📈 Proyección Estadística

En Perú, los votos se cuentan mesa por mesa. Al 2026-06-11, ONPE ya contabilizó 91.106 de 92.766 mesas — el 98.211%. Quedan 1.660 mesas sin contar que representan el 1.789% restante.

La pregunta es simple: ¿pueden esas 1.660 mesas darle la vuelta al resultado? Para responderla combinamos el conteo live de ONPE con una proyección estadística sobre lo que falta.

En la primera vuelta de 2026 hubo 38 agrupaciones compitiendo. Para proyectar cómo votan sus seguidores en la segunda vuelta (donde solo hay dos candidatos), se elaboró un mapa a mano asignando a cada partido un "porcentaje que va a Keiko":

Tenemos 86,124 mesas del snapshot donde conocemos el resultado real de ambas vueltas. Eso nos permite verificar si el plan era correcto o no. El análisis estadístico encontró tres errores fundamentales:

En lugar de asignar pesos a mano, se dejó que el modelo aprenda de las 86,124 mesas del scraper (training set) y luego se aplicó el resultado a las mesas 2V del snapshot y luego se aplica con un supuesto explícito: tratar las [E] con votos como bloque prácticamente contabilizado. Adicionalmente, combinamos el conteo live de ONPE (91.106 mesas) con la proyección NNLS solo sobre lo que genuinamente falta (no-E) — llamamos a esto el modelo E-oficial.

Se usaron dos modelos independientes para verificar la robustez:

Ambos modelos concluyen lo mismo en forma independiente bajo el supuesto E-oficial. Práctica estadística: no se “promedia ciegamente” como estimador principal; se reporta NNLS como modelo base y RF como verificación de robustez. Como referencia adicional, el consenso simple NNLS+RF da Keiko Fujimori +45.474.

El modelo calculó, para cada uno de los 38 partidos de la 1ra vuelta, qué fracción real de sus votantes fue a Keiko, a Sánchez, a blanco/nulo, o se abstuvo en la 2da vuelta. Los pesos están restringidos por simplex (w_K + w_S + w_BN ≤ 1), garantizando que ninguna fila supere el 100%. Varios resultados contradicen directamente el plan original:

El modelo no se apoya solo en 1ra vuelta: se entrena con 2V real ya contabilizada y se contrasta contra nuevas mesas 2V que entraron después del snapshot.

Conclusión: Sí se tomó en cuenta la 2da vuelta del scraper (mesas C) y además se validó contra mesas 2V nuevas. La lectura estadística final de esta versión no usa una sola señal: integra validación histórica + composición geográfica + bloque E/JEE fijado, y con ese esquema el resultado refinado mantiene ventaja final para Keiko.

A este corte, ONPE ha contado el 98.211% de las mesas. Las 1.660 que aún faltan salen de un universo pendiente de snapshot de 6,642 mesas:

Nota: El exterior siempre envía las actas tarde (los consulados cierran en distintas zonas horarias y el traslado físico del acta tarda días). No es inusual ver un 2–3% pendiente al 3er día.

Cómo se consideran las observadas (E/P) en el cálculo: en esta versión se usa supuesto E-oficial: las 1.592 mesas [E] con votos se tratan como bloque prácticamente contabilizado (fijo), y solo se proyecta el residual no-E.

Qué falló al extrapolar desde 1V en el bloque E: el patrón efectivo en esas mesas fue más pro-Keiko de lo que sugería el promedio pendiente inferido desde 1V. Por eso, al fijar E con sus votos 2V reales (K 185,686 vs S 134,501), la proyección global se desplaza.

⭐ El NNLS E-oficial usa el conteo live de ONPE (91.106 mesas), suma como fijo el bloque E con votos, y proyecta solo el residual no-E (1.658 mesas). Es el estimador principal bajo este supuesto. El RF se muestra como cross-check independiente sobre el universo completo del snapshot. Intervalo de confianza 95% (100 simulaciones bootstrap): ~17,000 votos de ancho. Con corte actual, el margen NNLS (+47.797) y el RF (+43.151) mantienen mismo signo.

Diferencia entre escenarios (NNLS vs plan, al 100%): 36.616 votos (el plan da Keiko +11.181, el NNLS E-oficial da Keiko +47.797).

• ✅
  Se probó contra datos que el modelo nunca vio (hold-out 20%). Se reservaron ~17,000 mesas, se entrenó el modelo con las demás, y luego se comparó la predicción vs. el resultado real. R² = 0.9260 para Keiko y 0.8990 para Sánchez. MAE: ~9.74 y ~9.36 votos por mesa — sobre mesas de ~200 votos, es excelente.
• ✅
  Se validó además con 4.970 mesas nuevas que ONPE contó después del snapshot. El modelo nunca vio esas mesas. Comparando la predicción NNLS con el resultado real:

Interpretación: en ese bloque de 4.970 mesas, NNLS sobreestimó a Keiko y subestimó a Sánchez. En la versión vigente (E-oficial), el signo final no depende solo de esa validación: también incorpora el bloque [E] ya observado como fijo.

• ✅
  Dos modelos independientes apuntan en la misma dirección. NNLS (lineal con restricciones de simplex) y Random Forest (árboles sin restricciones) son métodos completamente distintos y ambos proyectan ventaja final de Keiko bajo el supuesto E-oficial.
• ✅
  Bootstrap usado para estabilidad del modelo base. Los intervalos bootstrap se usan para medir dispersión del ajuste; en este escenario E-oficial el driver principal es el bloque [E] ya observado y fijado en el cálculo.

Este análisis podría estar mal en estos escenarios — aunque ninguno cambiaría el resultado dado el tamaño de la ventaja proyectada:

• ⚠️
  Las 1.660 mesas pendientes son completamente atípicas. Si todas tienen un patrón de voto radicalmente distinto al del resto del país — por ejemplo, todas son mesas impugnadas en zonas homogéneamente pro-Keiko. El análisis de sesgo muestra lo contrario (sobre-representan al exterior y zonas pro-Sánchez), pero no se puede descartar 100%.
• ⚠️
  Fraude o irregularidades sistemáticas que afecten específicamente las mesas pendientes en una sola dirección. Eso es independiente del modelo estadístico.
• ℹ️
  Cambio en el catálogo de partidos entre vueltas. El modelo asume que los IDs de partido de 1V se mapean correctamente a los candidatos de 2V. En este caso está verificado: partido_id 8 = Fuerza Popular (Keiko) y partido_id 10 = Juntos por el Perú (Sánchez) en ambas vueltas.

Con este supuesto (E-oficial), la proyección al 100% mantiene a Keiko adelante por ~47.797 votos. Si las mesas E se consolidan en esa línea, el bloque residual tendría que desviarse con fuerza para revertirlo.

Esta página mantiene versionado metodológico para evitar mezclar cortes de datos. La versión actual recalibra modelos con snapshot actualizado y reancla la proyección al corte live más reciente.