Trabajo Intención Voto mediante el Uso de Weka como Herramienta

Fecha de elaboracin: ____Noviembre 2013____

UNIVERSIDAD CENTRAL DEL ECUADOR

FACULTAD DE INGENIERA CIENCIAS FSICAS Y MATEMTICAS ESCUELA DE CIENCIAS

Elaborado por:

Andrea Freire

Susana Daz

Fernanda Herrera

ANLISIS DE INTENCIN DE VOTO MEDIANTE HERRAMIENTAS DE MINERA

DE DATOS




Tabla de Contenido

RESUMEN .............................................................................................................................................. 2

INTRODUCCIN ..................................................................................................................................... 2

1. DESARROLLO ................................................................................................................................. 2

1.1 RECOPILACIN ................................................................................................................................ 2

1.2 SELECCIN DE LOS DATOS ................................................................................................................. 3

1.2.1 Tamao de la muestra ........................................................................................................... 3

1.3 PRE-PROCESAMIENTO ...................................................................................................................... 6

1.4 MINERA DE DATOS ......................................................................................................................... 9

1.5 INTERPRETACIN Y EVALUACIONES ................................................................................................... 18




Tabla de Grficas

Grfica 1 Proceso de Minera de Datos ......................................................................................... 2

Grfica 2 Poblacin Total y Electoral ............................................................................................. 3

Grfica 3 Distribucin Poltica Espaa ........................................................................................... 4

Grfica 4 Localidad Andaluca Espaa ........................................................................................ 4

Grfica 5 Distribucin Poblacional Seleccionada .......................................................................... 5

Grfica 6 Identificacin de la Poblacin ........................................................................................ 5

Grfica 7 Tamao de la muestra ................................................................................................... 6

Grfica 8 Municipios Representativos .......................................................................................... 7

Grfica 9 Agrupamiento de los municipios ms representativos ................................................. 7

Grfica 10 Centroides de los datos elegidos ................................................................................. 9

Grfica 11 Vecinos ms cercanos .................................................................................................. 9

Grfica 12 Distribucin Cuartiles Total de Votantes ................................................................... 10

Grfica 13 Distribucin de Cuartiles Total Censo Electoral ......................................................... 10

Grfica 14 Distribucin Cuartiles Total Votantes ........................................................................ 11

Grfica 15 Distribucin Cuartiles Total Votantes ........................................................................ 11

Grfica 16 Distribucin atributos Generados .............................................................................. 13

Grfica 17 Distribucin EM.......................................................................................................... 15

Grfica 18 Distribucin Cobweb .................................................................................................. 17

Grfica 19 Distribucin nodos ..................................................................................................... 17




RESUMEN

La presente monografa muestra un anlisis de intencin del voto;

determinando los parmetros en los que se basan utilizando

herramientas y tcnicas de minera de datos para la toma de

decisiones, determinar cul es el modelo ms ptimo y llegar a

conclusiones que nos permitan optimizar recursos. Se tomarn un

conjunto de datos de los municipios con mayor nmero de votantes

dentro de la comunidad de Espaa; los mismos sern evaluados por

tcnicas no supervisadas (EM, K-Medias, COBWEB). Mediante Weka

que es un programa de cdigo abierto y que nos brinda algoritmos de

aprendizaje tiles para la minera de datos.




INTRODUCCIN

El presente documento muestra un anlisis para la intencin del voto; con lo cual, se dispone

de datos reales tomados de Internet de las elecciones para el Congreso de Noviembre del 2011

del Gobierno de Espaa.

Se tomarn los datos ms representativos que determinen la intencin del voto para los

distintos partidos y para cada uno de los municipios de las diferentes comunidades de Espaa;

partiendo de la poblacin electoral y utilizando algoritmos de procesamiento de datos. No

existe una metodologa para saber cules son las dimensiones para predecir o determinar lo

resultados de una eleccin; pero si se puede establecer niveles de comportamiento a partir de

un conjunto de datos.

La evaluacin de los mismos se realizar con WEKA, es una herramienta que permite la

experimentacin de anlisis de datos mediante anlisis y evaluacin de las tcnicas ms

relevantes de anlisis de datos, principalmente provenientes del aprendizaje automtico sobre

cualquier conjunto de datos del usuario. 1

Los datos que se han obtenido son de las elecciones para el Congreso de Noviembre del 2011

para las diferentes comunidades de Espaa; se tomar como referencia para el anlisis las

poblaciones cuyo nmero de votantes sea representativo y de esta manera saber cun

determinante es el nmero de poblacin para estimar la intencin de voto.

