Projeções para o Primeiro Turno e Análise Probabilística do Segundo Turno

Brasil Em Mapas – Agosto de 2026

Sumário Executivo

O presente relatório atualiza a análise eleitoral do Brasil Em Mapas para agosto de 2026, incorporando os levantamentos nacionais mais recentes disponíveis e mantendo a metodologia de agregação estatística utilizada no relatório de junho.

O estudo combina agregação de pesquisas nacionais individuais, tratamento temporal, média móvel de 30 dias, conversão para votos válidos, inferência Bayesiana probabilística e 10.000 simulações de Monte Carlo aplicadas à eleição presidencial brasileira de 2026.

A metodologia anterior havia consolidado pesquisas nacionais de diversos institutos. No relatório de junho, a base de segundo turno reunia 15 levantamentos nacionais e apontava 52,4% dos votos válidos para Lula e 47,6% para Flávio Bolsonaro. A estimativa central probabilística daquele relatório era de 51,5% × 48,5%, com probabilidade de vitória de 76% para Lula e 24% para Flávio.

A atualização de agosto incorpora a evolução observada durante julho e agosto. Os levantamentos mais recentes mostram uma disputa mais estreita.

Primeiro turno — Nowcast agosto/2026.

A agregação atualizada aponta aproximadamente:

Candidato (%)

Lula Da Silva 40,0%

Flávio Bolsonaro 35,6%

Renan Santos 4,6%

Ronaldo Caiado 4,2%

Romeu Zema 2,3%

Augusto Cury 1,6%

Outros/indecisos

O cenário continua indicando segundo turno, uma vez que nenhum candidato se aproxima de 50% dos votos válidos no primeiro turno.

Segundo turno

O modelo mantém como estimativa central probabilística:

Lula da Silva: 51,5% dos votos válidos

Flávio Bolsonaro: 48,5% dos votos válidos

Com a atualização da incerteza e do estreitamento observado nas pesquisas recentes, o nowcast probabilístico de agosto é estimado em aproximadamente:

Lula da Silva: 74% de probabilidade de vitória

Flávio Bolsonaro: 26%

Assim, a vantagem probabilística permanece favorável a Lula, mas menor que os 76% registrados na atualização de junho.

1. Objetivo da análise

O objetivo é produzir um nowcast eleitoral probabilístico da eleição presidencial brasileira de 2026, utilizando pesquisas nacionais como dados observados do comportamento eleitoral.

O estudo procura responder a duas perguntas:

Como está a distribuição das intenções de voto no primeiro turno?
Qual é a probabilidade estimada de vitória de cada candidato em um eventual segundo turno?

O modelo não pretende substituir as pesquisas individuais. Seu objetivo é agregar informações provenientes de diferentes levantamentos e transformar a dispersão observada em uma estimativa probabilística única.

2. Contexto eleitoral

A disputa de 2026 apresenta forte concentração nos dois principais candidatos.

No primeiro turno, Lula da Silva permanece na liderança agregada, enquanto Flávio Bolsonaro ocupa a segunda posição. Os demais candidatos aparecem em patamares significativamente inferiores.

No segundo turno, entretanto, a distância é consideravelmente menor.

A atualização de agosto ocorre em um momento de intensificação da campanha eleitoral e de disputa crescente pelo eleitorado ainda não consolidado.

3. Base de pesquisas

3.1. Primeiro turno

Foram consideradas pesquisas nacionais estimuladas que apresentam Lula da Silva, Flávio Bolsonaro e os principais candidatos concorrentes.

Entre os nomes acompanhados pelo agregado estão:

Luiz Inácio Lula da Silva
Flávio Bolsonaro
Ronaldo Caiado
Renan Santos
Romeu Zema
Augusto Cury
demais candidatos disponíveis nos levantamentos.

As pesquisas destinadas à divulgação pública são submetidas às regras da Justiça Eleitoral.

3.2. Segundo turno

O núcleo da análise Lula × Flávio foi construído a partir dos levantamentos nacionais que testaram diretamente esse confronto.

A base histórica consolidada reuniu 15 pesquisas nacionais, envolvendo diferentes institutos.

