Legnaro - Metodi Quantitativi Analisi Politico-Elettorali Finale

METODI QUANTITATIVI
PER L’ANALISI DEI FENOMENI POLITICO-ELETTORALI
Danilo Legnaro
Impressioni Grafiche
INDICE
PREFAZIONE 3
INTRODUZIONE 7
1. IL CAMPIONAMENTO STATISTICO E LE SCOMMESSE
IN CAMPO ELETTORALE 9
1.1 I sondaggi 9
1.2 Tasso d’errore 9
1.3 Speranza matematica, gioco equo e scommesse elettorali 13
2. STABILITA’ DI UN SISTEMA POLITICO 22
2.1 Introduzione alla teoria dei giochi 22
2.2 Giochi cooperativi 25
2.3 Cenni sul calcolo combinatorio: le permutazioni semplici 29
2.4 Gli indici di potere e valori 29
2.5 Sistema elettorale maggioritario 37
2.6 Sistema elettorale proporzionale 43
2.7 Sistema elettorale misto 50
2.7.1 I sistemi maggioritari a membro misto in Italia 52
2.7.2 Il sistema misto tedesco 62
3. I FLUSSI ELETTORALI 64
3.1 Metodi di stima dei flussi elettorali 64
3.2 Il Modello Goodman 65
3.2.1 Regressione lineare multivariata 66
3.2.2 Caso semplice: bipartitismo (o bipolarismo) perfetto 71
3.2.3 Modello Goodman: casi reali 74
3.3 Condizioni per l’applicazione del modello 83
3.3.1 Criteri di selezione delle unità di analisi 87
3.3.2 Omogeneità dell’ambito 89
3.3.3 Metodi di correzione dei valori inaccettabili 91
3.4 Altre rappresentazioni grafiche 92
3.5 Altri metodi di analisi dei flussi 101
CONSIDERAZIONI FINALI 104
BIBLIOGRAFIA 105
2
3
PREFAZIONE
L’esercizio della democrazia attraverso l’espressione della volontà popolare, si

materializza nel voto, il quale a garanzia dello stesso, necessita di un monitorag-
gio nell’intensità e nel tempo.
Il Professor Danilo Legnaro ha effettuato, in questo contesto, un’analisi appro-

fondita in chiave attuale, corredando il dibattito e la valutazione dei sistemi elet-
torali, con tutti gli strumenti quantitativi, più’ intuibili ma anche complessi, che la
Matematica e la Statistica, con il Calcolo delle Probabilità’, ci mettono a disposi-
zione.
Ed è in questi approfondimenti che il lettore e può apprezzarne la solidità retro-

stante. Per lo studente di Scienze Politiche, questo lavoro offre lo spunto di com-
prendere nei particolari, come pure di svolgere un’analisi comparativa, delle sue
peculiarità, nonché’ di porsi il quesito, su quali sfide ci attendono nel prossimo
futuro.
Il primo capitolo ci pone di fronte alle sfide inerenti il campionamento statistico.

Le caratteristiche dello stesso convergono verso l’obiettivo di ridurne l’errore. La
Speranza Matematica costituisce lo strumento di definizione dell’equilibrio in que-
sto specifico ambito aleatorio.
Il secondo capitolo, trattando della stabilità di un sistema politico, ci ricorda l’ap-

plicabilità della Teoria dei Giochi, siano essi cooperativi o non cooperativi. Gli
indici di potere offrono una valutazione dell’incidenza relativa agli individui che vi
partecipano.
L’Autore valuta quindi il sistema maggioritario nel suo confronto con il sistema
proporzionale, mettendone in risalto la governabilità e, rispettivamente, la rappre-
sentatività’. Per il sistema misto, ci ricorda le diverse combinazioni, partendo dal
maggioritario rispettivamente dal proporzionale, con un approfondimento riguar-
dante l’Italia. L’analisi delle Elezioni Politiche del 1994 e del 2019 si sposta quindi
al sistema tedesco.
Il terzo capitolo, nell’analizzare i flussi elettorali, costituisce uno strumento effi-

cace per individuare i cambi di opinione, nel momento della scelta del voto. Le
modalità di raccolta dei dati(sondaggi all’uscita dei seggi rispettivamente analisi
sui dati elettorali)convergono verso il modello di Goodman, che utilizza le tabelle
di contingenza. La Regressione Lineare Multivariata(o Multipla), permette di te-
nere conto di più elementi(o variabili) a monte della variabile indipendente o out-
put. Nel caso in cui il modello lineare non fosse adeguato, il modello non lineare
offre un’alternativa, sempre in ambito multivariato.
In entrambi i casi (lineare-non lineare) si parla di Piano di Regressione. L’analisi

si sposta sul bipartitismo, che si basa sull’assenza di multicolinearità e sulla omo-
schedasticità delle celle che fanno parte del territorio.
4
I tassi di fedelta’ costituiscono l’obiettivo finale dei sistemi elettorali, e sono ga-
ranti della sua stabilita’,nonché’ del premio di fedelta’ che gli elettori attribuiscono
ad un determinato partito.
Il Modello di Goodman viene quindi illustrato nelle sue condizioni applicative.
1) Livello di aggregazione: su quali unità si rilevano i dati sul territorio. Vengono

applicati i criteri:
a) di omogeneità nel comportamento tra unità territoriali

b) di omogeneità nella composizione all’interno di una stessa unità
c) di eterogeneità nella composizione tra unità territoriali.
2) Il riferimento alla totalità dei votanti, cioè’ considerando le schede valide e le

schede non valide.
Per selezionare le unità di analisi, l’autore esplicita l’identità geografica e fisica

degli elettori, attraverso un ambito territoriale rappresentativo.
La necessità di variabili addizionali contribuisce ad una migliore esplicitazione del

modello. Esse possono essere indipendenti o dipendenti. La difficoltà nella loro
misurazione le classifica come ‘noise’,con riferimento al White Noise nel Metodo
Box-Jenkins.
In presenza di valori non accettabili per le stime dei parametri del Modello di Re-
gressione, l’algoritmo RAS fornisce una possibile soluzione, in alternativa alla
Regressione Condizionata.
Quali modelli alternativi, l’Autore ripercorre:
1) I diagrammi a barre, tecnica univariata,
2) Il Box Plot, tecnica univariata;
3) La Regressione bivariata (dell’ultimo risultato sul risultato precedente),il

che pone una problematica di tipo Bayesiano, nonché’ di possibile multi-
colinearita’.
Un metodo alternativo del Modello di Goodman si basa sulla probabilità di flusso,

nell’espressione di una componente casuale. Un futuro ambito di sviluppo po-
trebbe essere di individuare una o più tipologie di variabili aleatorie, che corri-
spondano al contesto elettorale reale, con la possibile aggiunta di un contesto
condizionato.
Sempre nell’ambito aleatorio, le Catene di Markov potrebbero offrire dei chiari-

menti sulla transizione da uno stato ad uno stato successivo, nel paragone tra
più elezioni.
5
Il Professor Danilo Legnaro conclude affermando che un modello senza errori
non esiste. Tuttavia una prospettiva di miglioramento dei punti deboli è ciò che al
momento può essere considerata la migliore alternativa.
Il merito di questo lavoro è e rimarrà di aver saputo portare all’attenzione del

pubblico, un argomento sostanzialmente complicato, rendendolo divulgativo at-
traverso un approccio molto chiaro e corredato da numerosi esempi.
Pietro Stanislao Parisi

Centro de Investigaciones en Econometría – CIE,
Universidad de Buenos Aires
6
INTRODUZIONE
Questo libro tratta alcuni temi legati a metodi e modelli quantitativi, per fornire al
lettore gli strumenti essenziali per capire e interpretare i dati rispetto ai fenomeni
politico-elettorale, di cui molto spesso si sente parlare o si legge sui giornali, ma
che, senza conoscenza alcuna, l’utente tende a prendere per buono o, il più delle
volte, a non capire di cosa si stia parlando.
Il testo è suddiviso in tre capitoli, che trattano altrettanti temi, che forniscono una
panoramica ampia, ma non certo esauriente, per l’analisi dei fenomeni politico-
elettorali.
Nel prima capitolo si tratta il tema del campionamento statistico e delle scom-
messe in campo elettorale. L'indagine, tramite sondaggio, è lo strumento stati-
stico mediante il quale si acquisiscono informazioni su uno o più fenomeni atti-
nenti ad una popolazione. Le scommesse, nello specifico quelle relativo all’am-
bito politico, sono fortemente connesse ai sondaggi perché è sulla base dei dati
preelettorali che le agenzie di scommesse determinano le quote.
Nel secondo capitolo, attraverso la Teoria dei Giochi e, nello specifico degli Indici
di potere, si tratta il tema della stabilità, o meno, di un sistema politico, facendo
un’analisi dei principali sistemi presenti in Italia e in Europa. Si cerca di capire se
una Legge elettorale garantisce la stabilità di governo, l’analizzeremo in senso
critico e cerchiamo di capire, attraverso i punti di forza e/o di debolezza, se quella
Legge va bene, è migliorabile o, in casi estremi da abrogare e riscrivere total-
mente.
Infine, nel terzo capitolo, si affronta il tema dell’analisi dei flussi elettorali cge
hanno assunto un ruolo di rilievo nell'interpretazione dei risultati e nel dibattito
politico che ne è seguito. Nello specifico, l’analisi sarà incentratata sul modello di
Goodman, che in gergo metodologico viene chiamata la tecnica statistica di stima
dei flussi di voto. Tale modello non ha mai ricevuto tanta attenzione presso l'opi-
nione pubblica in generale e, comunque, al di fuori di un ristretto gruppo di stu-
diosi. All’interno del capitolo, si farà infine un accenno anche ad altri modelli ma
solo marginalmente a causa dei complessi strumenti matematici che spesso ven-
gono utilizzati.
7
8
1. IL CAMPIONAMENTO STATISTICO E LE SCOMMESSE IN CAMPO
ELETTORALE
1.1 I sondaggi
I sondaggi in tempi di campagna elettorale sono divenuti sempre più importanti e

sempre più indefiniti. Dal punto di vista dell’uso, degli obiettivi, dei contesti in cui
vengono proposti e presentati. Anche perché le campagne elettorali, ormai, non
finiscono mai. Sono “permanenti”, finalizzati a costruire il consenso intorno alle
politiche e ai governi, oppure a contrastarlo.
Nella “democrazia del pubblico”, infatti, i sondaggi hanno sostituito le tradizionali
tecniche di rilevazione e di comunicazione della domanda sociale, fondate sulla
partecipazione e sull’organizzazione di partito. Sono divenuti, inoltre, strumenti di
“orientamento” del consenso. Comunque, di definizione dei “valori” di riferimento,
su cui fondare l’identità sociale del sistema. In altri termini: rilevando “l’agenda”
delle priorità dei cittadini, in effetti, si contribuisce a costruirla e ad imporla, all’opi-
nione pubblica e al sistema politico.
Per sondaggio s’intende un metodo statistico volto a valutare le proporzioni di
diverse caratteristiche di una popolazione a partire dallo studio di una parte di
essa (campione)
Per quanto riguarda l’analisi dei fenomeni politico-elettorali ci concentreremo su:
- sondaggio d’opinione: ha lo scopo di conoscere l’opinione di un gruppo
di persone relativo ad un dato argomento
- exit-poll: è il sondaggio d’opinione che si occupa di estrapolare i risultati
elettorali al termine delle stesse
- proiezione di voto (o elettorale): consiste nella previsione statistica dei
risultati complessivi di un'elezione a partire dai risultati ottenuti in un in-
sieme ridotto e definito a priori di seggi
A differenza dei sondaggi e degli exit poll, una proiezione elettorale si basa
su voti effettivamente dati dagli elettori.
Il tasso di errore delle previsioni decresce con l’aumentare del numero del
campione
9
I sondaggi di opinione sono un elemento essenziale della democrazia parte-
cipativa: dai sondaggi emergono lo stile di vita e i problemi della popolazione
Strumenti e modalità:
- Campione probabilistico, rappresentativo della popolazione di riferi-
mento
- Questionario
Analizziamo l’intero processo punto per punto. Partiamo dalla progettazione.

La progettazione del sondaggio si basa sui seguenti aspetti:
- definizione degli obiettivi (chi intervistiamo, per sapere che cosa, a quale
scopo)
- campionamento (quante persone, come devono essere scelte)
- rilevazione (metodo e mezzi/strumenti utilizzati)
- elaborazione e utilizzazione finale dei risultati (quali dati produrre, in
quale forma, presentazione documenti e interpretazione di essi)
In Italia, affinché sia un buon campione rappresentativo delle intenzioni di voto il

campione dev’essere di almeno 1000 soggetti a patto che in esso si trovino rap-
presentate:
- la diversità di genere
- le diverse fasce d'età
- la diversa appartenenza geografica
- la diversa appartenenza censuaria
- il diverso grado di istruzione
L'oggetto di un sondaggio d'opinione riguarda:

- le intenzioni di voto
- l'apprezzamento di singoli politici
- opinioni a proposito di tematiche d'attualità
Come strumento, nel caso di sondaggi elettorali, è preferibile utilizzare sondaggi

a risposta libera (quelli a risposta chiusa potrebbero influenzare le scelte degli
elettori)
10
1.2 Tasso d’errore
Un sondaggio fornisce un valore approssimato (stima) del valore vero, la serietà

di un sondaggio si può valutare dalla misura e dal controllo dell’errore
I due possibili tipi di errore sono:

- errore campionario: dovuto alla mancanza di precisione
- errore non campionario: dovuto alla mancanza di accuratezza
L’accuratezza è legata all’incidenza dell’errore e dev’essere perseguita durante

tutte le fasi dell’indagine. È difficile sia da controllare che da calcolare.
La precisione è intesa come la differenza tra la stima di un valore ottenuta
attraverso il campione (al netto dell’errore non campionario) e il dato reale di quel
valore nella popolazione.
L’errore non campionario si può manifestare in varie fasi del processo:

- in fase di progettazione (errore di specificazione, relativo alla
popolazione oggetto d’indagine)
- in fase di rilevazione dei dati (errore di misura, dovuto agli strumenti
d’indagine e/o risposte mancanti o parzialmente mancanti)
- in fase di elaborazione dei risultati (errori di calcolo, errori di
inserimento dei dati in un software informatico)
La principale distinzione tra i sondaggi è basata sul metodo di campionamento

utilizzato: probabilistico o non probabilistico. Un campione non probabilistico è
selezionato in maniera soggettiva sulla base dell’idea di rappresentatività che ha
il soggetto che effettua il sondaggio.
Nel campionamento probabilistico ogni unità della popolazione ha una probabilità
positiva di essere inclusa nel campione, in quanto le unità sono scelte a caso.
I risultati ottenuti con un campione probabilistico possono essere estesi all’intera
popolazione e l’errore di campionamento può essere calcolato.
Il campionamento casuale semplice corrisponde all’estrazione da un’urna: le
unita vengono scelte «a caso» dalla lista e ogni unità ha la stessa probabilità di
11
entrare a far parte del campione. Il caso è un concetto intuitivo strettamente
connesso all’idea di impossibilità di previsione.
L’errore di campionamento dipende da 3 fattori:

La dimensione del campione (più è grande il numero più è piccolo l’errore)
Il risultato (più si avvicina la 50%, più è grande l’errore)
Il livello di confidenza (più siamo esigenti, più è alto l’errore)
L’errore di campionamento viene calcolato come segue:

per un campione di dimensione n e un livello di confidenza pari al 95% (𝑧 = 1,96)
2
ed esito favorevole p possiamo usare questa formula:
1,96 · p · (1 – p)
E=
𝑛
Il valore 𝑧 = 1,96 non è un valore fisso, cambia se modifichiamo il livello di

2
confidenza di riferimento, ad esempio:

- se il livello di confidenza è del 99%, 𝑧 = 2,58
2
- se il livello di confidenza è del 90%, 𝑧 = 1,65

2
Esempio
Intervistiamo 1000 (n)
L’indagine riguarda la possibile affluenza alle urne
Quesito: Lei andrà a votare alle prossime elezioni politiche?
Risposte possibili: SI – NO
Rispondono favorevolmente (SI) il 67% degli intervistati
Livello di confidenza: 95%
p = 67, 1 – p = 33
1,96 · 67 · 33
E= = 4,33%
1000
12
L’errore di campionamento è ± 4,33%. Il risultato favorevole per l’intera
popolazione è tra 62,67% e 71,33% □
Tabella di confronto
Utilizzando gli stessi dati dell’esempio precedente (n = 1000, 𝑧 = 1,96)
2
p 1-p Errore
99 1 0,19
95 5 4,33
85 15 2,5
80 20 3,14
75 25 3,68
70 30 4,12
60 40 4,7
55 45 4,85
50 50 4,9
1.3 Speranza matematica, gioco equo e scommesse elettorali
Se la variabile X è un gioco con uscite casuali, nel quale le uscite identificano le

somme vinte e perse a seconda dell’uscita che si verifica e in cui le probabilità
sono esattamente le probabilità di vincere o perdere tali somme, il valore atteso
di X ha una grossa utilità poiché permette di valutare la convenienza del gioco
per un agente razionale.
Se in gioco si ha una probabilità P di vincere una somma S, si definisce quindi

valore atteso o speranza matematica, 𝐸[𝑋], il valore:
𝐸[𝑋] = 𝑆 · 𝑃
13
Esempio
Nel gioco dei dadi, rappresentando il risultato del tiro del dado con una variabile
casuale che possa assumere i valori {1,2,3,4,5,6}, ciascuno con probabilità 1/6,
intuitivamente, la media di questa variabile casuale sarà 3,5, dal momento che:
E[X] = 1·1/6+2·1/6+3·1/6+4·1/6+5·1/6+6·1/6 = 3,5 □
Osservazione. Se un gioco (o un evento in generale) è equiprobabile è possibile

calcolare la media facendo la semisomma tra il valore massimo e quello minimo:
E[X] = (6 + 1) / 2 = 3,5
.
Il valore atteso di X, in generale, è il giusto prezzo y d’ingresso ad un gioco il cui
premio sia un v.a. X:
y = E[X]
Esempio
Elezioni presidenziali negli Stati Uniti: si presentano 3 candidati. Noi non cono-
sciamo le quote dei 3 candidati e i sondaggi non danno esiti concordi, pertanto
consideriamo che “partano alla pari”. Alcuni amici si ritrovano e per gioco deci-
dono di scommettere sulla vincita di una dei tre, senza quote differenti.
Si vincono € 30 se vince le elezioni il candidato prescelto

Essendo la probabilità uguale a 1/3, il prezzo equo per partecipare al gioco è €
10:
Y = 30 · 1/3 = 10 □
In generale, se S1, S2, …, Sn sono delle somme positive o negative (guadagni o

perdite), si definisce speranza matematica il valore:
E(X) = ∑𝑖 𝑆i P(Ai)
dove 𝐴𝑖 è l’evento legato al gioco ed alla somma 𝑆𝑖
14
Esempio
In Regno Unito 3 amici (A, B e C) si ritrovano e decidono di scommettere sull’af-
fluenza alle prossime elezioni. Decidono di spendere tutti la stessa cifra (10 ster-
line), di scommettere su esiti diversi e, qualunque sia il risultato finale, di suddi-
vidersi il guadagno. Le quote, secondo il bookmaker, sono le seguenti:
Meno del 60%: 3 (puntata di A)

Dal 60% al 75%: 1,5 (puntata di B)
Oltre il 75%: 12 (puntata di C)
1^ ipotesi – Vince A
A incassa 30 sterline. Il guadagno per A è di 20 sterline.

Diviso 3 sono circa 6,67 (non ci guadagna nessuno)
2^ ipotesi – Vince B
B incassa 15 sterline. Il guadagno per B è di 5 sterline.

Diviso 3 sono circa 1,67 (non ci guadagna nessuno)
3^ ipotesi – Vince C
C incassa 120 sterline. Il guadagno per C è di 110 sterline.

Diviso 3 sono circa 36,67 (ci guadagnano tutti)
Cosa succede se rapportiamo le puntate alle quote? Procediamo

(A) 12/3 = 4 (B) 12/1,5 = 8
C (che ha la quota maggiore) non cambia la puntata
A punta 40 sterline (10 · 4)
B punta 80 sterline (10 · 8)
Come cambiano i guadagni nelle 3 ipotesi?
15
1^ ipotesi – Vince A
A incassa 120 sterline. Il guadagno per A è di 80 sterline.

Diviso 3 sono circa 26,67 (ci guadagna solo C)
2^ ipotesi – Vince B
B incassa 120 sterline. Il guadagno per B è di 40 sterline.

Diviso 3 sono circa 13,33 (ci guadagna solo C)
3^ ipotesi – Vince C
C incassa 120 sterline. Il guadagno per B è di 110 sterline.

Diviso 3 sono circa 36,67 (ci guadagna solo C) □
In generale, per un gioco X qualsiasi,

(a) il gioco è equo se il suo valore atteso E(X) è nullo (cioè E(X)=0);
(b) il gioco è vantaggioso se E(X) > 0;
(c) il gioco è in perdita se E(X) < 0
Si osservi che la spesa corretta affinché il gioco sia equo poteva essere calco-
lata anche attraverso la formula
𝐸[𝑋] = 𝑆 · 𝑃
Esempio
Dall’esempio precedente. Puntiamo 10 sterline e verifichiamo se, per defini-
zione, il gioco è equo (non la scommessa!!!).
p(A) = 1/3 p(B) = 1/1,5 = 2/3 p(C) = 1/12
E[A] = (3 · 10 – 10) · 1/3 – (10 · 2/3) = (20 · 1/3) – 20/3 = 0

E[B] = (1,5 · 10 – 10) · 2/3 – (10 · 1/3) = (5 · 2/3) – 10/3 = 0
16
E[C] = (12 · 10 – 10) · 1/12 – (10 · 11/12) = 110/12 – 110/12 = 0 □
Applicazione della probabilità alle scommesse

Una scommessa è coerente se la valutazione della probabilità P consente si-
stemi di puntate che conducono a vincite o perdite sicure
Un gioco si dice a somma zero se il guadagno o la perdita di un giocatore pa-

reggia la perdita o il guadagno dell’altro giocatore
Se una scommessa è equa, per le quote ad essa associate, (𝑞1 e 𝑞2 ) deve va-
lere che:
(1⁄𝑞1 + 1⁄𝑞2 ) = 1
Tuttavia, le società di scommesse non presenteranno mai scommesse eque per-

ché, nelle scommesse contro un banco, a titolo di profitto per il servizio offerto,
trattengono per sé e non ridistribuiscono una certa percentuale.
Esempio
Per le elezioni presidenziali in Francia vengono assegnate le seguenti quote:
Macron (Ma): 1,60 Pecresse(Pe): 3,75 Le Pen(L): 10
Zemmour(Z): 11 Melenchon(Me): 34 Philippe(Ph): 101
p(Ma) = 1/1,60 = 0,625 (62,5%)

p(Pe) = 1/3,75 = 0,267 (26,7%)
p(L) = 1/10 = 0,1 (10%)
p(Z) = 1/11 = 0,091 (9,1%)
p(Me) = 1/34 = 0,029 (2,9%)
p(Ph) = 1/101 = 0,01 (1%)
Se sommiamo le probabilità ottenute otteniamo:
0,625 + 0,267 + 0,1 + 0,091 + 0,029 + 0,01 = 1,122
Questo risultato va contro l’assioma fondamentale che la probabilità totale sia 1
□
17
Si sottintende che la scommessa non è equa: questo perché nelle scommesse
contro un banco, a titolo di profitto per il servizio offerto, trattiene per sé e non
ridistribuisce una certa percentuale (aggio o ricarico).
In generale, possiamo affermare che: date le quote 𝑞1 , 𝑞2 , …, 𝑞𝑛 tale che 𝑞1 <

𝑞2 < … < 𝑞𝑛 , vale la seguente disuguaglianza:
∑(1⁄𝑞1 ) = ∑ 𝑃𝑖 ≤ 𝑞1
𝑖 𝑖
Per determinare la speranza matematica occorre quindi normalizzare le proba-

bilità, ovvero inserire una costante di proporzionalità K
𝐾𝑃 ∙ ∑(1⁄𝑞1 ) = 𝐾𝑃 ∙ ∑ 𝑃𝑖 = 1
𝑖 𝑖
Esempio
Riprendendo l’esempio precedente, dobbiamo “normalizzare” i seguenti risultati:
p(Ma) = 1/1,60 = 0,625
p(Pe) = 1/3,75 = 0,267
p(L) = 1/10 = 0,1
p(Z) = 1/11 = 0,091
p(Me) = 1/34 = 0,029
p(Ph) = 1/101 = 0,01
𝐾𝑃 · (0,625 + 0,267 + 0,1 + 0,091 + 0,029 + 0,01) = 𝐾𝑃 ·1,122 = 1
𝐾𝑃 = 1/1,122 ≈ 0,8913
18
Da cui ricaviamo:
p(Ma) = 0,8913/1,60 = 0,557 (55,7%)
p(Pe) = 0,8913/3,75 = 0,238 (23,8%)
p(L) = 0,8913/10 = 0,089 (8,9%)
p(Z) = 0,8913/11 = 0,081 (8,1%)
p(Me) = 0,8913/34 = 0,026 (2,6%)
p(Ph) = 0,8913/101 = 0,009 (0,9%)
0,0557 + 0,238 + 0,089 + 0,081 + 0,026 + 0,009 = 1
La scommessa, con le probabilità normalizzate, è equa
Vediamo come cambiano le speranze matematiche con le probabilità “normaliz-

zate”.
Determiniamo le “nuove” quote senza l’aggio:

q(Ma) = 1/0,557 = 1,80 q(Pe) = 1/0,238 = 4,20
q(L) = 1/0,089 = 11,24 q(Z) = 1/0,081 = 12,35
q(Me) = 1/0,026 = 38,46 q(Ph) = 1/0,009 = 111,11 □
Nell’ambito delle scommesse l’aggio, detto anche lavagna, è la percentuale di

ricarico sulle quote che la Società (o Agenzia) di scommesse applica.
Una volta determinata la percentuale di ricarico (A), che può essere fissa per
l’Agenzia o variare a seconda dell’evento, per determinare le quote definitive si
procede come segue:
a) Si calcola il coefficiente di ricarico (KR):

𝐾𝑅 = 100 / (100 – A)
19
b) Si moltiplica il coefficiente KR per le probabilità (in forma percentuale) che s’in-
tende utilizzare:
𝐾𝑅 · p%(i)
c) Si determinano le quote come segue:

qDEF(i) = 100 / (𝐾𝑅 · p%(i))
Esempio
Dall’esempio precedente. Dato 𝐾𝑅 = 1,122 vogliamo determinare l’aggio:
𝐾𝑅 = 100 / (100 – A) = 1,122
1° passaggio: (100 – A) = 100/ 1,122 = 89,13
2° passaggio: A = 100 – 89,13 = 10,87% □
Osservazione. Il coefficiente di ricarico 𝐾𝑅 coincide con la somma delle proba-

bilità non normalizzate.
Esempio
Supponiamo che l’Agenzia di scommesse per le elezioni del Presidente della Re-
pubblica applichi un ricarico del 20%, sapendo che le percentuali attribuite ai sog-
getti seguenti sono (dati dicembre 2021) :
Draghi: 38% Mattarella: 30% Cartabia: 20%
Berlusconi: 5% Casini: 4% Casellati: 2%
Altri: 1%
A = 20%
KR = 100 / (100 – A) = 100 / 80 = 1,25
q(D) = 100 / (KR · p(D)) = 100 / (1,25 · 38) = 2,11
q(M) = 100 / (KR · p(M)) = 100 / (1,25 · 30) = 2,67
q(Car) = 100 / (KR · p(Car)) = 100 / (1,25 · 20) = 4
q(B) = 100 / (KR · p(B)) = 100 / (1,25 · 5) = 16
q(Csn) = 100 / (KR · p(Csn)) = 100 / (1,25 · 4) = 20
q(Clt) = 100 / (KR · p(Clt)) = 100 / (1,25 · 2) = 40
q(A) = 100 / (KR · p(A)) = 100 / (1,25 · 1) = 80 □
20
In sintesi
Sapendo quanto vale l’aggio (A), in percentuale, dell’agenzia
Per passare dalle quote alle probabilità:
Si calcola il coefficiente di ricarico (KR) in uno dei seguenti modi:
𝐾𝑅 = 100 / (100 – A) oppure 𝐾𝑅 =∑𝑖(1⁄𝑞1 )
Si calcola la probabilità normalizzata in uno dei seguenti modi:
p%(i) = 100 / (𝐾𝑅 · q(i)) oppure p%(i) = 100 · 𝐾𝑃 / q(i)
Osservazione. Esiste un legame tra la costante di proporzionalità (KP) e il coef-

ficiente di ricarico (KR):
𝐾𝑃 = 1/ 𝐾𝑅
Per passare dalle probabilità (normalizzate) alle quote:

