido, label = hi80),
    nudge_y = 0.45, hjust = 0, nudge_x = 0.5,
    size = 3.0, fontface = "bold", color = "grey30"
  ) +
  scale_fill_manual(values = colores_esc, guide = "none") +
  scale_x_continuous(breaks = seq(0, 65, 5)) +
  labs(
    title    = "Distribución posterior de escaños. Elecciones andaluzas 2026",
    subtitle = "Blanco: media · Pequeño: IC 80% · Discontinua: resultado 2022",
    x = "Escaños", y = NULL
  ) +
  theme_minimal(base_size = 12) +
  theme(
    plot.title         = element_text(face = "bold", size = 13),
    plot.subtitle      = element_text(color = "grey45", size = 10),
    panel.grid.major.y = element_blank(),
    panel.grid.minor   = element_blank(),
    axis.ticks         = element_blank()
  )

¿Mayoría absoluta?

Show the code

resultados_escanos |>
  mutate(
    pp_vox  = pp_esc + vox_esc,
    pp_solo = pp_esc >= 55
  ) |>
  summarise(
    `PP mediana (esc.)`           = median(pp_esc),
    `P(PP mayoría abs.)`          = mean(pp_solo),
    `P(PP+Vox mayoría, sin abs.)` = mean(!pp_solo & pp_vox >= 55),
    `P(PP+Vox < 55)`              = mean(pp_vox < 55)
  ) |>
  mutate(across(starts_with("P("), scales::label_percent(accuracy = 0.1))) |>
  knitr::kable(align = c("r", "r", "r", "r"))

PP mediana (esc.)	P(PP mayoría abs.)	P(PP+Vox mayoría, sin abs.)	P(PP+Vox < 55)
53	41.9%	57.9%	0.2%

Show the code

col_mayoria <- c(
  "Izquierda"   = "#cc3333",
  "Sin mayoría" = "#aaaaaa",
  "PP + Vox"    = "#7ab8d9",
  "PP solo"     = "#005999"
)

mayoria_df <- draws_wide |>
  mutate(ventaja_voto = 100 * ((pp + vox) - (psoe + por_andalucia + adelante))) |>
  select(.draw, ventaja_voto) |>
  left_join(
    resultados_escanos |>
      mutate(
        pp_vox = pp_esc + vox_esc,
        izq    = psoe_esc + por_andalucia_esc + adelante_esc,
        scenario = case_when(
          pp_esc >= 55 ~ "PP solo",
          pp_vox >= 55 ~ "PP + Vox",
          izq    >= 55 ~ "Izquierda",
          TRUE         ~ "Sin mayoría"
        ),
        scenario = factor(scenario, levels = names(col_mayoria))
      ) |>
      select(.draw, scenario, pp_esc, pp_vox),
    by = ".draw"
  )

pct_df <- mayoria_df |> count(scenario) |> mutate(pct = n / sum(n))
pct    <- setNames(pct_df$pct, as.character(pct_df$scenario))

xann <- function(scen, q = 0.5) {
  v <- mayoria_df$ventaja_voto[mayoria_df$scenario == scen]
  if (length(v) == 0) NA_real_ else quantile(v, q)
}
# PP solo: anclado en el extremo derecho de su zona (texto irá a la izquierda)
xann_ppsolo <- xann("PP solo",  q = 0.97)
# PP+Vox: anclado en el extremo izquierdo de su zona (texto irá a la derecha)
xann_ppvox  <- xann("PP + Vox", q = 0.03)
# Izquierda: ancla al extremo izquierdo del histograma
xann_izq    <- min(mayoria_df$ventaja_voto) - 0.5

max_n <- mayoria_df |>
  mutate(bin = round(ventaja_voto / 0.5) * 0.5) |>
  count(bin) |> pull(n) |> max()

