¿La mejor métrica para comparar los tiempos de cola de las encuestas?

Respuesta: una buena medida (métrica) para esto tendrá que ser estadística, pero las estadísticas simples como "tiempo de espera promedio" resultan engañosas en lugar de significativas. Una mejor métrica podría ser el porcentaje de votantes que tienen que esperar más tiempo que el tiempo de espera "objetivo" especificado. La medida se puede considerar como una tasa de aprobación/falla frente a un estándar de calidad de servicio (QOS) . .

Planificación de recursos para la mejora de la calidad

No conozco ninguna forma de estimar un "costo de tiempo" para los votantes, pero elegir un tiempo de espera objetivo conduce a una herramienta de planificación y métrica más procesable. El estándar QOS reemplaza el "costo" en efecto. Un ejemplo de un estándar QOS podría ser que al menos el 80% de los votantes cada hora esperen menos de 5 minutos, incluso durante las horas pico de votación.

Esta elección está motivada por el hecho de que puede ser posible estimar la probabilidad de esperar más tiempo que la cantidad de tiempo objetivo, debido a un modelo de sistemas de colas en telecomunicaciones usando matemáticas elaborado por primera vez por Agner Krarup Erlang . Las matemáticas para predecir esto son probabilísticas, no lineales y, francamente, un poco por encima de mi cabeza, si te gustan más las matemáticas, consulta este artículo con fórmulas y definiciones. Para los no matemáticos, hay calculadoras de estimación fáciles de usar que están disponibles de forma gratuita en línea. Lo ilustraré usando una calculadora disponible en https://planetcalc.com/3151/ ; a continuación se muestra un ejemplo y una captura de pantalla.

Para simplificar, supongamos que el único cuello de botella en la votación es el número de cabinas de votación disponibles. (Esto ignora otras posibles fuentes de demora, como la cantidad de trabajadores electorales necesarios para registrar a los votantes y emitir boletas; pero se pueden generar modelos de servicio similares para cada tipo de recurso utilizado en un proceso).

Digamos que en un colegio electoral en particular la tasa de llegada de votantes en la hora pico es de 60/hora, y que en promedio se tarda 5 minutos (300 s) en una cabina. Dadas estas estimaciones, podríamos querer calcular: ¿Cuántas cabinas de votación necesitaría para cumplir con las expectativas?

La matemática de calcular la respuesta no es sencilla porque la mayoría de los votantes usan la cabina durante menos de 5 minutos; solo unos pocos pasan, pero esos pocos superan los cinco minutos. Además, la hora de llegada de los votantes no estará espaciada uniformemente. Ambos suelen modelarse como distribuciones de probabilidad.

Pero para la respuesta, necesitamos especificar una meta de calidad de servicio, por ejemplo, que el 80% de los votantes no esperen más de 5 minutos (300 s). Al ingresar los cuatro números en la calculadora Erlang-C , podemos estimar la cantidad mínima de cabinas de votación necesarias en ese centro de votación es 7 . Vea abajo:

Es probable que cualquier menor cantidad de cabinas de votación resulte en retrasos de votantes que se salgan de control durante las horas pico, como en el ejemplo de Georgia. El resultado de este ejemplo simplificado matemático es que, dentro de los límites, la calidad del servicio se puede mejorar aumentando la cantidad de recursos (como las cabinas de votación), por ejemplo, para mejorar y lograr tiempos de espera del 95 % a 5 minutos, se requiere un mínimo de 8 cabinas de votación. necesario.

Como cualquier ecuación probabilística, se hacen algunas suposiciones acerca de las distribuciones. Para Erlang-C aplicado a la votación, uno de estos supuestos es que los votantes llegan independientemente unos de otros. Si, en cambio, los votantes llegan en autobuses cada hora, la suposición se rompe. Por esa razón, las cifras que produce la calculadora son números mínimos , pero como una métrica de resultados (en lugar de una herramienta de planificación), el porcentaje de votantes que necesitan esperar más de 5 minutos podría ser bueno.

Lo que propone parece bastante poco práctico para medir a escala, es decir, entrevistar a los votantes sobre el valor que tienen por el tiempo invertido. No conozco ningún estudio así. Encontré estimaciones aproximadas de los costos económicos, que simplemente multiplican el salario promedio con el tiempo de espera, por ejemplo :

No conocemos ningún análisis publicado que intente asignar un valor económico al tiempo que los estadounidenses pasan esperando para votar. Una forma sencilla de producir una estimación aproximada es multiplicar el número total de horas de espera en la fila por las ganancias promedio por hora. Con base en un tiempo de espera promedio en 2012 de 13,1 minutos como se informa a continuación y una estimación de que 105,2 millones de personas votaron en persona en 2012 (ya sea el día de las elecciones o en la votación anticipada), calculamos que los votantes pasaron un total de 23,0 millones de horas esperando votar en 2012. Según la Oficina de Estadísticas Laborales de EE. UU., el salario medio por hora era de 23,67 dólares en noviembre de 2012. Al multiplicar el número de horas de espera para votar por el salario medio por hora, se obtiene una estimación del coste económico de 544,4 millones de dólares.

No tenemos opinión sobre si esta cantidad es "demasiado alta", "demasiado baja" o "adecuada". Sin embargo, es de una magnitud similar a las estimaciones previas sobre los costos anuales de administrar las elecciones en los EE. UU. Por ejemplo, en 2001 el Proyecto de Tecnología de Votación de Caltech/MIT estimó que los gobiernos locales gastaron alrededor de mil millones de dólares en la realización y administración de elecciones en 2000. Si Si se combinan los costos estimados asumidos por los gobiernos locales que realizan elecciones con el costo económico de esperar en la fila, una fracción significativa del costo económico de realizar una elección presidencial es el tiempo que los votantes pasan esperando en la fila.