1) Si calcola il coefficiente di ricarico (𝐾𝑅 ):
KR = 100 / (100 – A)
2) Si calcola la quota in uno dei seguenti modi:
q (i) = 100 / (𝐾𝑅 · p%((i)) oppure q(i) = 100 ·𝐾𝑃 / p%(i)
21
2. STABILITA’ DI UN SISTEMA POLITICO
2.1 Introduzione alla teoria dei giochi
Prima di introdurre il tema degli indici di potere e dei valori per definire se un
sistema politico è stabile oppure no, facciamo un’introduzione sulla teoria dei gio-
chi e sui giochi cooperativi da cui hanno origine gli strumenti che utilizzeremo in
seguito.
Esempio preliminare (Young, 1994)

Due paesi A e B, aventi rispettivamente 3.600 e 1.200 abitanti, vogliono costruire
un acquedotto attingendo allo stesso lago.
Il problema può essere risolto utilizzando i metodi della programmazione mate-

matica, tramite un modello del tipo seguente:
- Minimizzare la spesa di costruzione
- Collegare A al lago rispettando le sue specifiche
- Collegare B al lago rispettando le sue specifiche
22
Le soluzioni ammissibili possono essere raggruppate in due sottoinsiemi che cor-
rispondono alle ipotesi 1 e 2 raffigurate sopra: la soluzione ottimale è l’ipotesi 2
Affinché la soluzione sia attuabile deve esserci la disponibilità dei paesi ad ac-
cordarsi per una realizzazione in comune.
Se questa disponibilità esiste è necessario stabilire con quale criterio ripartire la

spesa. Alcuni dei criteri possibili e i relativi costi per i due paesi sono i seguenti:
Criterio Spesa A Spesa B

Uguale divisione dei costi tra i paesi 90 90
Uguale divisione dei costi tra gli abitanti 135 45
Uguale divisione del risparmio tra i paesi 110 70
Uguale divisione del risparmio tra gli abitanti 105 75
Divisione dei costi (e del risparmio) in propor-
108 72
zione all’acquedotto singolo
Si può osservare che il criterio 1 è il più vantaggioso per il paese A ma è rifiutato

dal paese B, il criterio 2 è il più vantaggioso per il paese B ma è rifiutato dal paese
A, mentre gli altri criteri risultano più o meno vantaggiosi per i due paesi ma nes-
suno dei due può rifiutarne a priori qualcuno, anche se il paese A preferisce il
criterio 4 e il paese B preferisce il criterio 3.
Serve quindi una metodologia di scelta. In altre parole, la programmazione ma-
tematica risulta insufficiente a descrivere, e quindi risolvere, il problema dato.
La Teoria dei Giochi fornisce gli strumenti matematici per analizzare il problema
e non fornisce “la” soluzione, ma propone una soluzione.
La Teoria dei Giochi tratta le situazioni in cui il risultato dipende dalle scelte fatte
da più persone, dette giocatori, che operano perseguendo obiettivi che possono
risultare comuni, ma non identici, differenti ed eventualmente contrastanti; pos-
sono essere presenti anche aspetti aleatori.
23
Esempio (Dilemma del prigioniero)
E uno dei problemi più noti della Teoria dei Giochi; è stato introdotto nel 1950 da
Dresher e Flood (Flood, 1958); la “storiellina” seguente è dovuta a Tucker (1953).
Due individui I e II sono stati arrestati per lo stesso reato e vengono interrogati
separatamente dal giudice; ognuno può scegliere indipendentemente dall’altro di
confessare (C) o non confessare (NC).
Se entrambi non confessano vengono condannati per reati minori a due anni cia-
scuno; se entrambi confessano vengono condannati a cinque anni ciascuno; se
uno confessa e l’altro no quello che confessa ha uno sconto di pena e viene
condannato a un anno, mentre l’altro ha un’aggravante e viene condannato a sei
anni. Le pene sono riportate nella tabella come coppia (I, II)
II NC C
I
2 1
NC
2 6
6 5
C
1 5
Ragionevolmente I sceglie C poiché consegue una condanna minore qualunque

sia la scelta di II (−5 > −6; −1 > −2) e analogamente II sceglie C. La decisione
attesa è quindi (C, C), con una condanna a 5 anni per ciascuno (equilibrio in
strategie dominanti), mentre per entrambi sarebbe più vantaggiosa la scelta (NC,
NC) con 2 anni per ciascuno. □
Secondo la classificazione di Harsanyi (1966) si distinguono due classi di giochi:

Giochi non cooperativi: non sono possibili accordi vincolanti tra i giocatori
Giochi cooperativi: sono possibili accordi vincolanti tra i giocatori
Noi ci concentreremo su quest’ultimi.
24
2.2 Giochi cooperativi
Un gioco può essere presentato principalmente in tre forme: la forma estesa,

introdotta da von Neumann (1928) e formalizzata da Kuhn (1953); la forma stra-
tegica, così chiamata da Shubik (1982), ma già definita forma normale da von
Neumann e Morgenstern (1944); la forma caratteristica dovuta a von Neumann
e Morgenstern (1944), usata per i giochi cooperativi.
Se prendiamo il caso del “Dilemma del prigioniero”, lo potremmo rappresentare

in uno dei modi sopra citato:
Forma estesa
Forma strategica
ΣI = {C, NC}; ΣII = {C, NC}

fI (C, C) = −5; fI (C, NC) = −1; fI (NC, C) = −6; fI (NC, NC) = −2
fII (C, C) = −5; fII(C, NC) = −6; fII (NC, C) = −1; fII (NC, NC) = −2
Forma caratteristica
N = {I,II}
v(∅) = 0; v(I) = v(II) = −5; v(I,II) = −4
25
Nel nostro caso utilizzeremo sempre la forma caratteristica.
I giocatori di un gioco non devono necessariamente avere interessi contrastanti,

ma possono perseguire un fine comune, almeno per la durata del gioco; pertanto,
è possibile che alcuni di essi tendano ad associarsi per migliorare il proprio risul-
tato.
Per realizzare la cooperazione:

- deve essere possibile stipulare accordi (ad esempio non devono esserci re-
gole antitrust o difficoltà di comunicazione)
- deve esserci la possibilità di far rispettare tali accordi, nel senso che deve esi-
stere un’autorità sufficientemente forte e accettata da tutti i componenti
Un gioco G = (N, v) si dice semplice 0-1 o semplice se le coalizioni possono

assumere solo i valori 0 e 1.
Se una coalizione ha valore 1 è detta vincente, se ha valore 0 è detta perdente.
Solitamente la grande coalizione è vincente.
Un gioco G = (N, v) si dice coesivo se per ogni partizione di N {S1, S2,...,Sk}

(coalizioni o singoli giocatori) si ha:
∑ 𝑉(𝑆𝑖 ) ≤ 𝑉(𝑁)
𝑖
I giochi semplici trovano applicazione nelle situazioni in cui una coalizione è ca-
ratterizzata dal riuscire a conseguire o meno un determinato risultato, come nei
giochi di maggioranza, utilizzati in politica.
I rappresentanti in un consiglio di amministrazione vogliono valutare la loro situa-

zione ed esaminare le possibili alleanze. Formalmente un problema di maggio-
ranza pesata è una tripla W = (N, w, q), dove N = {1, ..., n} è l’insieme dei consi-
glieri, w = {w1, ..., wn} è il vettore dei “pesi, ad esempio il numero di azioni e q è
la quota di maggioranza, cioè il numero di voti necessari per approvare una mo-
zione, con q < ∑𝑖 𝑤𝑖 ; per semplicità si indica come (q; w1, ..., wn). È possibile
26
associare al problema un gioco semplice 0-1 dove l’insieme dei giocatori è N e la
funzione caratteristica è
Questi giochi sono più utilizzati nei consigli di amministrazione che in politica, in
quanto nel secondo caso la formazione di una maggioranza è legata non solo ai
numeri, ma anche alla collocazione dei partiti.
Prima di definire gli indici di potere, introduciamo un tema legato al calcolo com-
binatorio, necessario per determinare il Valore di Shapley che vedremo in se-
guito.
2.3 Cenni sul calcolo combinatorio: le permutazioni semplici
Dati n elementi distinti, si definiscono permutazioni semplici tutti i gruppi che si

possono formare con gli n elementi, in modo che due gruppi qualsiasi differiscano
fra loro esclusivamente per l’ordine con cui si presentano:
Pn = 𝑛(𝑛 − 1)(𝑛 − 2) … 3 ∙ 2 ∙ 1 = 𝑛!
Esempio
Quanti anagrammi diversi si possono fare con la parola UNO?
Un anagramma altro non è se non un raggruppamento diverso delle lettere che
compongono la parola data, in modo tale ogni raggruppamento differisca dall’al-
tro per l’ordine ed ognuno di essi contenga tutte e sole quelle lettere.
Alla luce della definizione di permutazione semplice il numero degli anagrammi

della parola “UNO” è
P3 = 3! = 3 ∙ 2 ∙ 1 = 6
27
Che possiamo elencare qui di seguito:
UNO – UON – NUO – NOU – OUN – ONU □
2.4 Gli indici di potere e valori
Le soluzioni puntuali prendono frequentemente il nome di indici di potere o valori

perché permettono di identificare il “potere” di ciascun giocatore all’interno del
gioco. In generale il termine “indice di potere” si usa per i giochi semplici, mentre
per un gioco qualsiasi si preferisce il termine “valore”.
Introduciamo il Valore Shapley per un gioco cooperativo e ricaviamo l’indice di

potere relativo per i giochi semplici.
L’idea che si segue per la costruzione del Valore Shapley è quella di assegnare
ad ogni gioco un’allocazione, in modo tale da rispettare i seguenti criteri:
- simmetria: due giocatori si trovano nella stessa identica posizione in un gioco
- anonimità: il valore assegnato ad un giocatore non deve dipendere da chi è
questo giocatore, ma solo da quanto questo giocatore è in grado di ottenere da
solo e con gli altri.
Se S è una coalizione, ed i non appartiene alla coalizione S, il numero

v(S) − v(S\i)
viene detto contributo marginale di i alla coalizione S.
Esempio
Ci sono 4 giocatori: N = {1, 2, 3, 4}
I giocatori 1 e 2 sono alleati: S = {1, 2}
Il giocatore 3 si vuole alleare con S, qual è il contributo (marginale) che il gioca-
tore 3 dà alla coalizione S?
Ipotizziamo che, inizialmente v(S) = 2
Il giocatore 3 si allea con S e il nuovo valore di v(S*) = 3
v(S*) – v(S) = 3 – 2 = 1
28
è il contributo marginale del giocatore 3 alla coalizione S* □
Definiamo il valore di Shapley come segue:
𝑣(S)−𝑣(𝑆/𝑖)
Si(v) =
𝑛!
Esempio
Sia dato il seguente gioco:
N = {1, 2, 3}
v(Ø) = 0; v(1) = 1; v(2) = v(3) = 0; v(1, 2) = v(1, 3) = v (2, 3) = 2; v(N) = 3
In riferimento al giocatore 1
Permutazione Coalizione Contributo marginale
123 1 v(1) – v(Ø) = v(1) = 1
132 1 v(1) – v(Ø) = v(1) = 1
213 1, 2 v(1, 2) – v(2) = 2
231 N v(N) – v(2, 3) = 3 – 2 = 1
312 1, 3 v(1, 3) – v(3) = 2
321 N v(N) – v(2, 3) = 3 – 2 = 1
Totale 8
Valore di Shapley 8/3! = 8/6 = 1,33
123 1, 2 v(1, 2) – v(1) = 1
132 N v(N) – v(1, 3) = 1
213 2 v(2) – v(Ø) = v(2) = 0
231 2 v(2) – v(Ø) = v(2) = 0
312 N v(N) – v(1, 3) = 1
321 2, 3 v(2, 3) – v(3) = 2
Totale 5
Valore di Shapley 5/3! = 56 = 0,83
29
123 N v(N) – v(1, 2) = 1
132 1, 3 v(1, 3) – v(1) = 1
213 N v(N) – v(1, 2) = 1
231 2, 3 v(2, 3) – v(2) = 2
312 3 v(3) – v(Ø) = v(3) = 0
321 3 v(3) – v(Ø) = v(3) = 0
Totale 5
Valore di Shapley 5/3! = 5/6 = 0,83
Esempio (Consiglio dell’UE 1958-1973)

Il valore di Shapley permette di evidenziare un difetto nei pesi assegnati nel Con-
siglio dell’UE del 1958. La quota di maggioranza nel 1958 era 11 ( su 17≈ 70%)
e nel 1973 era 40 ( su 58 ≈ 70%).
Il Lussemburgo, pur riducendo il suo peso percentuale, ha aumentato il suo Va-

lore di Shapley. □
30
Esempio (Consiglio di Sicurezza dell’ONU, 2020)
Il Consiglio è composto da 5 membri permanenti e 10 membri non-permanenti
eletti in rappresentanza dei Paesi membri delle Nazioni Unite. L'Assemblea Ge-
nerale elegge i 10 membri non-permanenti (5 all'anno) con un mandato di due
anni.
Indichiamo con P l’insieme dei Paesi permanenti e con Q quello dei non perma-
nenti:
N = {15 membri}
P = {Cina, Francia, Gran Bretagna, Russia, USA}
Q = {Belgio, Germania, Indonesia, Rep. Dominicana, Sudafrica, Niger, Tunisia,
S. Vincent e Granadine, Vietnam, Estonia}
Le decisioni del Consiglio di sicurezza sulle questioni non procedurali (e cioè so-
stanziali) richiedono il voto positivo di 9 membri. Ciononostante, è sufficiente il
voto negativo di uno dei membri permanenti, il cosiddetto veto, per annullare la
decisione.
L'astensione non è considerata pari al veto. In base a una norma, sia l'astensione
che il non voto non sono considerati impedimenti all'adozione di una decisione.
Gioco semplice {0, 1}:

S è la coalizione favorevole ad una decisione
La coalizione S è vincente se n(S) ≥ 9 e S = P + {almeno altri 4 Paesi di Q}
altrimenti è perdente
Per semplicità indicheremo

P = {P1, P2, P3, P4, P5}
Q = {Q1, Q2, Q3, Q4, Q5, Q6, Q7, Q8, Q9, Q10}
Conosciamo gli indici di potere di P e Q
31
Ipotesi: l’insieme P è favorevole ad una decisione in modo unanime
Le possibili permutazioni in P sono 5! = 120

vp(S) = 1 solo se c’è unanimità (24 volte su 120)
Pertanto, vp(S) = 24/120 = 0,2
Le possibili permutazioni in Q sono 10!

vq(S) = 1 solo se c’è unanimità in P e se sono favorevoli almeno 4 membri
Tutti gli stati in Q hanno lo stesso peso, quindi, sfruttando la proprietà della sim-
metria possiamo ragionare su un singolo Stato (es. Q1)
Partiamo dalle permutazioni

Q1 vota a favore quando è in posizione 4, 5, 6, 7, 8, 9 e 10
Viceversa, Q1 vota contro quando è in posizione 1, 2 e 3
Quante volte Q1 si trova in posizione 1, 2 o 3? 9!

