Andrés Felipe Arias*
Polymarket ya la descartó. El CEO de Atlas Intel dijo «no va a pasar». Un Montecarlo de 10.000 simulaciones dice que el milagro todavía tiene probabilidad muy positiva.
Las 6 firmas inscritas ante el Consejo Nacional Electoral que están publicando con metodología auditable en la recta final divergen mucho más de lo que la gente cree.
Cuatro firmas —Invamer, Guarumo y Ecoanalítica, CNC con Cambio, y Atlas Intel— ubican a Paloma Valencia en tercera posición, en un rango que va del 12.6% al 21.7%. Dos firmas —Génesis Crea (que mide con la muestra más amplia, 4.352 entrevistas en 134 municipios) y Tempo— la ubican en segunda posición, con 27.9% y 27.1% respectivamente, por encima de Abelardo de la Espriella. Iván Cepeda lidera consistentemente la primera vuelta en las 6 firmas, con un rango que va del 33.4% al 44.6%.
Los promedios interfirma dejan a Cepeda en 37.72%, a De la Espriella en 28.82% y a Paloma en 19.60%. La desviación estándar de Paloma entre las 6 firmas es de 6.90 puntos —la más alta de los 3, y más del doble del margen de error promedio reportado por cada encuesta-. Eso significa una cosa: las encuestas no saben dónde está Paloma. Y donde hay tanta dispersión probabilística, hay espacio para un milagro.
Nota Metodológica: GAD3 — la firma encuestadora de RCN Televisión — se excluye del análisis por dos razones: suspendió sus publicaciones electorales en Colombia y su última medición es del 20-22 de abril, más de un mes antes del cierre. Incluirla mezclaría datos viejos con datos frescos. Por su parte, CELAG y Datexco no tienen mediciones específicas en este periodo y también quedan por fuera de este ejercicio.
Qué es un Montecarlo y cómo funciona el del Milagro
Un Montecarlo es una técnica que se inventó en los años 40 para resolver problemas físicos donde el cálculo directo era imposible: cuando hay demasiada incertidumbre como para resolver el problema con una sola fórmula, se simula el mismo escenario miles de veces, cada vez con valores ligeramente distintos sacados de las distribuciones de probabilidad de cada variable, y se observa qué pasa en promedio.
Ejemplo: ¿pierdo el vuelo a Cartagena?
Supongamos que cada viernes hay un vuelo a Cartagena a las 5:00 pm y el cierre de embarque es a las 4:35. ¿Salgo de la casa a las 2:30 o a las 3:00?
La respuesta depende de variables que cambian cada día. El tráfico hasta el aeropuerto (¿35 minutos o 70?), la cola de check-in (¿15 minutos o 40?), la cola de seguridad (¿5 minutos o 15?), los imprevistos del camino.
Antes de salir hacia el aeropuerto, cada variable tiene un rango razonable, no un valor exacto. Si sumo todos los tiempos en el escenario más favorable, llego sobrado. Si sumo en el más desfavorable, pierdo el vuelo.
Un cálculo directo es inútil — no puedo predecir el tráfico del viernes específico. Pero sí puedo simular el viaje 10.000 veces. En cada simulación saco un valor aleatorio para el tráfico (entre 35 y 70 minutos), otro para el check-in, otro para la seguridad, y los sumo. Si la suma supera el cierre de embarque, esa simulación cuenta como vuelo perdido. Si no, llego a tiempo.
Al terminar las 10.000 simulaciones, cuento en cuántas perdí el vuelo saliendo a las 3:00pm (i.e. suma de tiempos > 95 minutos). Si fueron 1.200, la probabilidad de perder saliendo a las 3:00 es del 12%. Saliendo a las 2:30, probablemente cae al 2%. La pregunta de cuándo salir se convierte en una pregunta de cuánto riesgo estoy dispuesto a aceptar — y queda traducida en una cifra concreta en lugar de en una corazonada.
Cómo se aplica al Milagro
El Montecarlo del Milagro funciona igual, con votos en lugar de tiempos de tráfico. Las 6 encuestas dan el rango en el que cada candidato podría estar el domingo, pero no el valor exacto. El modelo extrae miles de combinaciones posibles e introduce 3 fuentes de incertidumbre que se combinan en cada iteración. La fracción de simulaciones en las que Paloma termina por encima de De la Espriella es la probabilidad del milagro.