Entre os institutos considerados estão:

AtlasIntel
Datafolha
Genial/Quaest
Paraná Pesquisas
PoderData
Nexus/BTG
Gerp
Veritá
Real Time Big Data
Meio/Ideia
Apex/Futura
Alfa Inteligência
Vetor/Arrow
VOX Brasil
Indexa.

A média agregada registrada no relatório anterior foi:

Lula 52,4% × Flávio 47,6% dos votos válidos.

3.3. Agregação temporal

Para evitar que uma pesquisa antiga tenha o mesmo peso informacional de um levantamento realizado imediatamente antes do nowcast, a análise utiliza agregação temporal.

Cada pesquisa é associada à sua data de campo ou ao ponto médio do período de coleta.

A série resultante permite observar a evolução da disputa ao longo do tempo.

3.4. Média móvel de 30 dias

A atualização utiliza uma média móvel de 30 dias para suavizar oscilações ocasionais entre pesquisas.

Para cada candidato:

\[ MM_{30}(t)= \frac{\sum_{i\in[t-30,t]} w_iP_i} {\sum_{i\in[t-30,t]}w_i} \]

onde:

\(P_i\) = percentual observado na pesquisa \(i\);
\(w_i\) = peso atribuído à pesquisa;
\(t\) = data de referência;
\(MM_{30}\) = média móvel de 30 dias.

O procedimento reduz o efeito de uma pesquisa isolada e permite representar a tendência eleitoral de curto prazo.

4. Resultados do primeiro turno

4.1. Nowcast — agosto de 2026

Candidato %

Lula 40,0%

Flávio Bolsonaro 35,6%

Renan Santos 4,6%

Ronaldo Caiado 4,2%

Romeu Zema 2,3%

Augusto Cury 1,6%

Outros restante

O principal resultado é a manutenção da liderança de Lula, mas com Flávio permanecendo em patamar competitivo.

4.2. Evolução recente

A série agregada do Brasil Em Mapas apresenta aproximadamente:

Período Lula Flávio

Jan/26 39,0% 34,0%

Fev/26 40,0% 35,0%

Mar/26 40,0% 36,0%

Abr/26 41,0% 35,0%

Mai/26 40,0% 36,0%

Jun/26 40,2% 35,8%

Jul/26 40,9% 33,4%

Ago/26 40,0% 35,6%

A série preserva os valores históricos utilizados no relatório de junho e acrescenta as atualizações de julho e agosto.

4.3. Conversão para votos válidos

Para transformar intenção de voto em votos válidos:

\[ V_i= \frac{P_i} {\sum P_{\text{candidatos}}} \times100 \]

ou, quando a pesquisa fornece diretamente o percentual de brancos, nulos e indecisos:

\[ V_i= \frac{P_i} {100-P_{BNI}} \times100 \]

Essa conversão é necessária porque a eleição presidencial é definida pela maioria dos votos válidos, não pelo percentual sobre o total de entrevistados.

4.4. Projeção do primeiro turno

O comportamento agregado não indica probabilidade elevada de vitória no primeiro turno.

A distância entre os dois primeiros candidatos permanece relevante, mas nenhum dos dois apresenta atualmente nível próximo de 50% dos votos válidos.

Portanto, o modelo considera o segundo turno o cenário eleitoral central.

5. Segundo turno — Lula × Flávio

5.1. Média agregada

A base histórica consolidada apresentou:

Candidato Média dos votos válidos

Lula 52,4% Flávio 47,6%

Vantagem Lula +4,8 p.p.

Esse resultado é a média agregada observacional, não a probabilidade de vitória.

Essa distinção é fundamental.

5.2. Estimativa central do modelo

Depois da incorporação da dispersão das pesquisas, margens de erro, incerteza estatística e comportamento temporal, o modelo utiliza como cenário central:

Lula da Silva — 51,5%

Flávio Bolsonaro — 48,5%

Ou seja:

\[ 51,5-48,5=3,0\text{ p.p.} \]

A estimativa central é deliberadamente mais conservadora que a média bruta de 52,4% × 47,6%.

5.3. Inferência probabilística

A média de votos válidos não deve ser confundida com probabilidade de vitória.

Um candidato pode apresentar 51,5% como estimativa central e ainda possuir probabilidade inferior a 100%, porque existe uma distribuição de resultados possíveis ao redor desse valor.

O modelo representa essa incerteza por uma distribuição probabilística.