Quindi v(Q1) = 0 in 3 ∙ 9! casi
Rispettivamente, v(Q1) = 1 in 7 ∙ 9! Casi
v(Q1) = 0,2 ∙ 7/100 = 0,014

Lo stesso vale per tutti gli altri Stati dell’insieme Q
Alla fine per simmetria otteniamo i seguenti risultati:
SP(Pi) = 0,1754 e SP(Qi) = 0,0123
I Paesi permanenti hanno un “peso” politico circa 14 volte superiore.
Questo problema può essere rappresentato come un problema di maggioranza

pesata in cui wi = 1 se i è un membro eletto e wi = 7 se i è un membro perma-
nente e q = 39
32
Paesi ONU Peso (wi) Valore di Shapley
P1 7 0,18
P2 7 0,18
P3 7 0,18
P4 7 0,18
P5 7 0,18
Q1 1 0,01
Q2 1 0,01
Q3 1 0,01
Q4 1 0,01
Q5 1 0,01
Q6 1 0,01
Q7 1 0,01
Q8 1 0,01
Q9 1 0,01
Q10 1 0,01
Totale 45 1
Alla fine, i risultati, al netto degli arrotondamenti, si equivalgono. □
L’indice di Banzhaf-Coleman un altro indice di potere basato sul concetto di

contributo marginale. Si definisce l’indice di Banzhaf-Coleman come segue:
𝑣(S)−𝑣(𝑆/𝑖)
Bi(v) =
2𝑛−1
Esempio
Sia dato il seguente gioco:
N = {1, 2, 3}
v(Ø) = 0; v(1) = 1; v(2) = v(3) = 0; v(1, 2) = v(1, 3) = v (2, 3) = 2; v(N) = 3
33
In questo caso non si usano le permutazioni per determinare i contributi marginali
ma si prendono in considerazione tutte le possibili partizioni (coalizioni):
Contributi marginali
Coalizione
1 2 3
Ø - - -
1 1 - -
2 - 0 -
3 - - 0
1, 2 2 1 -
1, 3 2 - 1
2, 3 - 2 2
N 1 1 1
Totale 6 4 4
Bi(v) 6/23-1 = 1,5 4/23-1 = 1 4/23-1 = 1
Osservazione. La somma dei valori di Shapley, nel caso di maggioranza sem-

plice, è sempre uguale a 1 (noto anche come indice di Shapley-Shubik). Con altre
condizioni, comunque deve essere uguale a v(N). Mentre, la somma dei Valori di
Banzhaf-Coleman dipende dal numero di “giocatori”, oltre che dai parametri.
Per permettere una comparazione tra i due indici occorre «normalizzare» l’indice
di Banzhaf-Coleman:
Bk(𝑣)
|Bk(v)| = con k = 1, 2, 3 …, n
∑ Bk(𝑣)
34
Esempio
Utilizzando i risultati dell’esempio precedente otteniamo
1,5 1,5
|B1(v)| = = = 0,43
1,5+1+1 3,5
1 1
|B2(v)| = |B3(v)| = = = 0,285
1,5+1+1 3,5
Che sommati:
0,43 + 0,285 + 0,285 = 1 □
Osservazione. Gli indici di Shapley-Shubik e di Banzhaf-Coleman normalizzato

sono considerati un valore probabilistico.
Un sistema politico è considerato stabile se, considerando S la coalizione di

maggioranza, valgono le seguenti relazioni:
𝑣(𝑁)
Bi(S) >
2
oppure
|Bk(S)| > 0,5

dove N è l’insieme di tutti i giocatori
Vediamo delle applicazioni in alcuni sistemi elettorali:

- maggioritario
- proporzionale (con e senza sbarramento)
- misto (con e senza sbarramento)
35
2.5 Sistema elettorale maggioritario
Tra i sistemi elettorali, il sistema maggioritario è quello maggiormente rappresen-

tativo. Troviamo due modelli di sistemi maggioritari: a collegio uninominale o a
collegio plurinominale. Nel primo caso ogni collegio assegna un solo seggio, nel
secondo invece i seggi distribuiti in base alla normativa vigente ma comunque
non meno di due.
Nel sistema maggioritario uninominale, generalmente, il territorio viene suddiviso
in un numero di collegi quanti sono i seggi da destinare ai candidati. I partiti con-
corrono in ogni collegio singolarmente, non coalizzandosi, e il seggio è attribuito
al candidato che ottiene il maggior numero di voti. Chi si aggiudica le elezioni,
pertanto, è qualsiasi partito, o movimento, che ottenga anche un solo voto in più
rispetto agli altri. In ogni collegio il seggio disponibile è soltanto uno, per cui il
vincitore si aggiudica la totalità dei seggi destinati a quel determinato collegio. In
generale, possiamo affermare che il vincitore ottiene un “premio” calcolato sot-
traendo dal 100% la percentuale di voti ottenuti dal partito o movimento.
Esempio
In questo esempio, supponiamo che in una certa sezione, o collegio, il partito,
che per semplicità chiameremo A ottenga il 35% dei voti, aggiudicandosi la com-
petizione. Se facessimo una ripartizione dei seggi in base proporzionale al partito
A andrebbe lo 0,35 di seggio. Questo ovviamente non accade perché i candidati,
in quanto esseri umani, sono esseri indivisibile e pertanto questo non avviene e
il partito A si aggiudica l’intero seggio, venendo, in questo caso, rappresentato
anche del restante 65% che erano andati ad altre liste. □
Con questa logica, più collegi una lista elettorale riesce ad ottenere e più guada-
gna come rappresentanza, però, di contro, non avrà alcuna rappresentanza nei
collegi in cui perde. Il sistema favorisce, quindi, le liste elettorali più “grandi” che
riescono ad avere molti seggi, e sfavorisce nettamente i più “piccoli”. Nel caso
invece di un partito piccolo ma concentrato territorialmente si avrà una rappre-
sentazione più equa (per il partito), in quanto avrà più possibilità di aggiudicarsi
dei seggi, mentre la sottorappresentanza nei seggi perdenti è minore.
36
Con questo, non possiamo pensare a priori che le liste elettorali “maggiori” sa-
ranno rappresentate maggiormente rispetto a quelle più piccole, ma è altamente
probabile che questo fenomeno avvenga ed inoltre comprovato che se un movi-
mento “maggiore” viene sottorappresentato questo accade raramente o in collegi
fortemente identificati con la cultura e la tradizione di un certo territorio (mino-
ranze linguistiche, Regioni a statuto speciale) che non si sentono rappresentati
dai governi centrali.
Non è propriamente corretto dire che il maggioritario è stabile e garantisce la

governabilità, in quanto la maggioranza assoluta di una rappresentanza politica
non è assicurata dal sistema, che dipende dalla variabilità dei dati ottenuti nei
diversi collegi. Ma è molto probabile che il partito, o i partiti più grandi, risultati
vincitori nei collegi vengano maggiormente rappresentati al contrario di quelli più
piccoli. In conclusione, possiamo dire che il maggioritario facilità la governabilità.
Per esaminarlo meglio però è necessario partire dagli obiettivi che si vuole rag-
giungere. Perché il usiamo il sistema maggioritario? L’obiettivo principale è quello
di far ottenere la maggioranza ad uno solo, in modo che questo possa legiferare.
Partendo da questo, possiamo dichiarare che il sistema maggioritario è fallimen-
tare in partenza, in quanto, non essendo certo il raggiungimento dell’obiettivo
50% + 1 dei seggi da parte di chi vince le elezioni, la scelta di tale sistema non
ha più alcuna valenza. Infatti, esistono altri sistemi elettorali che consentono con
maggior certezza di far raggiungere la maggioranza ad un partito o ad una coali-
zione. Non possiamo neppure affermare che il sistema maggioritario agevoli la
governabilità perché ciò favorisce la creazione di una coalizione dei partiti mag-
giori. Il vantaggio di questi, se supponiamo che avvenga con una probabilità ele-
vata, è pur vero che non avviene sempre e comunque. Inoltre, esistono altri si-
stemi che possono rappresentare in larga parte i partiti più grandi senza lasciare
nulla al caso. Il difetto del sistema maggioritario è quello dell’imprevedibilità dei
suoi risultati. L’obiettivo di far ottenere la maggioranza ad un partito (movimento
o coalizione) è troppo generico. Quale maggioranza otteniamo e chi? A queste
domande il maggioritario non è in grado di dare risposte. Infatti, si potrebbe veri-
ficare il caso i cui un partito che ottiene meno del 50%, ottenga il 10% se non il
20% in più di seggi, rispetto al risultato ottenuto.
37
Questo vuol dire che il 55% dei seggi potrebbe ottenerlo sia un partito che ha
ottenuto il 45% dei voti sia quello che ne ha ottenuto solo il 35%. Qual è la soglia
minima per cui un partito possa ottenere un premio che gli permetta di superare
il 50% dei seggi? Questo sistema non consente di stabilirlo. Inoltre, il peggior
difetto del maggioritario è quello di poter consentire al partito arrivato secondo,
in termini di voti, di ottenere la maggioranza.
Un altro aspetto, non secondario, del sistema maggioritario è la mancanza di
equa rappresentatività totale tra tutti i partiti. Ci sono anche in questo caso alcuni
aspetti su cui riflettere. Prima di tutto, ancora una volta, si può riscontrare un
difetto di base del sistema.
Se l’obiettivo è quello di far ottenere la maggioranza ad un partito, perché occorre
sovrarappresentare anche il partito giunto secondo? E se quest’ultimo andasse
all’opposizione, cosa succederebbe? Ovviamente questo avviene per il sistema
in sé ed è una particolarità su cui riflettere. Quindi, se l’obiettivo è arrivare alla
governabilità a tutti i costi, questa si può ottenere andando a tagliare dei seggi a
tutti i partiti dal secondo in poi.
Infine, per quanto concerne la rappresentatività, un ulteriore difetto abbastanza
serio del sistema maggioritario è quello della divergenza tra i voti conseguiti e i
seggi realmente ottenuti. Naturalmente, questo caratterizza il sistema, ma come
può essere accettabile un sistema per cui un partito “minore” ottiene meno seggi
di un altro partito che ha ottenuto meno voti di quest’ultimo? Coloro che si pro-
nunciano come sostenitori del maggioritario dicono che se si vuole la stabilità
dell’esecutivo ci di deve dimenticare del principio della rappresentatività. Questo
naturalmente è vero ma soltanto nel caso in cui il partito vincente deve essere
sovrarappresentato e tutti gli altri partiti sottorappresentati in modo proporzionale.
Nel maggioritario invece questo spostamento di seggi dai vincitori ai perdenti av-
viene indipendentemente dal fatto che serva a dare stabilità al governo.
Il Paese dove maggiormente è stato utilizzato il sistema maggioritario, con il cri-

terio dei collegi uninominali, è stato il Regno Unito ed è su questo che facciamo
un esempio reale e verifichiamo, utilizzando gli indici di potere, se il sistema è
stabile oppure no.
38
Esempio
A seguito dei risultati delle elezioni 2017 del Regno Unito, i 650 seggi della Ca-
mera dei Comuni sono stati così assegnati:
Partito Conservatore (1): 318 seggi
Partito Laburista (2): 262 seggi
Altri (3): 70 seggi
Vogliamo calcolare il valore di Shapley-Shubik e il valore di Banzhaf-Coleman
normalizzato (dovremmo ottenere gli stessi risultati)
N = {1, 2, 3}
Determiniamo la quota di maggioranza: q = (650 / 2) + 1 = 326
Ricordiamo che v(S) = 1 se S ≥ 326, dove S è la coalizione (o il singolo partito)
Pertanto, si ottengono i seguenti valori:

v(Ø) = 0 v(1) = 0 v(2) = 0 v(3) = 0 v(1 2) = 1 v(1 3) = 1 v(2 3) = 1 v(N) = 1
1 2 3
Permutazioni
P. Conservatore P. Laburista Altri
123 0 1 0
132 0 0 1
213 1 0 0
231 0 0 1
312 1 0 0
321 0 1 0
Totale 2 2 2
Si(v) 0,33 0,33 0,33
𝑣(𝑁)
S1(v) = S2(v) = S3(v) = 0,33 < 0,5 =
2
Da qui si evince che questo sistema, in questa specifica tornata elettorale, non è
stabile.
Confrontiamo, per completezza, i dati utilizzando l’indice di Banzhaf-Coleman
normalizzato per verificare che otteniamo gli stessi risultati.
39
1 2 3
Coalizioni
Ø - - -
1 0 - -
2 - 0 -
3 - - 0
1, 2 1 1 -
1, 3 1 - 1
2, 3 - 1 1
N 0 0 0
Totale 2 2 2
|Bk(v)| 0,33 0,33 0,33
Pertanto, possiamo affermare che il sistema politico è stabile solo se si mettono

d’accordo almeno 2 coalizioni (giocatori). □
Il sistema garantisce governabilità solo se la legge elettorale prevede un premio

di maggioranza o se la coalizione vincente si prende il 50%+1 dei collegi.
Vediamo un esempio di come scambia se si verificasse uno dei casi sopra indi-
cati.
Esempio
Prendiamo sempre come esempio le elezioni del Regno Unito del 2017 e suppo-
niamo sia previsto, per il partito vincente un premio di maggioranza pari a 1/3 dei
seggi disponibili.
Su 650 seggi, 217 sono assegnati al partito vincente, i restanti 437 vengono di-
stribuiti come segue:
Partito Conservatore (1): 212 seggi