1 Anlisis de datos en WEKA Pruebas de selectividad. GARCA JIMNEZ, Mara Gabriela, Universidad

Carlos III




1. DESARROLLO

El estudio que se presenta a continuacin, se realiza a partir de datos histricos para estimar o

predecir los resultados de una eleccin. Una metodologa como tal no existe para determinar

la intencin de voto; se realiza encuestas antes o durante las elecciones para establecer que

candidatos tienden a obtener el mayor nmero de votos.

El proceso a seguir para el anlisis de los datos obtenidos es el siguiente:

Grfica 1 Proceso de Minera de Datos

1.1 Recopilacin

Partimos de la base de datos de las elecciones para Congreso de Espaa de Noviembre del

2011. A travs de una base de datos obtenido en formato de Excel con extensin (.xls),

organizados y estructurados de acuerdo a la distribucin poltica de Espaa, estos datos son los

siguientes:

Comunidad

Cdigo de provincia

Nombre de provincia

Cdigo de municipio

Nombre de municipio

Poblacin

Nmero de mesas

Total censo electoral

Total votantes

Votos vlidos

Votos a candidaturas

Votos en blanco

Votos nulos

Partidos polticos

Partido popular

Partido socialista obrero espaol

Izquierda unida

Unin progreso y democracia

Otros

Recopilacin Seleccin de Datos Preprocesamiento Minera de DatosInterpretacin y

Evaluacin

1.2 Seleccin de los Datos

1.2.1 Tamao de la muestra

El total de la poblacin en Espaa para Noviembre del 2011 es de 47.021.031 ciudadanos,

quienes estn aptos para ejercer el voto 34.296.705 ciudadanos.

Existen en total 8115 registros de todos los municipios de este pas, por lo que tomamos

tamao de la muestra la comunidad de Andaluca que abarca las provincias de: Almera, Cdiz,

Crdoba, Granada, Jan, Huelva, Mlaga y Sevilla y de estas provincia

mayor nmero de electores que pueden ser determinantes a la hora de definir el o los partidos

ganadores.

Total censo electoral;

34.296.705

POBLACIN TOTAL Y ELECTORAL

Fecha de elaboracin: ____Noviembre


FACULTAD DE INGENIERA CIENCIAS FSICAS Y MATEMTICASESCUELA DE CIENCIAS

de los Datos

Tamao de la muestra


quienes estn aptos para ejercer el voto 34.296.705 ciudadanos.

Grfica 2 Poblacin Total y Electoral

Existen en total 8115 registros de todos los municipios de este pas, por lo que tomamos


Crdoba, Granada, Jan, Huelva, Mlaga y Sevilla y de estas provincias los


Poblacin; 47.021.031

POBLACIN TOTAL Y ELECTORAL

Noviembre 2013____

INGENIERA CIENCIAS FSICAS Y MATEMTICAS


Existen en total 8115 registros de todos los municipios de este pas, por lo que tomamos como


s los municipios con


Poblacin; 47.021.031




Grfica 3 Distribucin Poltica Espaa

Grfica 4 Localidad Andaluca Espaa

Noviembre 2013____


Grfica

0200000

400000

600000800000

1000000

1200000

1400000




Grfica 5 Distribucin Poblacional Seleccionada

Grfica 6 Identificacin de la Poblacin

Poblacin

Noviembre 2013____


De esta manera queda considerablemente reducida la base de datos y el anlisis que se realice

a esta comunidad servir de base para las dems comunidades.

De igual manera existen numerosos partidos polticos de los cuales solo se destacan pocos que

consideramos los ms representativos del pas

1.3 Pre-procesamiento

Una vez recolectada la informacin necesaria sobre la cual se va a realizar el anlisis

codificamos el archivo en formato

especifican los valores posibles

El fichero de datos contiene 93 registros de los municipios con mayor nmero de votantes,

adems de los votos vlidos, blancos, nulos total de electores y las votaciones para cada

partido poltico ms representativos dentro d

[NOMBRE DE

CATEGORA]Total Censo

electoral;

TAMAO DE LA MUESTRA




Grfica 7 Tamao de la muestra

queda considerablemente reducida la base de datos y el anlisis que se realice

a esta comunidad servir de base para las dems comunidades.


epresentativos del pas.

procesamiento

recolectada la informacin necesaria sobre la cual se va a realizar el anlisis

codificamos el archivo en formato .arff de tipo real o entero y simblico, en cuyo caso se

especifican los valores posibles que puede tomar entre llaves.



partido poltico ms representativos dentro de la localidad de Andaluca.

Poblacin; 5.498.812

[NOMBRE

CATEGORA

electoral;

TAMAO DE LA MUESTRA

Noviembre 2013____


queda considerablemente reducida la base de datos y el anlisis que se realice


recolectada la informacin necesaria sobre la cual se va a realizar el anlisis,

arff de tipo real o entero y simblico, en cuyo caso se



Cabe recalcar que el hecho de que, de la Provincia de Granada se escojan 20 Municipios no

quiere decir que tiene un nmero de poblacin importante, puesto que se

de los municipios ms representativos de la comunidad de Andaluca.