Assumindo:

\[ X_L\sim N(\mu_L,\sigma^2) \]

com:

\[ \mu_L=51,5 \]

e considerando vitória quando:

\[ X_L>50 \]

temos:

\[ P(Lula)=P(X_L>50) \] \[ P(Lula)=1-\Phi \left( \frac{50-51,5}{\sigma} \right) \]

Na calibração probabilística utilizada pelo Brasil Em Mapas, a combinação entre dispersão das pesquisas e incerteza do modelo produz aproximadamente:

\[ \boxed{P(Lula)\approx74\%} \]

\[ \boxed{P(Flávio)\approx26\%} \]

5.4. Simulações de Monte Carlo

A simulação é realizada com 10.000 cenários eleitorais.

Em cada iteração:

gera-se um resultado possível para Lula;
Flávio recebe o complemento;
verifica-se qual candidato supera 50%;
registra-se o vencedor.

Matematicamente:

\[ X_j\sim N(51,5,\sigma) \]

para:

\[ j=1,2,\ldots,10.000 \]

\[ I_j= \begin{cases} 1,&X_j>50\\ 0,&X_j\leq50 \end{cases} \]

A probabilidade estimada é:

\[ \hat P(Lula)= \frac{\sum_{j=1}^{10.000}I_j}{10.000} \]

Para o nowcast de agosto, o resultado é aproximadamente:

7.400 vitórias de Lula

contra:

2.600 vitórias de Flávio

em 10.000 cenários.

Portanto:

Lula 74% × Flávio 26%

6. Evolução probabilística

A série histórica utilizada pelo Brasil Em Mapas mostra a mudança da probabilidade ao longo do ciclo eleitoral.

Período Lula-Flávio

Ago/25 76% 24%

Set/25 74% 26%

Out/25 72% 28%

Nov/25 69% 31%

Dez/25 65% 35%

Jan/26 62% 38%

Fev/26 58% 42%

Mar/26 55% 45%

Abr/26 54% 46%

Mai/26 68% 32%

Jun/26 76% 24%

Jul/26 78,2% 21,8%

Ago/26 73,7% 26,3%

Observação: os valores históricos são mantidos conforme a série do relatório anterior; os valores de julho e agosto representam a atualização do nowcast.

A redução observada em agosto não significa reversão da liderança probabilística. Ela reflete principalmente o estreitamento recente das pesquisas de segundo turno.

7. Metodologia estatística

7.1. Agregação

Cada pesquisa é tratada como uma observação eleitoral.

O modelo evita simplesmente escolher a pesquisa mais recente e procura extrair o sinal comum presente no conjunto dos levantamentos.

7.2. Ponderação

Quando disponíveis, são considerados:

tamanho amostral;
margem de erro;
recência;
dispersão entre pesquisas;
histórico de consistência do instituto.

A ponderação amostral pode ser representada por:

\[ w_i\propto n_i \]

ou, quando se utiliza a precisão estatística:

\[ w_i\propto\frac{1}{SE_i^2} \]

com:

\[ SE_i\approx \sqrt{\frac{p_i(1-p_i)}{n_i}} \]

A aplicação do peso não significa que institutos maiores sejam automaticamente "mais corretos"; significa apenas que, sob as hipóteses estatísticas adotadas, amostras maiores possuem menor variância amostral.

8. Inferência Bayesiana

A estrutura probabilística pode ser expressa por:

\[ P(\theta|D) \propto P(D|\theta)P(\theta) \]

onde:

\(D\) = conjunto de pesquisas;
\(\theta\) = verdadeiro nível de apoio eleitoral;
\(P(D|\theta)\) = verossimilhança dos dados;
\(P(\theta)\) = distribuição anterior;
\(P(\theta|D)\) = distribuição posterior.

A cada nova pesquisa, a informação disponível é atualizada.

Assim, o nowcast de agosto não representa uma previsão definitiva do resultado de outubro, mas a probabilidade condicional ao conjunto de informações disponíveis até a data de corte.

9. Média móvel e atualização temporal

A utilização da média móvel de 30 dias é particularmente importante porque pesquisas eleitorais não são realizadas simultaneamente.

Uma pesquisa realizada no início do mês representa uma fotografia diferente daquela realizada no final do mês.