Partito Laburista (2): 175 seggi
40
Altri (3): 50 seggi
Al Partito Conservatore (1) spetta il premio di maggioranza di 217 seggi; quindi,
i seggi totali sono 429
Calcoliamo il valore di Shapley-Shubik
N = {1, 2, 3}, q = 326
A seguito del nuovo sistema di attribuzione dei seggi, otteniamo i seguenti valori:
v(Ø) = 0 v(1) = 1 v(2) = 0 v(3) = 0 v(1 2) = 1 v(1 3) = 1 v(2 3) = 0 v(N) = 1
1 2 3
Permutazioni
123 1 0 0
132 1 0 0
213 1 0 0
231 1 0 0
312 1 0 0
321 1 0 0
Totale 6 0 0
Si(v) 1 0 0
S1(v) = 1 > 0,5 = v(N)/2
Il sistema è stabile. □
2.6 Sistema elettorale proporzionale
Il sistema elettorale proporzionale si fonda sulla creazione di collegi elettorali

“plurinominali” nei quali, cioè, vengono assegnati più seggi che saranno attribuiti
ai partiti in proporzione ai voti ottenuti. A differenza del maggioritario, pertanto,
ogni forza politica concorre alle elezioni con una lista che si compone di più can-
didati il cui numero corrisponde al numero dei seggi assegnati al collegio. Il si-
41
stema proporzionale prevede abitualmente la possibilità, per l’elettore, di espri-
mere una o più preferenze per i candidati presenti nella lista votata (c.d. “voto di
preferenza”). In questa ipotesi, risulteranno eletti i candidati della lista che hanno
ottenuto il numero maggiore di preferenze. Esiste, tuttavia, la possibilità che non
sia previsto il voto di preferenza: in tal caso, risulteranno eletti i candidati secondo
l’ordine in cui compaiono in lista (c.d. “liste bloccate”). Si tratta di un sistema che
finisce, di fatto, per attribuire ai partiti il potere di “nominare” gli eletti (come av-
viene in Italia). Al contrario del maggioritario, il sistema proporzionale favorisce
la rappresentatività causando, tuttavia, una grande frammentazione che tende a
creare instabilità degli esecutivi. È un sistema che garantisce i partiti minori i
quali, oltre ad avere una visibilità che nel maggioritario risulta impensabile, pos-
sono finanche condizionare i governi in misura ben maggiore del proprio peso
elettorale. I correttivi che vengono apportati a questo sistema al fine di migliorare
la governabilità sono due: il premio di maggioranza e la soglia di sbarramento. Il
premio di maggioranza consiste in una quota di seggi assegnati alla coalizione
vincente. La soglia di sbarramento, invece, consiste nella previsione di una per-
centuale minima di voti che ogni partito deve ottenere per poter entrare in Parla-
mento. In Germania, ad esempio, il sistema elettorale stabilisce la soglia del 5%
per entrare a far parte del Bundestag.
Il concetto chiave alla base del sistema è quello di rappresentare in modo pro-
porzionale ogni partito (lista o movimento) in base ai voti ottenuti. In realtà, i vari
calcoli che servono per ottenere i seggi da attribuire ma, soprattutto, la diversa
dimensione delle sezioni elettorali fanno sì che raramente ci si ritrovi con un si-
stema proporzionale “puro”.
In alcuni sistemi sono presenti alcune soglie di sbarramento con l’obiettivo di

escludere dalla distribuzione dei seggi chi non raggiunge una certa percentuale
prestabilita di voti. Possiamo utilizzare due metodi di conversione dei voti in
seggi: il metodo dei quozienti e il metodo dei divisori.
Noi per semplicità vediamo solo due criteri per l’attribuzione dei seggi: il metodo
dei quozienti e il metodo D’Hondt.
42
Per descrivere il sistema e i due modelli sopra citati partiamo con un esempio
con dei dati concreti.
Esempio.
Prendiamo le elezioni politiche del 2019 in Spagna (che usa il sistema proporzio-
nale e attribuisce i seggi con il metodo D’Hondt).
Facciamo riferimento al Congresso dei Deputati. Per semplicità consideriamo già
gli “apparentamenti” anche se di fatto sono avvenuti dopo l’esito delle elezioni.
Partito/Coalizione Voti % voti

Partito Socialista + UP 11.264.287 43,32%
Partito Popolare + Liberali 8.529.318 32,80%
Vox + Altri conservatori 3.870.459 14,89%
Altri 2.337.471 8,99%
Totale 26.001.535 100%
I seggi da assegnare sono 350
Metodo dei quozienti di Hare
L’utilizzo dei quozienti è quello meno complesso perché basta applicare sola-
mente una semplice formula che serve ad ottenere un quoziente (da qui il nome
del metodo), che successivamente viene utilizzato per dividere i voti ottenuti (V)
da ogni partito per determinare quanti seggi (S) vanno assegnati a ciascuna lista.
Il metodo più noto e utilizzato e usato è quello dei quozienti di Hare:
Q=V/S
Per trovare i seggi da assegnare a ciascuna lista si dividono i voti di presi per il
quoziente calcolato come sopra indicato. Il quoziente, pertanto, esprime i voti utili
per ottenere almeno un seggio.
43
Partito/Coalizione Voti Seggi
Partito Socialista + UP 11.264.287 152
Partito Popolare + Liberali 8.529.318 115
Vox + Altri conservatori 3.870.459 52
Altri 2.337.471 31
Totale 26.001.535 350
In questo caso q = 176, essendo che il massimo dei seggi assegnato è 152 è
evidente che il sistema non è stabile.
Ma in Spagna assegnano i seggi con il metodo D’Hondt e vedremo che l’asse-

gnazione dei seggi è differente. □
Metodo d’Hondt
Inventato dallo studioso belga Victor D'Hondt nel 1878, è un metodo matematico
per l'attribuzione dei seggi nei sistemi elettorali che utilizzano il metodo propor-
zionale.
Questo sistema prevede che si divida il totale dei voti di ogni lista per 1, 2, 3, ...,
N (dove N è il numero di seggi da assegnare), e che si assegnino i seggi dispo-
nibili in base ai risultati in ordine decrescente.
In Italia è adoperato per l'elezione dei rappresentanti delle Città metropolitane.
Esempio
Per 12 seggi da assegnare, si presentano 5 partiti
Voti validi: 248000
Partiti Voti Percentuali
Lista A 65500 26,41
Lista B 59900 24,15
Lista C 51400 20,73
44
Lista D 42000 16,94
Lista E 29200 11,77
Nella tabella di seguito andremo a rappresentare il numero di voti delle Liste rap-
portate ad un valore numerico che va da 1 al numero massimo di seggi da asse-
gnare (in questo caso 12).
Procedendo nella lettura dei dati per “riga” si prenderanno in considerazione i

valori maggiori tenendo in considerazione che il valore della riga superiore è “ac-
cettato”, e quindi dà diritto ad un seggio, se è maggiore del valore più alto della
riga sottostante.
Divisori A B C D E
1 65500* 59900* 51400* 42000* 29200
2 32750* 29950* 25700* 21000 14600
3 21833* 19967* 17133* 14000 9733
4 16375 14975* 12850 10500 7300
5 13100 11980 10280 8400 5840
6 10917 9983 8567 7000 4867
7 9357 8557 7343 6000 4171
8 8188 7488 6425 5250 3650
9 7278 6656 5711 4667 3244
10 6550 5990 5140 4200 2920
11 5955 5445 4673 3818 2655
12 5458 4992 4283 3500 2433
N. seggi 4 4 3 1 0
Si prendono poi in considerazione i maggiori risultati in numero uguale ai seggi

di quel collegio asse doli ai partiti da cui si sono ricavati. □
Riprendiamo l’esempio delle elezioni in Spagna e vediamo cosa cambia.
45
Esempio
Partito/Coalizione Voti Seggi

Partito Socialista + UP (1) 11.264.287 180
Partito Popolare + Lib. (2) 8.529.318 130
Vox + Altri conservat. (3) 3.870.459 34
Altri (4) 2.337.471 6
Totale 26.001.535 350
Calcoliamo il valore di Shapley-Shubik:

N = {1, 2, 3, 4}
q = 176
v(1) = 1, v(2) = v(3) = v(4) = 0; v(1, 2) = v(1,3) = v(1,4) =1,
v(2, 3) = v(2, 4) = v(3, 4) = 0;
v(1, 2, 3) = v(1, 2, 4) = v(1, 3, 4) =1
v(2, 3, 4) = 0; v(N) = 1
Permuta- 1 2 3 4
zioni Social. + UP PP + Lib. Vox + Cons. Altri
1234 1 0 0 0
1243 1 0 0 0
1324 1 0 0 0
1342 1 0 0 0
1423 1 0 0 0
1432 1 0 0 0
2134 1 0 0 0
2143 1 0 0 0
2314 1 0 0 0
2341 1 0 0 0
2412 1 0 0 0
2421 1 0 0 0
3124 1 0 0 0
46
3142 1 0 0 0
3214 1 0 0 0
3241 1 0 0 0
3413 1 0 0 0
3431 1 0 0 0
4123 1 0 0 0
4132 1 0 0 0
4213 1 0 0 0
4231 1 0 0 0
4312 1 0 0 0
4321 1 0 0 0
Totale 24 0 0 0
Si(v) 1 0 0 0
S1(v) = 1 > 0,5 = v(N)/2
In questo caso il sistema è stabile, ma bisogna fare alcune considerazioni. □
Osservazioni:
- il sistema garantisce governabilità solo se la legge elettorale prevede un
premio di maggioranza o se la coalizione vincente supera il 50% dei con-
sensi;
- il metodo d’Hondt garantisce un maggior numero di seggi rispetto al me-
todo dei quozienti di Hare;
- il sistema prevede, quasi sempre, che le coalizioni di formino dopo l’esito
delle elezioni
- le soglie di sbarramento, spesso, garantisce una maggior stabilità
Proporzionale con sbarramento
Partiamo da un esempio generico
47
Esempio
I seggi da assegnare sono 60. Fissiamo la soglia di sbarramento al 5%
Partiti Voti Percentuali

Lista A 165500 25,46%
Lista B 159900 24,60%
Lista C 151400 23,29%
Lista D 144000 22,15%
Lista E 29200 4,49%
Totale 650000 100%
Senza la soglia di sbarramento avremmo questa distribuzione di seggi:
Partiti Seggi (Hare) Seggi (D’Hondt)

Lista A 15 15
Lista B 15 14
Lista C 14 14
Lista D 14 13
Lista E 3 4
Totale 60 60
Avendo fissato la soglia di sbarramento al 5% la Lista E non acquisisce seggi, i

quali vengono ridistribuiti, proporzionalmente, alle altre Liste:
Lista A:
(3/650.000) · 165.500 = 0,76
(4/650.000) · 165.500 = 1,01
Lista B:
(3/650.000) · 159.900 = 0,74
(4/650.000) · 159.900 = 0,98
48
Lista C:
(3/650.000) · 151.400 = 0,7
(4/650.000) · 151.400 = 0,93
Lista D:
(3/650.000) · 144.000 = 0,66
(4/650.000) · 144.000 = 0,88
Partiti Seggi (Hare) Seggi (D’Hondt)

Lista A 15 + 1 15 + 1
Lista B 15 +1 14 +1
Lista C 14 + 1 14 + 1
Lista D 14 13 + 1
Lista E - -
Totale 60 60
Essendo la maggioranza di 31 seggi (q) è necessario che si coalizzino almeno

due liste (A+B, A+C) per la stabilità.
2.7 Sistema elettorale misto
Un sistema elettorale che negli ultimi anni è in utilizzo in molti Paesi è quello
misto. La principale caratteristica di questo modello è quella di avere una base
dei precedenti sistemi analizzati: maggioritario e proporzionale. I modelli che pos-
sono essere definiti sono molto differenti fra di loro. Possiamo individuare i se-
guenti sistemi:
- maggioritari (a membro misto, a compensazione proporzionale, a coesistenza)
- proporzionali (con premio di maggioranza, a membro misto)
- maggioritari proporzionalizzati
49
Il sistema maggioritario a membro misto è il meno complesso. Una quota dei
seggi viene distribuita mediante il sistema maggioritario con collegio uninominale,
che po' essere a singolo o a doppio turno (o alla francese), mentre la restante
parte dei seggi da assegnare si calcola attraverso un sistema proporzionale,
utilizzando quindi dei collegi plurinominali.. Gli esempi più rappresentativi, in Ita-
lia, riguardano i sistemi approvati con la Legge 4 agosto 1993, n. 276 (cd. Matta-
rellum) e con la Legge 3 novembre 2017, n. 165 (cd. Rosatellum).
Il sistema maggioritario a compensazione proporzionale è diverso da quello a
membro misto solamente per un fattore: nel sistema a compensazione propor-
zionale il voto assegnato ad un candidato in un collegio uninominale è valido
anche per il partito collegato ad esso nella parte proporzionale, al contrario, nel
sistema maggioritario a membro misto l’elettore può votare un partito nella parte
proporzionale ed un candidato di un altro partito nel collegio uninominale (il co-
siddetto “voto disgiunto”).
Il sistema elettorale a coesistenza si distingue perché presenta, come il sistema
precedente, una quota maggioritaria ed una proporzionale ma dislocate in collegi
diversi all’interno del Paese. Quindi, troveremo dei collegi proporzionali che non
si contrappongono ai collegi maggioritari.
Il sistema elettorale proporzionale con premio di maggioranza prevede una quota
di seggi spettanti di diritto al partito vincente, mentre il resto dei seggi viene as-
segnato in modo proporzionale ai partiti “perdenti”.
Infine, il sistema proporzionale a membro misto, che è quello utilizzato in Germa-
nia, che differisce dal sistema maggioritario proporzionalizzato per l’impossibilità
di votare in modo disgiunto.
2.7.1 I sistemi maggioritari a membro misto in Italia
Rispettando la cronologia, iniziamo a parlare del sistema elettorale approvato con