Mediante la siguiente grfica mostraremos donde se encuentra la mayor distribucin de

poblacin:

Grfica 9

AndalucaComunidad

Provincias




Grfica 8 Municipios Representativos

el hecho de que, de la Provincia de Granada se escojan 20 Municipios no

quiere decir que tiene un nmero de poblacin importante, puesto que se ha tomado el 60%

de los municipios ms representativos de la comunidad de Andaluca.


Agrupamiento de los municipios ms representativos

Andaluca

Almera12

Municipios

Cdiz 5 Municipios

Crdoba 9 Municipios

Granada20

Municipios

Huelva 9 Municipios

Jan12

Municpios

Mlaga12

Municipios

Sevilla12

Municipios

Provincias

Noviembre 2013____


el hecho de que, de la Provincia de Granada se escojan 20 Municipios no

ha tomado el 60%





Existen grupos de ciudades que no se encuentran dentro del rango donde estn la mayora de

ciudades y esto puede influir en el resultado del anlisis.

Procedemos a filtrar los datos que no vamos a utilizar tal como es el nmero de mesas, que

para nuestro anlisis no ser necesario este campo.

Debido a que vamos a trabajar con datos numricos debemos discretizar los datos de tal

manera que los atributos numricos seleccionados se transformen en atributos simblicos,

para optimizar el nmero de cajas y que tenga la misma amplitud con un criterio de

clasificacin de mnimo error en funcin de las etiquetas. Se dividirn en 4 intervalos de la

misma frecuencia y esto nos permitir determinar los cuatro cuartiles de la clasificacin de la

poblacin.

1.4 Minera de Datos

Una vez distribuidos los datos como se muestra en la figura procedemos a realizar la minera

de datos en la que se emplearn diferentes tcnicas para la toma de decisiones sobre la

intencin de voto.

De esta manera tenemos los datos






De esta manera tenemos los datos agrupados para nuestro anlisis:

Grfica 10 Centroides de los datos elegidos

Grfica 11 Vecinos ms cercanos

Noviembre 2013____




Puede verse una marcada diferencia entre el primer cuartil y el cuarto cuartil, ya que

poblaciones que son importantes para determinar la intencin de voto son las del primer

cuartil que son 86 poblaciones donde se debe empezar a realizar encuestas o sondeos que en

acontecimientos futuros pueden impactar en los resultados.

Grfica

Realizando una evaluacin entre el total de votantes y el total del censo electoral se determina

que el porcentaje de ausentismo es m

Grfica




Puede verse una marcada diferencia entre el primer cuartil y el cuarto cuartil, ya que



acontecimientos futuros pueden impactar en los resultados.

Grfica 12 Distribucin Cuartiles Total de Votantes


que el porcentaje de ausentismo es mnimo.

Grfica 13 Distribucin de Cuartiles Total Censo Electoral

Noviembre 2013____


Puede verse una marcada diferencia entre el primer cuartil y el cuarto cuartil, ya que las




Grfica

Grfica

Agruparemos las poblaciones con similar nmero de habit

los siguientes:




Grfica 14 Distribucin Cuartiles Total Votantes

Grfica 15 Distribucin Cuartiles Total Votantes

Agruparemos las poblaciones con similar nmero de habitantes en 5 clusters lo resultados son

Noviembre 2013____


clusters lo resultados son

Nos muestra los municipios que ms destacan y el rango de votantes, la cantidad de ciudades

que agrupan, podemos decir que el

existe la informacin ms destacada para el total de votantes ms

Es de inters analizar grficamente como se distribuyen los diferentes valores de los atributos

en los grupos generados.





que agrupan, podemos decir que el clster 0 es el que ms ciudades ha agrupado y de dnde

cin ms destacada para el total de votantes ms representativos


Noviembre 2013____



0 es el que ms ciudades ha agrupado y de dnde

representativos.


Si tomamos un nmero mayor de

considerablemente:

Este algoritmo precisa nicamente el nmero de categoras similares en las que queremos

dividir el conjunto de datos.

Podemos hacer la una agrupacin entre el nmero de votantes y la distribucin de votos para

cada uno de los partidos ms representativos.

Probamos ahora con el algoritmo EM que proviene de la estadstica y es ms elaborado que el

de K-medias, este algoritmo es m

variabilidad estadstica de modelo conocido.

EM permite buscar el nmero de grupos ms apropiado y esto se interpreta como dej

parmetro del nmero de clsteres

Filtramos las instancias al 3% y obtenemos el siguiente resultado indicando los centroides de

cada grupo:




Grfica 16 Distribucin atributos Generados

Si tomamos un nmero mayor de clsteres el error cuadrtico medio disminuye


hacer la una agrupacin entre el nmero de votantes y la distribucin de votos para

cada uno de los partidos ms representativos.


medias, este algoritmo es ms apropiado cuando sabemos que los datos tienen una

variabilidad estadstica de modelo conocido.

