ANALISIS MESAS 900000

PASO 12 · Proyección 900K y Predicción ML

Auditoría estadística electoral · proyección determinística, escenarios y modelo ML de comportamiento esperado 900K

Nota técnica: el archivo fuente contiene solo mesas 900K. El contraste 900K vs no 900K debe hacerse cuando se incorpore una base comparable de mesas no 900K.

Filtros dinámicos

Departamento

Provincia

Distrito

CCPP / Centro poblado

Local

Mesa

Ganador de mesa

Nivel de revisión

Buscar texto

Votos por organización política / blancos / nulos

Mesas por nivel de revisión

BAJA0 - 19Variación menor / monitoreo

AMARILLA20 - 39Revisión sugerida

ÁMBAR40 - 69Revisión prioritaria

ROJA70 - 100Revisión crítica

El score no concluye fraude: prioriza mesas para revisión estadística y documental.

Resumen de evidencia

Se mostrará automáticamente la mesa con mayor score del filtro activo. También puedes hacer clic en una fila del ranking.

Ranking de mesas con revisión prioritaria

El Score es un índice de priorización de revisión estadística. No concluye fraude por sí solo.

Cómo se calcula el Score

+15 Participación extrema o concentración extrema del ganador.
+10 Nulos extremos, blancos+nulos extremos, muy pocos partidos con votos o ganador ≥ 90%.
+7 Participación alta/baja o concentración alta del ganador.
+5 Nulos altos, blancos+nulos altos o pocos partidos con votos.
+variable Diferencias geográficas de participación y/o del ganador frente al promedio simple de mesas del mismo Departamento / Provincia / Distrito.

Se mostrará aquí el cálculo dinámico de la mesa con mayor score del filtro activo. Si haces clic en una fila del ranking, el cálculo cambiará a esa mesa.

Resumen geográfico del filtro

Agrupado por Departamento / Provincia / Distrito según los filtros activos.

Hallazgos ejecutivos de revisión prioritaria

Estos hallazgos se recalculan con los filtros activos. Su objetivo es priorizar revisión documental, no concluir fraude automáticamente.

Hallazgo 1 · Locales con blancos/nulos extremos

Identifica locales donde los votos válidos se reducen de forma inusual por concentración de votos blancos y/o nulos.

Hallazgo 2 · Mesas con votos válidos casi desaparecidos

Ranking de mesas con mayor proporción de blancos+nulos sobre votos emitidos.

Hallazgo 3 · Combinación de señales fuertes

Mesas donde no solo aparece una señal aislada, sino varias: participación, concentración del ganador, pocos partidos, blancos/nulos o diferencias geográficas.

Hallazgo 4 · Concentración geográfica de alertas

Distritos con mayor proporción de mesas en nivel AMARILLA o superior dentro del filtro actual.

Hallazgo 5 · Lectura partidaria prudente

Compara los ganadores de mesa en toda la selección contra los ganadores de mesas ÁMBAR/ROJA. Sirve para evitar conclusiones partidarias apresuradas.

Lectura ejecutiva

Proyección 900K y Predicción ML de comportamiento esperado

Marco analítico Data Science: la proyección es una lectura determinística de resultados observados y escenarios de sensibilidad sobre el universo 900K. La predicción ML estima el comportamiento esperado de cada mesa 900K con un modelo entrenado sobre patrones geográficos y tamaño de mesa. Este módulo no predice el resultado nacional ni prueba fraude: identifica desviaciones internas que pueden orientar revisión documental.

4,490

mesas 900K modeladas

577,892

votos válidos observados

4,361

mesas en escenario sin B/N ≥ 50%

4,424

mesas en escenario sin ÁMBAR/ROJA

163

mesas con Score ML ≥ 80

mesas Score ML ≥ 80 y ÁMBAR/ROJA

6.77 / 6.00 / 9.60

MAE ML pp: participación / B-N / ganador

100.0

Score ML máximo observado

1. Proyección determinística · Top 6 partidos 900K

Esta tabla no predice resultados nacionales. Muestra el universo 900K observado y dos escenarios de sensibilidad para medir cuánto cambia la distribución si se retiran mesas con blancos/nulos extremos o mesas ÁMBAR/ROJA.