ann <- function(p, x, y_pct, col, label_name,
                pct_size = 5.2, name_size = 3.3, gap = 0.13,
                offset = 0.7, hjust = 0) {
  if (is.na(x) || is.na(p)) return(list())
  acc <- ifelse(p < 0.01, 0.1, 1)
  list(
    annotate("point", x = x,          y = y_pct,               color = col, size = 3.2, shape = 15),
    annotate("text",  x = x + offset, y = y_pct,               hjust = hjust, vjust = 0.4,
             label = scales::percent(p, accuracy = acc),
             color = col, fontface = "bold", size = pct_size),
    annotate("text",  x = x + offset, y = y_pct - max_n * gap, hjust = hjust, vjust = 0.4,
             label = label_name, color = col, size = name_size)
  )
}

ggplot(mayoria_df, aes(x = ventaja_voto, fill = scenario)) +
  geom_histogram(binwidth = 0.5, color = "white", linewidth = 0.08) +
  ann(pct["PP solo"],   xann_ppsolo,  max_n * 1.38, "#005999", "PP solo",
      offset = -0.7, hjust = 1) +
  ann(pct["PP + Vox"],  xann_ppvox,   max_n * 1.38, "#4a9cc4", "PP + Vox") +
  ann(pct["Izquierda"], xann_izq,     max_n * 0.20, "#cc3333", "Izquierda",
      pct_size = 3.8, name_size = 2.9) +
  scale_fill_manual(values = col_mayoria, guide = "none") +
  scale_x_continuous(breaks = seq(-20, 60, 10)) +
  scale_y_continuous(
    expand = expansion(mult = c(0, 0.55)),
    labels = scales::label_comma()
  ) +
  labs(
    title    = "¿Qué probabilidad tiene cada mayoría?",
    subtitle = "El área de cada color representa la probabilidad de cada escenario",
    x = "← Izquierda · Ventaja voto (PP+Vox − PSOE+PorA+AA), pp · Derecha →",
    y = "Número de simulaciones"
  ) +
  theme_minimal(base_size = 12) +
  theme(
    plot.title         = element_text(face = "bold", size = 13),
    plot.subtitle      = element_text(color = "grey45", size = 10),
    panel.grid.major.x = element_blank(),
    panel.grid.minor   = element_blank(),
    panel.grid.major.y = element_line(color = "grey92"),
    axis.ticks         = element_blank()
  )

Pues me sale que la probabilidad de que el PP tenga mayoría absoluta es alta, pero parece más probable que necesite a Vox.

¿Adelante Andalucía por delante de Por Andalucía?

Las encuestas dan a Por Andalucía más voto que a Adelante Andalucía, pero los escaños dependen de cómo se distribuye ese voto por provincias. Con la incertidumbre Dirichlet, ¿en cuántas simulaciones Adelante supera a Por Andalucía en escaños?

Show the code

p_aa_gana <- mean(resultados_escanos$adelante_esc > resultados_escanos$por_andalucia_esc)

Hay un 23.1% de probabilidad de que Adelante Andalucía saque más escaños que Por Andalucía. No es lo más probable, pero tampoco es despreciable.

Show the code

resultados_escanos |>
  count(adelante_esc, por_andalucia_esc) |>
  arrange(desc(n)) |>
  head(10) |>
  knitr::kable(
    col.names = c("Adelante A.", "Por Andalucía", "Simulaciones"),
    caption   = "Combinaciones más frecuentes de escaños entre los dos partidos"
  )

Combinaciones más frecuentes de escaños entre los dos partidos
Adelante A.	Por Andalucía	Simulaciones
3	5	436
4	5	428
5	5	396
4	6	359
5	6	340
3	6	314
4	7	302
5	7	293
3	4	283
6	6	281

Por supuesto, todo esto que hemos hecho ya se verá si se parece o no a lo que pase el domingo 17. Hay varias hipótesis cogidas con pinzas como que se vuelva a dar la distribución provincial similar a la de 2022 o que las empresas encuestadoras hayan acertado con sus hipótesis sobre la abstención (que no las sabemos). Yo, con la info que he usado sin calentarme mucho la cabeza he intentado tener en cuenta las fuentes de incertidumbre.