Veamos ahora cada una de las 3 fuentes de aleatoriedad para el ejercicio.
-Distribución base de cada candidato
El modelo no asume que las encuestas tengan razón ni que Génesis Crea y Tempo sean outliers de buena fe. Calibra una distribución Beta para cada candidato con la media y la dispersión interfirma observadas en las 6 firmas. Para Paloma, eso quiere decir que el modelo extrae números entre 8% y 33% (± 2 veces su desviación estándar), con más densidad alrededor del 19.6% (su media). Asímismo con los otros dos candidatos.
-Maquinaria política
Mira firmó adhesión el 19 de mayo. El Partido Conservador, La U y el Liberal se sumaron formalmente, con el Liberal incluso firmando acuerdo programático en defensa de la Constitución del 91. Cambio Radical optó por libertad parcial pero con militantes individuales — Wilmer Carrillo en Santander es el caso más visible. Sobre el techo teórico de movilización conjunta de esos partidos, el modelo recorre un rango que va del 0% al 10% del padrón. Y le aplica un coeficiente de eficiencia uniforme entre 0.3 y 0.7 — porque entre el endoso formal y el voto efectivo siempre hay pérdida.
-Timidez declaratoria
Las encuestas en Colombia tienen historial de subestimar candidatos cuya identificación pública tiene costo social en ciertos segmentos urbanos. Rodolfo Hernández salió segundo en 2022 con 28.15% después de promediar 16% en las firmas hasta una semana antes. El modelo permite un desplazamiento por subestimación de Paloma entre 0 y 5 puntos, aplicado en paralelo a la incertidumbre interfirma.
-Resultados en mapas de calor
Como se indicó, el Montecarlo tiene 3 parámetros principales: el techo de movilización por maquinarias, la eficiencia de esa movilización, y la subestimación de Paloma en las encuestas. Cada mapa de calor a continuación cruza dos de los tres parámetros y deja el tercero fijo en un valor central. Los 3 mapas juntos cubren las 3 combinaciones posibles y permiten ver qué parámetro pesa más en el resultado.
Mapa A — Maquinaria × Subestimación
Con la eficiencia de movilización fija en 0.5 (escenario medio), la esquina superior izquierda — encuestas tienen razón y maquinarias no rinden — deja la probabilidad del milagro en 16%.
La esquina inferior derecha — encuestas subestimaron a Paloma en 5 puntos y maquinarias rinden al 10% del padrón (con eficiencia de movilización media) — la sube a 42%.
La banda diagonal central, entre 24% y 32%, es el escenario más realista: maquinarias moviendo entre 4% y 6% del padrón, con una subestimación de 2 o 3 puntos.
Mapa B — Maquinaria × Eficiencia
Con la subestimación fija en 0 (encuestas perfectas), el mapa muestra algo interesante: cuando la eficiencia es baja (0.1), el techo de maquinaria casi no mueve la probabilidad — se queda entre 15% y 17%, sin importar cuánto sea el techo. Cuando la eficiencia es alta (0.9) y el techo también (10%), la probabilidad llega a 30%.
En términos prácticos, lo anterior indica que un techo alto de movilización importa poco si la eficiencia de ejecución es baja. Los endosos partidarios que no se traducen en trabajo de territorio se quedan en puro gesto de tarima.
Mapa C — Subestimación × Eficiencia
Con el techo de maquinaria fijo en 5% (escenario medio), el mapa muestra el parámetro de mayor impacto del modelo: la subestimación de las encuestas.
Mover la subestimación de 0 a 5 puntos sube la probabilidad entre 16 y 18 puntos porcentuales, llevándola de entre 16% y 22% a entre 32% y 40%. Mover la eficiencia de 0.1 a 0.9, en cambio, solo sube la probabilidad entre 6 y 8 puntos a lo largo de la matriz. Lo que más cambia el resultado del domingo no es qué tan duro peguen las maquinarias, sino si las encuestas estaban midiendo bien.
Caveats técnicos
El Montecarlo del Milagro es un ejercicio de calibración, no un pronóstico.
Priors mandan. La distribución de cada candidato se construye con 6 puntos — 6 encuestas. La incertidumbre de esa calibración es altísima y, en estricto rigor estadístico, exigiría intervalos más amplios que los del modelo. 6 observaciones no son un universo.
