#cdnpoli

Analyse des sondages politiques albertains de cdnpo.li, un projet par Erik Partridge.

Mis à jour le dimanche 14 avril 2019 à 11h24 EST.



Si l'élection albertain était aujourd'hui...


PCU - 47.7% | 60 sièges
NPD38.3% | 27 sièges
Partie Albertaine8.4% | 0 sièges
Liberté Conservatrice3.3% | 0 sièges
Libéraux2.5% | 0 sièges

Modèle v0.1-040619

Voir l'analyse fédérale.


Recevez les dernières mises à jour


Méthodologie

Le modèle est développé sur la base de données historiques de 2006 à nos jours. Pour le moment, aucune prévision future n'est faite. Si vous souhaitez utiliser ces données à titre de prévision, sachez que cela accepte l'hypothèse de la fraîcheur, ce qui supposerait que les derniers sondages sont les meilleurs prédicteurs du futur. Ce n'est peut-être pas la meilleure hypothèse.


Les pourcentages de soutien sont basés sur la moyenne mobile pondérée de manière exponentielle de l'historique des sondages récents. Cela pèse considérablement sur les sondages les plus récents et, plus les sondages sont anciens, plus leur impact sur les prévisions est exponentiellement faible.


Le poids pour chaque sondage individuel, s'il s'agit du sondage le plus récent, est défini comme le logarithme en base 6 de la taille de l'échantillon, divisé par trente. Cela signifie qu’un sondage de 5 000 personnes aura 33% plus de poids qu’un sondage de 500 personnes. Cela favorise les nouveaux sondages par rapport aux grands sondages, mais a également une pondération relativement faible, de sorte que l'historique des dix plus récents sondages sera significatif.


Une règle de base que nous avons définie est que les sondages qui ne contiennent que partiellement de nouvelles données (c'est-à-dire celles de Nanos Research) incluent uniquement les nouvelles données. Un sondage avec un échantillon de 1 000 personnes avec seulement 333 nouvelles réponses sera pondéré par 333 réponses.

C'est un projet personnel—Je suis un data scientist, mais je ne me spécialise pas dans les sondages. Je ne donne aucune garantie concernant ces données et je suis ravi de recevoir vos commentaires. Toutes les données utilisées pour créer ces modèles sont disponibles sur GitHub.