Probabilidad de ganar la contienda Claudia Sheinbaum, Xóchitl Gálvez y Jorge Álvarez Máynez

A medida que se acerca el día de las elecciones presidenciales en México, un estudio reciente ha aplicado avanzadas técnicas de inteligencia artificial para predecir las probabilidades de victoria de los principales contendientes: Claudia Sheinbaum Pardo, Xóchitl Gálvez Ruiz y Jorge Álvarez Máynez. Utilizando modelos de redes neuronales, los resultados sugieren un panorama electoral con claros favoritos y retos para los candidatos.

Resultados Probabilísticos

De acuerdo con las simulaciones, Claudia Sheinbaum Pardo emerge como la clara favorita con una probabilidad del 91.53% de ganar las elecciones. Este elevado porcentaje refleja no solo la efectividad de su campaña y la resonancia de sus propuestas entre el electorado, sino también su sólida base de apoyo continuo que se relaciona con los seguidores de la 4ta Transformación.

En contraste, Xóchitl Gálvez Ruiz tiene una probabilidad considerablemente menor, de 8.36%, de alcanzar la presidencia. Estas probabilidades poco favorables, a tan solo unas cuantas semanas del día de la votación, en la que se decidirá quién será la próxima presienta de México, prevén un destino poco halagador para la candidata del frente opositor.

Por otro lado, Jorge Álvarez Máynez enfrenta un escenario adverso, con solo un 0.09% de probabilidad de victoria. Esto solo lo deja con la opción de aumentar los votos que tuvo su partido: Movimiento Ciudadano en el 2018 y que ayudará a sus candidatos a tomar más posiciones en los congresos federales y locales.

Metodología de Avanzada

La metodología empleada por los científicos de datos de Metrics para llegar a estas conclusiones se basa en la construcción de redes neuronales feedforward. La red implementada incluyó una capa oculta de 128 neuronas con función de activación ReLU y una capa de entrada también activada por ReLU. La capa de salida constó de una única neurona con función de activación lineal, diseñada para predecir resultados cuantitativos como la probabilidad de ganar una elección.

El modelo se alimentó con datos históricos de preferencia de los candidatos en la red social X, desde septiembre de 2023 hasta mayo de 2024, dividiendo estos datos en un 80% para entrenamiento y un 20% para validación. El entrenamiento se optimizó mediante el algoritmo ADAM, basado en el descenso del gradiente estocástico, y se utilizó el error cuadrático medio (MSE) como función de pérdida. Después de 10,000 iteraciones, el modelo alcanzó la precisión necesaria para hacer predicciones confiables.