Las maquinarias no son aditivas. El modelo asume que el techo de movilización conjunta de los 5 partidos endosantes se materializa con un coeficiente uniforme. La realidad es otra: los electores rurales de La U votan distinto a los del Liberal de Bogotá, y la dispersión geográfica de esos votos sobre el resultado nacional es no lineal. El parámetro de eficiencia es un proxy razonable, no una predicción afinada.
El modelo no captura ruido del último viernes y sábado. Un evento de seguridad, una revelación judicial o un blooper televisivo pueden mover varios puntos en 48 horas. El Montecarlo asume que las preferencias declaradas hasta el 21 de mayo son las que se votan el 31.
No hay forma de correr un Probit con la data disponible. Una regresión probit que prediga «el tercero pasa a segunda vuelta» en función de variables observadas exigiría una serie histórica de elecciones presidenciales con segunda vuelta. Desde 1994 hay 7 elecciones presidenciales colombianas con segunda vuelta, y el caso del «tercero que adelanta al segundo» ocurrió solo una vez — Rodolfo Hernández en 2022. Con N=7 elecciones y 1 caso positivo, no se puede estimar un modelo de regresión binaria con potencia estadística. El Montecarlo Bayesiano es la herramienta correcta cuando hay incertidumbre estructural y data limitada.
Lo que el modelo no decide
El Montecarlo del Milagro no le dice a nadie por quién votar. No predice resultados. No descarta la fuerza de De la Espriella ni le hace fuerza anticientífica a Paloma. Lo único que hace es traducir la dispersión real de las encuestas en una probabilidad tangible.
Ante esa traducción hay tres hechos del debate público que no se pueden desconocer.
-Polymarket predice 0%
Lo que sucede es que Polymarket Colombia es un mercado de muy bajo volumen. A diferencia de Estados Unidos, los contratos sobre la primera vuelta colombiana solo mueven decenas de miles de dólares.
La “sabiduría del crowd” funciona estadísticamente cuando hay capital significativo en juego, porque solo entonces existe el incentivo para corregir el precio cuando se desalinea de la información disponible.
Con volumen tan bajo, el mercado refleja la opinión de un puñado de especuladores y no la convergencia de un consenso informado.
-Atlas Intel dice “no va a pasar”
Eso lo declaró el CEO de la firma, Andrei Roman, en una entrevista pública. Esa frase, sin embargo, es opinión editorial del líder de la encuestadora — no se desprende de la incertidumbre real que entrega su propia medición.
Atlas Intel publica que Paloma tiene 14.3% con un margen de ±1.5%; ese intervalo, por sí solo, no permite descartarla categóricamente. La metodología de la firma, además, descansa en reclutamiento digital, sobreponderando votos urbanos jóvenes y conectados, y subrepresentando el voto rural, evangélico y de mayores que aún pesa en el comportamiento de los partidos tradicionales que están con Paloma.
-Tracking polls y mediciones de búsquedas
Cada elección reciente trae una nueva avalancha de comentaristas que citan tendencias de búsqueda, menciones en redes sociales o tracking polls informales como termómetro electoral. La cuestión es que esos números miden curiosidad, escándalo y controversia, mas no intención de voto.
Por ejemplo, Gustavo Petro lideró con holgura las búsquedas en Google durante la campaña de 2018 — concentró el 51% del interés total contra el 24% de Iván Duque, más del doble — y perdió la segunda vuelta de manera categórica.
Las menciones en redes son volumen, y las plataformas digitales sobredimensionan exactamente los perfiles que más se equivocan al estimar el agregado nacional.
El ejercicio combinado
Si se promedian las 96 celdas de los tres mapas de calor — la malla completa de combinaciones posibles entre maquinaria, eficiencia y subestimación — la probabilidad agregada de que Paloma supere a De la Espriella el domingo es de 24.6%. La mediana de la misma distribución es 23.3%. Una de cada cuatro celdas del ejercicio entrega el milagro.
Sí, es menor al 50%. Pero es probabilidad positiva. Léase bien: probabilidad positiva. Probabilidad que está claramente muy por encima del 0% que descuenta Polymarket y del cero implícito de Atlas Intel.
Faltan 3 días. La distribución probabilística no escribe sentencias antes de tiempo, y por ahora — fría, reproducible, auditable — mantiene a Paloma Valencia dentro de la competencia. Para sacarla del tablero hay que esperar al domingo en la noche.
Mayo 28 de 2026