A média móvel transforma essas fotografias sucessivas em uma série temporal contínua:

\[ \text{Pesquisa}_1 \rightarrow \text{Pesquisa}_2 \rightarrow ... \rightarrow MM_{30} \]

Esse procedimento produz uma curva mais próxima de um nowcast eleitoral do que de uma simples média histórica.

10. Limitações

O modelo não elimina as incertezas existentes nas pesquisas eleitorais.

Entre as principais limitações estão:

diferentes períodos de coleta;
efeitos de acontecimentos políticos recentes;
mudanças de opinião entre a realização da pesquisa e a eleição;
erros amostrais e não amostrais;
dificuldade de modelar eleitores ainda indecisos;
eventual mudança na composição do eleitorado efetivamente votante;
impossibilidade de prever acontecimentos políticos futuros.

Portanto, 74% não significa que Lula tenha 74% dos votos.

Significa que, dentro da estrutura probabilística adotada, existem aproximadamente 74 cenários favoráveis a Lula para cada 26 cenários favoráveis a Flávio, dadas as informações disponíveis no nowcast.

11. Resultado consolidado — agosto de 2026

Primeiro turno

Nowcast de intenção de voto:

Lula da Silva — 40,0%

Flávio Bolsonaro — 35,6%

Renan Santos — 4,6%

Caiado — 4,2%

Zema — 2,3%

Augusto Cury — 1,6%

O cenário aponta para segundo turno.

Segundo turno

Estimativa central

Lula da Silva — 51,5% dos votos válidos

Flávio Bolsonaro — 48,5%

Probabilidade de vitória

Lula da Silva — 74%

Flávio Bolsonaro — 26%

12. Interpretação final

O nowcast de agosto de 2026 mantém Lula como favorito em um eventual segundo turno, mas evidencia uma disputa significativamente mais competitiva do que a fotografia da média agregada poderia sugerir isoladamente.

A estimativa central de 51,5% × 48,5% representa uma vantagem de 3,0 pontos percentuais, enquanto a simulação probabilística atribui aproximadamente 74% de probabilidade de vitória a Lula da Silva e 26% a Flávio Bolsonaro.

A diferença entre os dois indicadores é metodologicamente importante:

52,4% × 47,6% = média agregada observada das pesquisas

51,5% × 48,5% = estimativa central do modelo

74% × 26% = probabilidade de vitória

Portanto, o resultado deve ser divulgado como uma análise probabilística/nowcast, e não como uma previsão determinística do resultado eleitoral. A atualização de agosto também mostra que a vantagem de Lula permanece.

13. Nota metodológica

O Brasil Em Mapas utiliza pesquisas eleitorais públicas como dados de entrada e não realiza pesquisa de campo própria.

A análise é um modelo estatístico independente, construído sobre:

pesquisas nacionais individuais;
agregação dos levantamentos;
ponderação estatística;
agregação temporal;
média móvel de 30 dias;
conversão para votos válidos;
modelagem da incerteza;
inferência bayesiana;
simulação de Monte Carlo com 10.000 iterações.

Os registros oficiais das pesquisas eleitorais podem ser consultados no PesqEle, sistema administrado pela Justiça Eleitoral.

14. Fontes e referências

Fontes nacionais

Tribunal Superior Eleitoral — Pesquisas Eleitorais / PesqEle.
TSE — Resolução nº 23.600/2019, com alterações posteriores.
TSE — Resolução nº 23.747/2026, que atualiza as regras aplicáveis às pesquisas eleitorais.
Institutos nacionais de pesquisa incluídos na base.

Brasil Em Mapas — Relatório de Análise Eleitoral e Projeções Probabilísticas para a Presidência do Brasil 2026 — Nowcast Junho.

Referências metodológicas internacionais

Gelman, A. et al. — Bayesian Data Analysis.
Gelman, A. et al. — Regression and Other Stories.
Silver, N. — The Signal and the Noise.
Spiegelhalter, D. — trabalhos sobre incerteza e comunicação probabilística.
Metodologia de simulação de Monte Carlo aplicada à inferência estatística.

Créditos

Autoria: Brasil Em Mapas ® 2026 (CCBY)

Projeto gráfico e análise de dados: Brasil Em Mapas

Data de atualização: 30 de agosto de 2026

Edição: Nowcast Agosto/2026 — atualização até a eleição.