EM permite buscar el nmero de grupos ms apropiado y esto se interpreta como dej

clsteres como un valor a optimizar por el propio algoritmo.


Noviembre 2013____


el error cuadrtico medio disminuye


hacer la una agrupacin entre el nmero de votantes y la distribucin de votos para


s apropiado cuando sabemos que los datos tienen una

EM permite buscar el nmero de grupos ms apropiado y esto se interpreta como dejar el

o algoritmo.


Agrupando las instancias Provincia, total censo electoral y total votantes tenemos el siguiente

resultado:





Noviembre 2013____



Para el segundo algoritmo de agrupamiento por criterios estadsticos y no de distancias entre

vectores de atributos, predomina el municipio de Sevilla como factor determinante en la

decisin de voto.

Otro algoritmo de agrupami

ventaja de efectuar un anlisis cualitativo que construye categoras jerrquicas para organizar




Grfica 17 Distribucin EM



Otro algoritmo de agrupamiento es el agrupamiento simblico o cobweb en weka, tiene la


Noviembre 2013____




ento es el agrupamiento simblico o cobweb en weka, tiene la


los datos, permite homogeneidad de los valores de los atributos dentro de cada una y al

mismo tiempo una separacin entre categoras dadas por los atributos.

Aplicando cobweb con los parmetros por defecto sobre la muestra tenemos el

resultado:





o una separacin entre categoras dadas por los atributos.

Aplicando cobweb con los parmetros por defecto sobre la muestra tenemos el

Noviembre 2013____



Aplicando cobweb con los parmetros por defecto sobre la muestra tenemos el siguiente

Hay 2 grupos en un primer nivel

subdividindose en 2 y 3 niveles respectivamente:




Grfica 18 Distribucin Cobweb

Hay 2 grupos en un primer nivel (nodos) y el segundo nodo se divide en 3 niveles, y estos

subdividindose en 2 y 3 niveles respectivamente:

Grfica 19 Distribucin nodos

Noviembre 2013____


(nodos) y el segundo nodo se divide en 3 niveles, y estos




Cada uno de los nodos representa una clase de objeto, esta se basa en medir en cul se tiene

la mayor ganancia en cada categora.

Dependiendo del nmero de instancias y si estas son numricas o simblicas se tomar el

mejor algoritmo de agrupacin par la toma de decisiones.

En este caso el algoritmo EM (expectation maximization) es el mejor algoritmo para determinar el resultado de intencin de voto, puesto que la mayora de los datos son numricos y calcula las probabilidades de que cada objeto analizado pertenezca a un clster y usa esas probabilidades para re-estimar los parmetros de las probabilidades hasta converger.

1.5 Interpretacin y Evaluaciones

1. Hay un cambio importante en el comportamiento de la intencin de voto ya que en el

bipartidismo o hacia la abstencin se juega un papel importante en las alternativas

polticas. Este cambio va asociado a un cambio de la abstencin y el voto en blanco

que no depende tanto de la relacin de las variables sino que proviene de otros

organismos.

2. De acuerdo con la investigacin se dice que poco a poco, y de la forma ms visible que

se ha podido sealar mediante datos y grficos estadsticos, los movimientos sociales

van teniendo un impacto en la vida poltica a base de acumular sus ideas en las

personas, de ejercer presin sobre los votantes y con ciudades en donde exista mayor

concentracin de personas.

3. La intencin del voto se caracteriza por una concentracin en los partidos polticos que

mayor acogida tienen, es decir, tanto para la competencia como de la abstencin y el

voto en blanco (y de los indecisos).

4. Con la intencin del voto lo que se pretende hacer es que la intervencin de los

ciudadanos sea muy importante ya que quienes hayan participado en ello conocen el

mecanismo democrtico y tienen percepciones o un mayor conocimiento o una mayor

confianza en lo que sera la gestin municipal de sus candidatos.

5. Con esta herramienta se logra una muy buena solucin sobre las diferentes situaciones

presentadas en la realidad que en este caso se trat el anlisis acerca de la intencin

de voto y que luego de haber obtenido un respectivo resultado se puede tomar

decisiones para el mejoramiento en cuanto al tema se refiere.

6. Con el anlisis realizado podemos concluir que los Municipios Crdova, Sevilla, Mlaga

y Jan son los sitios en donde se congregan la mayor cantidad de votos, por lo cual es

donde los partidos polticos deberan centrar sus campaas y as obtener ms votos.

Trabajo Intención Voto mediante el Uso de Weka como Herramienta

Documents

Transcript of Trabajo Intención Voto mediante el Uso de Weka como Herramienta