Rank	Partido	Votos observados	% observado	Escenario sin B/N ≥ 50%	Escenario sin ÁMBAR/ROJA	Δ B/N	Δ A/R
1	JUNTOS POR EL PERÚ	241,140	41.7%	237,936 41.8%	237,522 41.6%	0.0 pp	-0.2 pp
2	FUERZA POPULAR	94,090	16.3%	92,367 16.2%	93,184 16.3%	-0.1 pp	0.0 pp
3	PARTIDO CÍVICO OBRAS	50,417	8.7%	50,007 8.8%	50,127 8.8%	0.1 pp	0.0 pp
4	AHORA NACIÓN - AN	25,143	4.4%	24,955 4.4%	25,004 4.4%	0.0 pp	0.0 pp
5	PODEMOS PERÚ	20,757	3.6%	20,300 3.6%	20,530 3.6%	-0.0 pp	0.0 pp
6	PARTIDO PAÍS PARA TODOS	16,377	2.8%	16,201 2.8%	16,241 2.8%	0.0 pp	0.0 pp

2. Predicción ML · Diseño del modelo

Modelo orientado a estimar comportamiento esperado, no a clasificar fraude. La comparación útil es observado vs esperado.

Componente	Detalle
Modelo	ExtraTreesRegressor multiobjetivo
Validación	Validación cruzada 5-fold. Cada mesa se predice fuera de muestra, con un modelo que no vio esa fila.
Variables predictoras	Departamento, provincia, distrito, CCPP, local, tipo de mesa y número de electores.
Objetivos predichos	% participación, % blancos+nulos y % del ganador de mesa.
Error medio absoluto	Participación: 6.77 pp; blancos+nulos: 6.00 pp; ganador: 9.60 pp.
Interpretación	El Score ML mide rareza multivariada dentro del universo 900K disponible. No reemplaza el score de reglas ni prueba fraude.

3. ML Watchlist · Mesas más desviadas

Ranking por Score ML de rareza. Combina residuales de participación, blancos+nulos y concentración del ganador. Una mesa puede ser relevante aunque el score de reglas no sea extremo.