la Legge 4 agosto 1993, n. 276, di cui fu relatore Sergio Mattarella e per questo
chiamato “Mattarellum”.
Questo sistema comprende una quota maggioritaria e una quota proporzionale.
Il numero di seggi da assegnare è 630 per la Camera dei deputati e 315 per il
Senato della Repubblica (prima della modifica Costituzionale). In entrambe le
50
Camere il 75% dei seggi veniva assegnato tramite collegi uninominali a turno
unico, mentre Il restante 25% veniva assegnato utilizzando il sistema proporzio-
nale con liste bloccate (non si indicano preferenze).
Per quanto riguarda la Camera, la quota proporzionale prevedeva la decurta-
zione dei voti ottenuti tramite i collegi uninominali. Ai voti ottenuti da una lista
(partito o coalizione) in quota proporzionale, pertanto, venivano sottratti i voti ot-
tenuti dalla stessa lista dai candidati vincitori nei collegi uninominali.
Questo scorporo parziale eliminava solo i voti che realmente erano utili al candi-
dato vincitore per aggiudicarsi il seggio, ovvero ai i voti del vincitore venivano
sottratti del candidato arrivato secondo.
Per l’assegnazione dei seggi in quota proporzionale veniva utilizzato il metodo
dei quozienti di Hare tramite un unico collegio nazionale al quale potevano ac-
cedere solo le liste che avessero ottenuto almeno il 4% di voti.
Invece, per quanto riguarda il Senato della Repubblica era previsto uno scorporo
totale. Nella quota proporzionale venivano decurtati tutti i voti dei candidati vin-
centi in quota maggioritaria. In questo caso, non era presente un unico collegio
nazionale ma diversi collegi determinati su base regionale in accordo con l’arti-
colo 57 della Costituzione. L’assegnazione dei seggi avveniva tramite metodo dei
quozienti di D’Hondt.
Se andiamo nello specifico, per il Senato, l'assegnazione dei seggi veniva effet-
tuata tramite il criterio illustrato nell'esempio seguente. Ipotizziamo che in una
certa Regione arbitraria ci siano da attribuire 8 seggi. Al contempo, la stessa Re-
gione è divisa in 6 collegi uninominali (pari al 75% dei seggi complessivamente
da assegnare). In tutti i collegi concorrono quattro liste (A, B, C e D): ciascuna di
esse indica in ogni collegio un proprio candidato. L'elettore esprime il proprio voto
con un'unica scheda, in favore di una delle liste presenti nel collegio uninominale
di appartenenza (ovvero a favore dell'unico candidato di quella lista). La tabella
sottostante riporta, a titolo di esempio, i voti ottenuti da ciascuna lista in ognuno
dei 6 collegi.
51
Collegi Totale
Lista
1 2 3 4 5 6 Voti
A 30.000 18.000 25.000 19.000 26.000 20.000 138.000
B 18.000 22.000 19.000 11.000 16.000 21.000 107.000
C 12.000 12.000 11.000 20.000 14.000 14.000 83.000
D 10.000 13.000 5.000 15.000 4.000 10.000 57.000
Tot. 70.000 65.000 60.000 65.000 60.000 65.000 385.000
Inizialmente vengono assegnati i 6 seggi della quota maggioritaria, proclamando

eletto il candidato della lista che ha ottenuto la maggioranza relativa nel collegio
uninominale. Nella precedente tabella di esempio, risultano eletti, evidenziati in
grassetto, i candidati della Lista A nei collegi uninominali 1, 3 e 5, quelli della
Lista B nei collegi uninominali 2 e 6 e quello della Lista C nel collegio uninominale
4.
In una fase successiva vengono assegnati i due seggi restanti, per quanto ri-
guarda la quota proporzionale. A tale scopo, per ogni lista si calcolano i voti resi-
dui, pari alla somma dei voti conseguiti dai rispettivi candidati nei collegi unino-
minali che, non essendo risultati vincitori nel collegio, non sono stati eletti in quota
maggioritaria. La tabella seguente riepiloga il calcolo dei voti residui per ciascuna
lista. Utilizzando il criterio dello scorporo, in corrispondenza dei candidati vincitori
del collegio è riportato il valore 0.
Collegi Voti
Lista
1 2 3 4 5 6 residui
A 0 18.000 0 19.000 0 20.000 57.000
B 18.000 0 19.000 11.000 16.000 0 64.000
C 12.000 12.000 11.000 0 14.000 14.000 63.000
D 10.000 13.000 5.000 15.000 4.000 10.000 57.000
I voti residui calcolati rappresentano la cifra elettorale in base alla quale bisogna
distribuire i seggi della quota proporzionale. Questa distribuzione avviene, in un
52
secondo tempo, utilizzando il metodo D'Hondt calcolato sulle migliori medie, ov-
vero dividendo le cifre elettorali per 1, 2, etc. fino a individuare i valori più alti. In
questo caso devono essere assegnati due seggi soltanto cosicché è sufficiente
prendere come "numeri divisori" solo 1 e 2. La tabella sottostante mette in evi-
denza i due valori più alti, associati alle Liste B e C (con divisore 1).
Divisori Lista A Lista B Lista C Lista D

1 57.000 64.000 63.000 57.000
2 28.500 32.000 31.500 28.500
Pertanto, alle Liste B e C va attribuito un seggio in più in quota proporzionale,

rispetto alle assegnazioni derivanti dalla quota maggioritaria. Nella riga di en-
trambe le liste vengono pertanto individuati i migliori perdenti, evidenziati in gras-
setto nella tabella sottostante.
Collegi
Lista
1 2 3 4 5 6
A 30.000 18.000 25.000 19.000 26.000 20.000
B 18.000 22.000 19.000 11.000 16.000 21.000
C 12.000 12.000 11.000 20.000 14.000 14.000
D 10.000 13.000 5.000 15.000 4.000 10.000
In sintesi, la Lista A, con 138.000 voti, ha ottenuto tre seggi; altrettanti sono andati
alla Lista B, che ha ottenuto 107.000 voti; la Lista C, con 83.000 voti, ha ottenuto
due seggi; infine, la Lista D, con 57.000 voti non ha ottenuto alcun eletto. Osser-
viamo che, per il particolare criterio di assegnazione dei seggi in quota propor-
zionale, nel Collegio numero 5, oltre al candidato della Lista A in quanto più vo-
tato, viene eletto il candidato della Lista C nonostante abbia ottenuto meno voti
della Lista B.
53
Sulla base di questi dati, seppur parziali e riguardanti la sola distribuzione dei
seggi al Senato, verifichiamo, utilizzando gli indici di potere la stabilità, o meno,
del sistema elettorale sopra descritto.
Esempio
Prendiamo in considerazione 4 Liste (A, B, C e D) e supponiamo che le Liste
sopra indicate non siano alleate tra di loro ma che concorrano l’una contro l’altra.
I seggi da destinare sono 8.
In sintesi, abbiamo questa distribuzione di seggi:
Lista Seggi
A 3
B 3
C 2
D 0
Totale 8
La quota di maggioranza è 5 (q).

G = {0, 1} (maggioranza semplice)
N = {A, B, C, D}
Di fatto, la Lista D non ha alcun seggio, quindi per semplicità, nell’elaborazione
dei calcoli e dei dati, ci possiamo basare su tre liste soltanto, anche se l’Insieme
N deve sempre comprendere tutti i competitori.
v(Ø) = 0 v(A) = v(B) = v(C) = 0 v(AB) = v(AC) = v(BC) = v(N) = 1
Utilizziamo il valore di Shapley-Shubik (che è dimostrato dare lo stesso risultato

dell’indice di Banzhaf-Coleman normalizzato)
54
Permutazione A B C
ABC 0 1 0
ACB 0 0 1
BAC 1 0 0
BCA 0 0 1
CAB 1 0 0
CBA 0 1 0
Totale 2 2 2
𝟏 𝟏 𝟏
Valore
𝟑 𝟑 𝟑
Da qui si evince, che, relativamente ai dati sopra indicati, il sistema elettorale cd.
“Mattarellum” non garantisce stabilità. Ma vedremo in seguito l’esempio con in
dati reali delle elezioni politiche del 1994. □
Per quanto riguarda la Camera dei deputati, l'elettore aveva a disposizione due
schede distinte: una per votare uno dei candidati nel proprio collegio uninominale
(quota maggioritaria), in modo che venisse proclamato eletto il più votato di quel
collegio; la seconda scheda, uguale per tutti i collegi uninominali appartenenti alla
stessa circoscrizione, serviva per votare per una lista, comunemente chiamato
"listino bloccato" (quota proporzionale)
Dopo lo spoglio, per ciascuna delle liste presenti in quota proporzionale si som-
mavano i voti ottenuti in tutte le circoscrizioni (ovvero nel collegio unico nazio-
nale). Da queste si escludevano le liste che avessero ottenuto meno del 4% dei
voti e quindi si calcolava la cifra elettorale delle liste restanti attraverso un criterio
di scorporo parziale, anziché totale come accade per il Senato. In poche parole,
dal totale dei voti di ciascuna lista si escludevano i voti che, per ciascuno dei
vincitori in quota maggioritaria, erano stati necessari per arrivare alla vittoria
(equivalente ai voti del secondo candidato + 1). Per questa ragione, nell'esempio
precedente, per il collegio 1 lo scorporo non avrebbe riguardato tutti i 30.000 voti
del candidato della Lista A, ma solo 15.001 voti.
55
Sulla base dei risultati ottenuti tramite i calcoli, i seggi da attribuire con la quota
proporzionale erano ripartiti fra le liste a livello di circoscrizione tramite il metodo
Hare dei quozienti interi e dei resti più alti. In conclusione, in ogni circoscrizione
risultavano eletti i candidati del listino in base all’ordine di candidatura ed even-
tualmente, in subordine, i candidati dei collegi uninominali, collegati a quella
stessa lista, non eletti, tenendo in considerazione la percentuale (proporzional-
mente) di voti ottenuta.
Esempio (Elezioni politiche del 1994)

Per quanto riguarda la Camera dei Deputati, nell’elezione del 1994 ci furono 3
principali coalizioni:
- Polo delle libertà e del buon governo (Centro-Destra): composta da Forza Italia,
Alleanza Nazionale e Lega Nord e UDC;
- Alleanza dei progressisti (Centro-Sinistra): composta da PDS, Rifondazione Co-
munista, Federazione dei verdi, PSI e La Rete;
- Patto per l’Italia (Centro): da PPI Patto Segni e altre liste collegate
Nella quota maggioritaria le tre coalizioni si sono presentate con liste uniche.
Questo, naturalmente, è stato fatto per concentrare il voto in modo da avere
maggiori possibilità di conquistare i seggi uninominali. È da notare come i collegi
abbiano avvantaggiato soprattutto il Polo. La lista Polo della libertà ha ottenuto il
34,53% dei seggi con solamente il 22.7% dei voti. Lo stesso numero di seggi è
stato conquistato dalla lista Progressisti, che però al contempo hanno ottenuto
ben il 32.81% dei voti.
Maggioritario Proporzionale Totale

Coalizioni
% voti seggi % voti seggi seggi
Polo (CD) 47,25 302 46,35 64 366
Patto per Italia (PPI) 15,63 4 15.75 42 46
Progressisti (CS) 32,81 164 34,37 49 213
Altri 4,31 5 3,53 - 5
Totale 100 475 100 155 630
56
Come è possibile osservare dalla tabella, il Polo con il 46,35% dei voti77 ha ot-
tenuto il 58% circa dei seggi. La coalizione che ha visto una sottorappresenta-
zione cospicua è stata Patto per l’Italia che ha visto dimezzarsi i seggi.
La problematica principale di questo sistema deriva dalla possibilità di presentare
liste diverse nelle quote maggioritaria e proporzionale. I candidati nelle liste uni-
che nel maggioritario sono principalmente esponenti dei vari partiti che compon-
gono la coalizione stessa. Il rapporto fra questi partiti, quindi, non deriva dalle
singole percentuali di voti ottenuti nella parte proporzionale ma dalla somma dei
candidati vincenti attraverso le liste uniche.
Questo aspetto è evidenziato soprattutto dai numerosi candidati vincenti della
Lega Nord nei collegi uninominali. Attraverso questi candidati il partito è riuscito
ad aggiudicarsi ben 117 seggi, più del 18%, pur avendo ottenuto solo l’8,36%
dei voti nella quota proporzionale.
Per semplicità, per verificare la stabilità del sistema, supponiamo che i partiti non
schierati si coalizzino con il Patto per l’Italia (PPI):
G = {0, 1} (maggioranza semplice)

CD = A PPI = B CS = C
N = {A, B, C}
q = 316
v(Ø) = 0 v(A) = 1 v(B) = v(C) = 0 v(AB) = v(AC) = 1 v(BC) = 0 v(N) = 1
Permutazione A (CD) B (PPI) C (CS)

ABC 1 0 0
ACB 1 0 0
BAC 1 0 0
BCA 1 0 0
CAB 1 0 0
CBA 1 0 0
Totale 6 0 0
Valore 𝟏 𝟎 0
57
Il sistema, per quanto riguarda la Camera dei deputati, al contrario di quanto visto
per il Senato della Repubblica, è stabile essendo v(A) = v(N). □
La legge elettorale del 3 novembre 2017, n. 165 e comunemente nota come “Ro-
satellum”, è una legge elettorale della Repubblica Italiana che riprende in parte il
“Mattarellum” ma con significative modifiche.
L'impianto della legge, identico a meno di dettagli alla Camera e al Senato, si

configura come un sistema elettorale misto a separazione completa.
Per entrambe le camere:
- il 37% dei seggi (147 alla Camera e 74 al Senato) è assegnato con un

sistema maggioritario a turno unico in altrettanti collegi uninominali: in
ciascun collegio è eletto il candidato più votato, secondo il sistema noto
come uninominale secco;
- il 61% dei seggi (rispettivamente 245 e 122) è ripartito proporzionalmente
tra le coalizioni e le singole liste che abbiano superato le previste soglie
di sbarramento nazionali; la ripartizione dei seggi è effettuata a livello
nazionale per la Camera e a livello regionale per il Senato; a tale scopo
sono istituiti collegi plurinominali nei quali le liste si presentano sotto
forma di liste bloccate di candidati;
- il 2% dei seggi (8 deputati e 4 senatori) è destinato al voto degli italiani
residenti all'estero e viene assegnato con un sistema proporzionale su 4
circoscrizioni che prevede il voto di preferenza.
La legge elettorale prevede che ogni lista presenti un proprio programma e di-
chiari un proprio capo politico nonché, eventualmente, l'apparentamento con una
o più liste al fine di creare coalizioni: l'esistenza di una coalizione, che è unica a
livello nazionale, vincola le liste coalizzate a presentare un solo candidato in cia-
scun collegio uninominale.
58
Sono previste diverse soglie di sbarramento, ossia percentuali di voti al di sotto
delle quali non si viene ammessi alla ripartizione dei seggi nei collegi plurinomi-
nali:
- 3% dei voti ottenuti a livello nazionale; valida per le liste singole;
- 20% dei voti ottenuti a livello regionale; valida, alternativamente e solo al
Senato, per le liste singole;
- 20% dei voti ottenuti a livello regionale, o elezione di due candidati nei
collegi uninominali; valida, alternativamente, per le liste rappresentative
di minoranze linguistiche riconosciute presentate esclusivamente nelle
regioni a statuto speciale in cui sia prevista una particolare tutela di tali
minoranze;
- 10% dei voti ottenuti a livello nazionale; valida per le coalizioni, purché
comprendano almeno una lista che abbia superato una delle altre tre so-
glie previste.
Alla determinazione della cifra elettorale di coalizione (e dunque all'eventuale

raggiungimento del 10%) non concorrono i voti espressi a favore delle liste colle-
gate che non abbiano conseguito almeno l'1% dei voti a livello nazionale, oppure,
solo per quanto riguarda il Senato, il 20% a livello regionale, oppure ancora, solo
per quanto riguarda le liste rappresentative di minoranze linguistiche riconosciute
presentate esclusivamente nelle regioni a statuto speciale in cui sia prevista una
particolare tutela di tali minoranze, il 20% a livello regionale o l'elezione di due
candidati nei collegi uninominali.
Le liste collegate in una coalizione che non raggiunga la soglia del 10% sono
comunque ammesse al riparto dei seggi qualora abbiano superato, a seconda
dei casi, almeno una delle altre soglie previste.
Esempio (Elezioni politiche del 2018)