Mesa	Ubicación	Score ML	Score reglas	Part. obs./ML	B/N obs./ML	Ganador obs./ML	Motivo reglas
900030	AMAZONAS BAGUA IMAZA	100.0	36.5 AMARILLA	47.8% / 69.4% -21.6 pp	52.5% / 26.0% 26.5 pp	85.1% / 61.9% 23.2 pp	NULOS EXTREMOS; BLANCOS_NULOS EXTREMOS; POCOS PARTIDOS CON VOTOS; DIF. PARTICIPACION GEO
900046	AMAZONAS BAGUA IMAZA	100.0	22.0 AMARILLA	29.0% / 68.4% -39.4 pp	7.4% / 26.8% -19.4 pp	72.0% / 62.7% 9.3 pp	PARTICIPACION ALTA/BAJA; DIF. PARTICIPACION GEO
900048	AMAZONAS BAGUA IMAZA	100.0	72.4 ROJA	87.0% / 67.1% 19.9 pp	49.6% / 25.2% 24.4 pp	93.8% / 62.9% 30.8 pp	PARTICIPACION EXTREMA; BLANCOS_NULOS ALTOS; CONCENTRACION GANADOR ALTA; GANADOR >=90%; POCOS PARTIDOS CON VOTOS; DIF. PARTICIPACION GEO; DIF. GANADOR GEO
900543	ÁNCASH POMABAMBA QUINUABAMBA	100.0	35.5 AMARILLA	56.4% / 76.4% -20.0 pp	57.7% / 33.6% 24.1 pp	31.0% / 45.0% -14.0 pp	NULOS ALTOS; BLANCOS_NULOS ALTOS; DIF. PARTICIPACION GEO; DIF. GANADOR GEO
900849	AREQUIPA LA UNIÓN PUYCA	100.0	39.0 AMARILLA	56.2% / 75.5% -19.3 pp	52.5% / 26.8% 25.7 pp	61.7% / 44.0% 17.7 pp	BLANCOS_NULOS EXTREMOS; DIF. PARTICIPACION GEO; DIF. GANADOR GEO
901001	AYACUCHO HUANTA UCHURACCAY	100.0	40.0 AMBAR	73.1% / 75.5% -2.4 pp	67.2% / 27.4% 39.8 pp	12.2% / 49.2% -37.0 pp	NULOS EXTREMOS; BLANCOS_NULOS EXTREMOS; DIF. GANADOR GEO
901086	CAJAMARCA CAJAMARCA COSPAN	100.0	10.0 BAJA	50.0% / 77.3% -27.3 pp	56.3% / 27.8% 28.6 pp	55.6% / 56.9% -1.3 pp	BLANCOS_NULOS EXTREMOS
901087	CAJAMARCA CAJAMARCA COSPAN	100.0	0.0 BAJA	44.7% / 77.3% -32.6 pp	43.5% / 27.8% 15.7 pp	46.2% / 56.9% -10.7 pp	OK
901150	CAJAMARCA CAJABAMBA CACHACHI	100.0	15.5 BAJA	55.1% / 75.1% -20.0 pp	59.6% / 30.3% 29.3 pp	28.8% / 53.2% -24.4 pp	BLANCOS_NULOS ALTOS; DIF. PARTICIPACION GEO
901151	CAJAMARCA CAJABAMBA CACHACHI	100.0	15.8 BAJA	54.7% / 75.1% -20.3 pp	53.8% / 30.3% 23.5 pp	47.8% / 53.2% -5.4 pp	NULOS ALTOS; DIF. PARTICIPACION GEO
901152	CAJAMARCA CAJABAMBA CACHACHI	100.0	19.1 BAJA	52.8% / 75.1% -22.2 pp	58.6% / 30.3% 28.2 pp	37.9% / 53.2% -15.2 pp	PARTICIPACION ALTA/BAJA; DIF. PARTICIPACION GEO
901451	CAJAMARCA CUTERVO LA RAMADA	100.0	55.5 AMBAR	92.2% / 76.3% 15.9 pp	10.2% / 25.9% -15.7 pp	84.9% / 56.1% 28.8 pp	PARTICIPACION EXTREMA; CONCENTRACION GANADOR ALTA; DIF. PARTICIPACION GEO; DIF. GANADOR GEO
901455	CAJAMARCA CUTERVO QUEROCOTILLO	100.0	43.2 AMBAR	47.2% / 71.4% -24.3 pp	1.4% / 26.2% -24.8 pp	90.6% / 59.4% 31.2 pp	CONCENTRACION GANADOR EXTREMA; GANADOR >=90%; DIF. GANADOR GEO
901516	CAJAMARCA JAÉN CHONTALÍ	100.0	20.0 AMARILLA	83.7% / 76.6% 7.1 pp	66.1% / 25.2% 40.9 pp	27.5% / 55.7% -28.2 pp	NULOS EXTREMOS; BLANCOS_NULOS EXTREMOS

4. Score reglas vs Score ML

Ayuda a diferenciar mesas ya priorizadas por reglas explicables de mesas que el modelo detecta por rareza multivariada.

Mesa	Ubicación	Score reglas	Score ML	Brecha ML-Reglas	Lectura
901087	CAJAMARCA CAJAMARCA COSPAN	0.0 BAJA	100.0	100.0	ML detecta rareza no plenamente capturada por reglas
904135	PUNO CARABAYA OLLACHEA	0.0 BAJA	100.0	100.0	ML detecta rareza no plenamente capturada por reglas
903418	LORETO DATEM DEL MARAÑÓN MANSERICHE	0.0 BAJA	98.9	98.9	ML detecta rareza no plenamente capturada por reglas
903495	LORETO MAYNAS NAPO	0.0 BAJA	96.5	96.5	ML detecta rareza no plenamente capturada por reglas
903462	LORETO MARISCAL RAMÓN CASTILLA YAVARI	0.0 BAJA	94.6	94.6	ML detecta rareza no plenamente capturada por reglas
901337	CAJAMARCA CHOTA MIRACOSTA	0.0 BAJA	93.5	93.5	ML detecta rareza no plenamente capturada por reglas
902687	LA LIBERTAD OTUZCO CHARAT	0.0 BAJA	92.8	92.8	ML detecta rareza no plenamente capturada por reglas
902528	JUNÍN SATIPO RÍO TAMBO	5.0 BAJA	97.5	92.5	ML detecta rareza no plenamente capturada por reglas
901458	CAJAMARCA CUTERVO QUEROCOTILLO	0.0 BAJA	91.9	91.9	ML detecta rareza no plenamente capturada por reglas
901085	CAJAMARCA CAJAMARCA COSPAN	0.0 BAJA	91.0	91.0	ML detecta rareza no plenamente capturada por reglas
901086	CAJAMARCA CAJAMARCA COSPAN	10.0 BAJA	100.0	90.0	ML detecta rareza no plenamente capturada por reglas
903427	LORETO DATEM DEL MARAÑÓN MORONA	10.0 BAJA	100.0	90.0	ML detecta rareza no plenamente capturada por reglas
903378	LORETO DATEM DEL MARAÑÓN ANDOAS	0.0 BAJA	89.7	89.7	ML detecta rareza no plenamente capturada por reglas
903574	LORETO REQUENA YAQUERANA	5.0 BAJA	94.6	89.6	ML detecta rareza no plenamente capturada por reglas

5. Lectura técnica para presentación

La proyección determinística resume el comportamiento electoral observado de las mesas 900K y evalúa sensibilidad ante exclusiones controladas. La predicción ML estima valores esperados por mesa usando variables geográficas y tamaño de mesa. En el universo completo, la mesa con mayor rareza ML es 900030 (AMAZONAS / BAGUA / IMAZA), con Score ML 100.0. Sus residuales son: participación -21.6 pp, blancos+nulos 26.5 pp y ganador 23.2 pp. Esta capa complementa, pero no reemplaza, el score de reglas ni la revisión documental.

Diccionario metodológico · Reglas, columnas e interpretación

1. Rangos del Score de revisión

BAJA 0 - 19: variación menor o monitoreo.
AMARILLA 20 - 39: revisión sugerida.
ÁMBAR 40 - 69: revisión prioritaria.
ROJA 70 - 100: revisión crítica.

2. Reglas principales del Score

+15: participación extrema o concentración extrema del ganador.
+10: nulos extremos, blancos+nulos extremos, ganador ≥ 90% o muy pocos partidos con votos.
+7: participación alta/baja o concentración alta del ganador.
+5: nulos altos, blancos+nulos altos o pocos partidos con votos.
+variable: diferencia geográfica frente al promedio simple del mismo Departamento / Provincia / Distrito.

3. Lectura correcta del Score

El Score es un índice de revisión prioritaria. No concluye fraude por sí solo. Una mesa con score alto debe revisarse contra actas, digitación, trazabilidad, padrón y contexto local.

4. Control de falsos positivos

Una mesa pequeña puede producir porcentajes extremos sin ser irregular. La interpretación debe considerar electores, votos válidos, tamaño de mesa, cantidad de partidos con votos, blancos/nulos, entorno geográfico y evidencia externa.

5. Columnas clave

TOTAL VOTOS VALIDOS: suma de votos de organizaciones políticas.
TOTAL VOTOS EMITIDOS: válidos + blancos + nulos.
AUSENTISMO MESA: electores de mesa - votos emitidos.
SCORE_REVISION: índice de revisión prioritaria.
NIVEL_REVISION: BAJA, AMARILLA, ÁMBAR o ROJA.
MOTIVO_ALERTA: reglas activadas por la mesa.

6. Limitación actual

El archivo fuente trabajado contiene solo mesas 900K. Por tanto, este dashboard permite análisis interno de mesas 900K, pero no una comparación concluyente 900K vs no 900K. Para eso se requiere una base comparable de mesas no 900K.

7. Cierre metodológico del proyecto

El flujo aplicado fue: revisión de estructura, separación de fila total, validación de tipos y cuadre, identificación de partidos, creación de métricas electorales, cálculo de ganador/margen/concentración, score de revisión, evidencia explicable, referencia geográfica verificable y dashboard ejecutivo.