Nelle elezioni politiche del 2018 i risultati hanno visto il centro-destra affermarsi
come coalizione più votata, con circa il 37% delle preferenze, mentre la singola
lista più votata, il Movimento 5 Stelle, ha raccolto oltre il 32% dei voti. L'affluenza
59
in Italia si è attestata al 72,93% per la Camera dei deputati e al 72,99% per il
Senato, in calo di circa il 2,3% rispetto alle elezioni del 2013, risultando la più
bassa nella storia repubblicana italiana.
Per semplicità, considereremo 4 liste/coalizioni: Centro-Destra, Centro-Sinistra,

Movimento 5 Stelle e Altre liste che non si sono schierate, quantomeno nella fase
preelettorale con una delle liste/coalizioni sopra citate.
Nella tabella seguente i dati riepilogativi.
Camera Senato
Coalizioni
% voti seggi % voti seggi
Centro-Destra 37% 265 37,5% 137
Centro-Sinistra 22,86% 122 23% 60
Movimento 5 Stelle 32,68% 227 32,22% 111
Altri 7,76 1 7,28% 7
Totale 100 630 100 315(1)
Le maggioranze per la Camera e per il Senato sono rispettivamente:

qc = 316 qs = 158(1)
(1) I dati fanno riferimento al Senato elettivo, sono pertanto esclusi i Senatori a
vita
Dai dati indicati in tabella, si evince facilmente che il sistema non è per niente
stabile, tanto da costringere, nel proseguo della legislatura, per ben tre volte al-
leanze “forzate”:
- Movimento 5 Stelle + Lega Nord: 348 deputati e 167 senatori
- Movimento 5 Stella + PD e altri di Centro Sinistra: 343 deputati e 169 se-
natori
- Governo delle intese: 562 deputati e 281 senatori. □
60
2.7.2 Il sistema misto tedesco
Il sistema tedesco si differenzia da tutti i sistemi misti perché utilizza in modo

diverso da altri sistemi misti le due quote di seggi che utilizzano una un sistema
proporzionale e l’altra un sistema maggioritario.
Nel corso degli anni il sistema ha subito piccole variazioni ma il metodo di base
di assegnazione dei seggi che lo caratterizza è rimasto uguale. Il 50% dei seggi
viene assegnato tramite collegio uninominale e vengono chiamati mandati diretti.
Il primo partito in ogni collegio si aggiudica il seggio. L’altro 50% dei seggi viene
assegnato a tutti i partiti che abbiano superato la soglia di sbarramento in modo
da stabilire proporzionalità fra di loro, tenendo conto dei seggi conquistati dai
partiti nei collegi uninominali.
Nello specifico la suddivisione dei seggi avviene come di seguito rappresentato
in tabella:
% Uninominale Proporzionale Totale

Coalizioni/Partiti
voti Seggi Seggi Seggi
Lista A 35 105 153 258
Lista B 25 75 109 184
Lista C 22 65 96 161
Lista D 12 36 52 88
Lista E 6 18 27 45
Totale 100 299 437 736
Nell'ottobre del 2020, il Bundestag ha approvato una riforma elettorale con l'o-
biettivo di ridurre il numero dei parlamentari. Questa riforma prevede due fasi di
entrata in vigore: la disposizione che prevede in prima battuta un metodo diverso
di calcolo del numero minimo di seggi a livello nazionale di cui al passo 3, cioè
viene presa in considerazione la cifra più alta tra quella dei mandati diretti ottenuti
dai partiti nei singoli Länder e quella, arrotondata per eccesso, che costituisce la
media tra il numero dei mandati diretti e il numero dei seggi assegnati ai partiti
nei singoli Länder, è entrata in vigore subito ed è stata già applicata in occasione
61
delle elezioni federali del 2021, così come la disposizione che stabilisce che,
nell'effettuare la ripartizione dei seggi a livello nazionale di cui al passo 4, fino a
3 mandati in eccedenza possano non essere compensati. La disposizione che
prevede la riduzione dei collegi uninominali da 299 a 280, invece, entrerà in vi-
gore a partire dal 1º gennaio 2024. Va osservato il fatto che, poiché la CSU nelle
elezioni del 2021 ha ottenuto 11 mandati in eccedenza vincendo in 45 dei 46
collegi uninominali della Baviera, la disposizione che ha modificato il metodo di
calcolo del numero minimo dei seggi a livello nazionale non ha avuto alcun ef-
fetto; di contro, se il meccanismo di compensazione non fosse stato modificato il
Bundestag avrebbe avuto 787 deputati, cioè 51 membri in più.
La soglia di maggioranza (q) con i 736 seggi è pari a 369, quindi, per la stabilità
del governo, la Lista A è costretta ad allearsi con la lista B e/o con la lista C.
62
3. I FLUSSI ELETTORALI
3.1 Metodi di stima dei flussi elettorali
Per flussi elettorali si intendono qui le frequenze assolute o relative di elettori che,
nel passaggio da una elezione all’altra, hanno cambiato o confermato le proprie
scelte. Si tratta di un’analisi che si può applicare a due elezioni consecutive, pren-
dendo la prima come elezione di riferimento, oppure a due elezioni contestuali,
ad esempio le Europee e le Comunali del giugno 2019. In genere, le opzioni della
prima elezione (o di quella considerata di riferimento) vengono riportate per riga
e quelle dell’elezione successiva (o oggetto di studio) riportate per colonna.
Ne deriva quindi una tabella doppia in cui, in genere, vengono riportate le fre-
quenze assolute di elettori (o le percentuali riga) per ogni combinazione fra le
opzioni di origine (riga) e di destinazione (colonna). In forma percentuale, la ta-
bella consente di valutare, per ogni 100 elettori che alla elezione precedente ave-
vano fatto una certa scelta di partito, quanti gli sono rimasti fedeli, quanti invece
sono andati ad altri partiti e quanti hanno optato per il non voto. Queste analisi si
basano sul totale degli aventi diritto al voto; quindi, astenersi o votare scheda
bianca rappresenta una possibile opzione di voto. Invece, nei dibattiti giornalistici,
di solito, si fa riferimento alle percentuali guadagnate o perse dai vari partiti ri-
spetto al totale dei voti validi; questo è fuorviante perché può risultare che un
partito ha guadagnato consensi quando invece ha perso elettori.
Esistono essenzialmente due metodi di stima dei flussi, quelli basati sui sondaggi
all’uscita dai seggi e quelli che, invece, si basano sui dati elettorali ufficiali. Le
stime mediante sondaggio, oltre agli usuali limiti legati alle risposte mancanti o
non veritiere, nel caso dei flussi soffrono di ulteriori problemi. Anzitutto, mentre
può essere facile intervistare un numero di elettori adeguato a stimare le percen-
tuali di votanti per un dato partito, quando questa percentuale è modesta le stime
di flusso da questo partito si baseranno su un numero di interviste molto conte-
nuto. A questo va aggiunto che, per conoscere come si erano comportati alla
elezione precedente coloro che non si sono recati al seggio, occorrerebbe un
63
sondaggio aggiuntivo. Infine, va considerato che i flussi hanno delle caratteristi-
che specifiche su ambiti territoriali ristretti; ne deriva che i flussi stimati a livello
regionale o nazionale sono spesso il risultato di compensazioni che derivano da
dinamiche differenti sul territorio. Come è noto, in Italia i risultati di ciascuna ele-
zione sono disponibili a livello di sezione elettorale e sembra naturale attendersi
che se, ad esempio, all’interno di un comune di medie dimensioni, il comporta-
mento degli elettori può essere descritto da un unico modello di flusso, questo
debba emergere dall’analisi della distribuzione dei voti nelle varie sezioni in due
tornate elettorali successive. In effetti, qualora in un comune di medie dimensioni
si ipotizzasse un comportamento prevalente nei flussi elettorali, attraverso un
semplice calcolo aritmetico sarebbe possibile ricavare il numero di voti atteso per
ogni partito in ciascuna delle sezioni elettorali del comune. Allora, in prima ap-
prossimazione, la discrepanza fra il numero di voti effettivi e quelli attesi forni-
rebbe una misura di validità dell’ipotesi fatta sul comportamento prevalente nei
flussi elettorali.
3.2 Il modello Goodman
Il modello di Goodman è una tecnica di analisi che permette di stimare a livello

aggregato una tabella di contingenza tra due variabili categoriali, a patto di di-
sporre dei marginali di riga e di colonna per le n tabelle analoghe relative a n
“unità ecologiche” in cui possa essere divisa l’aggregazione territoriale. L’esem-
pio classico è quello della ricostruzione di una matrice di flusso tra due elezioni
(le due variabili categoriali sono il voto all’elezione 1 e il voto all’elezione 2) a
livello aggregato (ad esempio, di comune), disponendo dei risultati elettorali (i
marginali di riga e di colonna) al livello della sezione elettorale.
In termini molto generali il modello è stato proposto per la prima volta da Leo
Goodman come possibile soluzione al problema fondamentale della ecological
fallacy1 . In Italia è stato introdotto – con un orientamento specifico verso l’analisi
del comportamento elettorale – nel corso degli anni Settanta da Giuseppe Micheli
(Mannheimer e Micheli, 1976; Micheli 1976). Successivamente adottato, e siste-
matizzato sul piano teorico e operativo, dai ricercatori dell’Istituto Cattaneo.
64
L’analisi statistica dei flussi elettorali è una disciplina che si è sviluppata a partire
dagli studi di Goodman per poi giungere, dopo molti studi, a modelli di elevata
complessità statistica.
Il problema che ci si pone è il seguente: come poter inferire il comportamento dei

singoli individui dall’osservazione dei compartimenti collettivi. Nel caso dei flussi
elettorali l’intuizione di Goodman fu che essi possono essere descritti da una fun-
zione lineare.
Prendiamo in considerazioni due elezioni successive, che coinvolgono lo stesso
elettorato. Come riferimenti temporali prendiamo A e B, in ordine cronologico.
Poniamo Pi(A) il risultato del partito Pi nell’anno A, il risultato del partito Pi

nell’anno B è descritto dalla funzione:
Pi(B) = Gi1 · P1(A) + Gi2 · P2(A) + … + GiN · PN(A)
I risultati dei partiti alle elezioni precedenti (anno A) sono noti, il problema sta
nella ricerca dei coefficienti Gij di una matrice i cui marginali di riga (i) e di colonna
(j) rappresentano i risultati dei partiti Pi, rispettivamente, negli anni B e A
Si prende in considerazione un territorio lo si suddivide in più parti (es. sezioni o
collegi) e si raccolgono i dati per poi utilizzarli per determinare i coefficienti della
matrice G.
I coefficienti Gij si ottengono con una regressione lineare multivariata, che tratte-
remo qui di seguito.
3.2.1 Regressione lineare multivariata
L’analisi della regressione multipla è una tecnica statistica che può essere impie-
gata per analizzare la relazione tra una variabile dipendente e diverse variabili
indipendenti.
La regressione lineare multipla rappresenta un’estensione del modello di regres-
sione lineare semplice: l’obiettivo dell’analisi è prevedere i valori assunti da una
variabile dipendente a partire dalla conoscenza di quelli osservati su più variabili
Indipendenti.
65
La relazione tra le variabili esplicative e la variabile dipendente può essere scritta
come:
Y = f(X1, X2, …, Xm) + ε
Se si esplicita una relazione di tipo lineare si ottiene l’equazione:
Y = β0 + β1X1 + β2X2 +...+ βmXm +ε
nella quale dovranno essere stimati i parametri. A tal scopo è necessario osser-
vare le variabili esplicative e la variabile dipendente su un campione di n osser-
vazioni.
66
Se la relazione è lineare…
Se la relazione non è lineare…
67
La rappresentazione dei dati campionari potrà allora essere la seguente:
Esempio
Y X1 X2
2 2 1
3 3 5
4 5 3
5 7 6
8 8 7
2 = β0 + 2 · β1 + 1 · β2 +ε1
3 = β0 + 3 · β1 + 5 · β2 +ε2
4 = β0 + 5 · β1 + 3 · β2 +ε3
5 = β0 + 7 · β1 + 6 · β2 +ε4
8 = β0 + 8 · β1 + 7 · β2 +ε5
68
Mentre per quanto riguarda i residui (ε), otteniamo i dati seguenti:
Per quanto riguarda, nello specifico, l’utilizzo della regressione multipla nel
modello di Goodman occorre “normalizzare” i coefficienti nel caso la loro somma
sia differente da 1.
69
Nel caso dell’esempio la somma dei coefficienti è pari a 0,96, pertanto si procede
come segue:
β0
β0 + β1 + β2
e in modo analogo anche per β1 e β2 ottenendo i seguenti risultati rappresenta-

tati in tabella:
Coefficienti Coefficienti STD
Intercetta (β0) 0,0787 0,081799591
Variabile X 1 (β1) 0,7205 0,748466258
Variabile X 2 (β2) 0,1634 0,169734151
0,9626 1
□
3.2.2 Caso semplice: bipartitismo (o bipolarismo) perfetto
In generale, questo modello si basa su 2 assunzioni:

- la popolazione osservata all’interno della sezione elettorale (o collegio)
non si modifichi tra gli anni A e B;
- i coefficienti Gij siano gli stessi in ogni cella del territorio preso in esame.
Nella realtà, le condizioni poste dal modello di Goodman non sono rispettate e
possono dal luogo a coefficienti al di fuori dell’intervallo atteso, compreso tra 0 e
1. Per ovviare a questo problema sono state sviluppate tecniche statistiche molto
complesse, che però non sembrano avere particolari vantaggi rispetto ad un’ana-
lisi condotta con il modello di Goodman su un territorio ristretto e con un’accurata
cernita delle sezioni da considerare.
70
Nel caso più semplice, la funzione lineare di partenza diventa semplicemente:
P1(B) = G11 · P1(A) + G12 · P2(A)

P2(B) = G21 · P1(A) + G22 · P1(A)
La matrice dei coefficienti è la seguente:
𝐺 𝐺12
[ 11 ]
𝐺21 𝐺22
Esempio
In questo esempio consideriamo un caso estremo ed eccezionale: non ci sono
schede bianche o voti nulli.
Prendiamo in esame l’esito delle votazioni in una certa località negli anni A e B:
Anno A Anno B
P1 2580 52,23% P1 1950 41,40%
P2 2360 47,77% P2 2760 58,60%
NE 150
4940 100,00% 4710 100,00%
Facciamo alcune considerazioni iniziali:

- in questo caso, la popolazione tra gli anni A e B è diminuita di circa il 4,7%.
Pertanto, questa percentuale di voto sarà dispersa;
- bisogna tener conto dei nuovi elettori (NE), siano essi neomaggiorenni o
neo-residenti: il risultato dell’analisi, pertanto, non sarà rappresentato da
una tabella (matrice) 3x3, ma 3x4, perché i nuovi elettori devono inseriti
solo in colonna.
71
La tabella che otteniamo dalla regressione lineare è la seguente:
ANNO A
ANNO
B/A P1 P2 NE Disp.
P1 0,68 0,06 0,47 0,00
P2 0,22 0,89 0,53 0,00

B
Disp. 0,10 0,05 0,00 1,00
1,00 1,00 1,00 1,00
Verifichiamo con la funzione lineare di Goodman se il modello funziona:
P1(B) = G11 · P1(A) + G12 · P2(A) + G13 · NE

P1(B) = 0,68 · 2580 + 0,06 · 2360 + 0,47 · 150 = 1951
1951−1950 1
ɛ1 = = = 0,0005 (0,05%)
1950 1950
P2(B) = G21 · P1(A) + G22 · P2(A) + G23 · NE

P2(B) = 0,22 · 2580 + 0,89 · 2360 + 0,53 · 150 = 2759,5
2760−2759,5 0,5
ɛ2 = = = 0,0002 (0,02%)
2760 2760
Generalmente, lo vedremo negli esempi successivi, il tasso di errore commesso

è ben superiore rispetto a quello calcolato in questo esempio, ma lo scopo non
era verificare tanto il tasso di errore commesso (essendo un caso semplice), ma
che i coefficienti calcolati fossero corretti.
Partendo dalla tabella dei coefficienti, sopra indicata, procediamo alla trasforma-
zione dei dati in percentuale, che danno un’idea più chiara del “movimento” dei
flussi e una più chiara lettura e interpretazione da parte del lettore.
72
ANNO A
B/A P1 P2 NE Disp.
ANNO
P1 68% 6% 47% 0%
B
P2 22% 89% 53% 0%
Disp. 10% 5% 0% 100%
100% 100% 100% 100%
Come si leggono i dati nella tabella sopra? Leggiamo i dati analizzando i risultati
di un partito alla volta:
- P1: il 68% degli elettori è rimasto “fedele”, per il restante 32% una parte ha
votato per il partito P2 (22%), il restante è andato disperso;
- P2: l’89% degli elettori ha confermato il voto delle precedenti elezioni, sol-
tanto il 6% ha cambiato idea votando per il partito P1 mentre il restante
5% è andato disperso. □
3.2.3 Modello Goodman: casi reali
I flussi di voto possono essere presentati in tre modi diversi:

- come flussi sul totale del corpo elettorale: in questo caso viene posto a
100 il totale degli aventi diritto al voto;
- come flussi in uscita: in questo caso vengono posti uguale a 100 gli elet-
tori che nella prima elezione considerata hanno votato un certo partito e
si ripartiscono a seconda della scelta nella seconda elezione;
- come flussi in entrata: in questo caso vengono posti uguale a 100 gli
elettori che hanno votato un certo partito nella seconda elezione e si
ripartiscono in base alla loro provenienza, ossia in base al voto nella
prima elezione.
73
Col termine “tassi di fedeltà” ai vari partiti si fa riferimento alla percentuale degli
elettori dei vari partiti che nelle ultime due elezioni consecutive ha confermato il
proprio voto.
Esempio (Milano, Regionali 2018 – Europee 2019)

Prendiamo in esame un caso reale: mettiamo a confronto due elezioni succes-
sive a Milano (Regionali 2018 ed Europee 2019). Analizziamo per difficoltà cre-
scente: prima analizziamo i flussi in base per coalizione (all’elezioni Europee i
partiti non erano in coalizione ma aggreghiamo i risultatati), successivamente per
singolo partito.
Regionali 2018 Europee 2019
CDX 380342 34,97% CDX 236179 26,35%
CSX 297552 27,36% CSX 184921 20,63%
M5S 184870 17,00% M5S 92271 10,30%
ALTRI 37133 3,41% ALTRI 15078 1,68%
Bianche/Nulle 187574 17,25% Bianche/Nulle 367706 41,03%
NE 20973
1087471 100% 896155 100%
74
Attraverso la regressione lineare multivariata otteniamo i seguenti risultati:
Regionali 2018
Europee '19 CDX CSX M5S ALTRI Bianche/Nulle NE
CDX 0,657 0,035 0,24 -0,103 -0,106 0,067
CSX 0,037 0,671 0,061 0,319 -0,111 0,012
M5S 0,115 0,111 0,539 0,056 0,162 -0,149
ALTRI 0,085 0,103 0,05 0,199 -0,039 0,14
Bianche/Nulle 0,106 0,08 0,11 0,529 1,094 0,93
1 1 1 1 1 1
Alcuni risultati ottenuti risultano fuori dall’intervallo atteso (segnati in grassetto

con l’asterisco *): secondo Goodman, perché il modello sia attendibile bisogna
che i valori fuori dall’intervallo [0, 1] siano in percentuale minima rispetto alla to-
talità dei dati. Maggiore è la percentuale dei dati “non accettabili”, di minor preci-
sione sarà l’analisi dei flussi: in questo caso specifico abbiamo 6 valori su 30 che
equivale al 20% dei coefficienti.
Questo è una dei punti critici del modello di Goodman che rivedremo nei paragrafi
successivi.
75
Di seguito la tabella con l’indicazione dei dati “non accettabili”:
Regionali 2018
CDX 0,657 0,035 0,24 -0,103* -0,106* 0,067
CSX 0,037 0,671 0,061 0,319 -0,111* 0,012
M5S 0,115 0,111 0,539 0,056 0,162 -0,149*
ALTRI 0,085 0,103 0,05 0,199 -0,039* 0,14
Bianche/Nulle 0,106 0,08 0,11 0,529 1,094* 0,93
1 1 1 1 1 1
Determinato i valori dei coefficienti, attraverso software specifici o con foglio di

calcolo (es. Excel) con le funzioni specifiche per determinare i già menzionati
coefficienti della regressione multivariata, si procede come indicato di seguito,
dove si spiegano i passaggi punto per punto.
Di fatto questa procedura la possiamo vedere come un algoritmo da seguire

passo a passo ogni qual volta si voglia utilizzare questo modello per l’analisi dei
flussi.
Molto spesso non viene messa in evidenza la colonna dei “nuovi elettori” (NE)
che di fatto, vengono fatti rientrare nel gruppo dei “non elettori” nell’elezione pre-
cedente, che è corretto dal punto di vista numerico, ma non da evidenza di come
votano i nuovi elettori.
76
Vediamo la procedura:
1) Si eliminano tutti i termini negativi:
Regionali 2018
CDX 0,657 0,035 0,24 0,067
CSX 0,037 0,671 0,061 0,319 0,012
M5S 0,115 0,111 0,539 0,056 0,162 -0,149*
ALTRI 0,085 0,103 0,05 0,199 0,14
Bianche/Nulle 0,106 0,08 0,11 0,529 0,93
1 1 1 1,103 1,256 1,149
Successivamente (2) si effettuano gli aggiustamenti riparametrando i termini (si

può usare un algoritmo detto RAS o metodi di regressione vincolata, oppure “nor-
malizzare” come abbiamo visto nel paragrafo 3.2.1):
Regionali 2018
CDX 0,657 0,035 0,24 0,058
CSX 0,037 0,671 0,061 0,289 0,010
M5S 0,115 0,111 0,539 0,051 0,129
ALTRI 0,085 0,103 0,05 0,180 0,122
Bianche/Nulle 0,106 0,08 0,11 0,480 0,871 0,809
1 1 1 1 1 1
77
3) Infine, dopo aver verificato che la somma di tutti i dati in colonna è uguale a
1, si trasformano i dati in percentuale per analizzare l’andamento dei flussi.
Regionali 2018
CDX 65,7% 3,5% 24% 5,8%
CSX 3,7% 67,1% 6,1% 28,9% 1%
M5S 11,5% 11,1% 53,9% 5,1% 12,9%
ALTRI 8,5% 10,3% 5% 18% 12,2%
Bianche/Nulle 10,6% 8% 11% 48% 87,1% 80,9%
100% 100% 100% 100% 100% 100%
In conclusione, facendo le considerazioni finali:

- l’astensione (o voto nullo) si conferma con dati “importanti”
- il Centro-Destra (seppur vincente) ne esce male: circa il 20% si astiene o
vota altri partiti “minori”;
- il Centro-Sinistra non ha praticamente alcuna presa sulla fascia degli elet-
tori del Centro-Destra. Inoltre, pur contenendo le perdite verso l’asten-
sionismo, gli ex elettori si disperdono praticamente in tutte le altre dire-
zioni.
Di più facile lettura si possono rappresentare i dati anche graficamente. La rap-

presentazione grafica che maggiormente rappresenta i flussi elettorali è quella di
seguito raffigurata.
78
Esempio (Genova, Politiche 2018 – Europee 2019)
I risultati delle elezioni europee del 26 maggio 2019 a Genova seguono la ten-
denza generale già emersa in molte altre città italiane.
Osserviamo dunque la Tabella per avere un’immagine dettagliata dei voti in ter-
mini assoluti e percentuali ottenuti dai vari partiti nel capoluogo ligure, durante le
elezioni europee del 2014, le politiche del 2018 e le europee dello scorso 26
maggio. Alcuni dati saltano subito all’occhio.
79
Se confrontiamo i risultati di queste ultime elezioni europee con quelli della tor-
nata politica immediatamente precedente (marzo 2018) possiamo misurare il ren-
dimento elettorale alle europee, ovvero la capacità dei vari partiti di trascinare
anche sulle elezioni europee il proprio risultato delle politiche.
Per farlo calcoliamo, per ciascun partito in competizione, il rapporto tra voti otte-
nuti a queste europee e quelli ottenuti alle politiche (marzo 2018). quindi evidenti
le grandi difficoltà del Movimento nel tradurre le preferenze nazionali in voti alle
europee.
Emerge che i partiti risultati “vincitori” a Genova raggiungono un livello alto di
rendimento rispetto al 2018:
- 160% per la Lega
- 136% per il PD
- 141% per FDI.
Rendimenti molto bassi, invece, per gli “sconfitti”:

- circa il 59% per FI
- circa il 58% per il M5S
80
Se vogliamo comprendere meglio le dinamiche elettorali che hanno caratteriz-
zato le elezioni europee nel capoluogo ligure, possiamo guardare all’analisi dei
flussi elettorali, che mostra con chiarezza i tassi di fedeltà, le destinazioni e le
provenienze dei voti ai vari partiti fra politiche 2018 ed europee 2019, a Genova.
Ma qual è la provenienza dei voti dei partiti vincitori? E dove sono andati quelli
degli sconfitti?
Per rispondere, dobbiamo guardare la tabella successiva.
81
Per quanto riguarda la Lega, un dato emerge con chiarezza: la sua capacità di
catturare voti trasversalmente
Infatti:
- il 50% dei suoi elettori 2019 proviene dal bacino 2018 della Lega;
- il 7% dei suoi voti proviene da elettori 2018 del PD;
- il 15% da elettori ex FI;
- il 22% dal M5S
Analizziamo il PD. I suoi voti vengono principalmente dal proprio bacino elettorale
(68%) e da quelli di altri partiti di sinistra:
- il 16% dal bacino elettorale 2018 di LeU;
- il 10% da quello degli alleati 2018 del PD.
FDI attrae in maniera abbastanza trasversale

- il 25% dei suoi voti 2019 provengono dal suo stesso bacino elettorale del
2018;
- il 7% da PD
- un altro 7% da alleati del PD
- il 17% da FI
- il 32% dalla Lega □
3.3 Condizioni per l’applicazione del modello
Affinché il modello di Goodman possa essere applicato in modo da garantire l’af-

fidabilità dei risultati vi è una serie di considerazione da fare. In particolare, in
controllo riguarderà il modello di transizione così come viene presentato e appli-
cato da Schadee e Corbetta.
Schadee e Corbetta enunciano due condizioni preliminari all’applicazione del mo-

dello stesso. La prima è relativa al livello di aggregazione, ovvero all’unità territo-
riale in cui si dovranno reperire i dati ai quali si applicheranno poi le tecniche di
regressione utilizzate nel modello di transizione.
82
Queste analisi permettono una stima dei comportamenti attraverso una serie di
parametri, che sono i coefficienti di regressione che vengono interpretati come
proporzioni di flussi.
Per ottenere parametri adeguati occorre che:

1) il comportamento di uno stesso gruppo di individui sia omogeneo nelle di-
verse unità territoriali ma entro la stessa unità il comportamento di gruppi
diversi sia eterogeneo per permettere un’adeguata interpretazione degli
esiti;
2) la composizione della popolazione, suddivisa in gruppi, sia omogenea
all’interno della stessa unità territoriale ma eterogenea fra le diverse unità
per rendere, tecnicamente, più corrette le stime dei flussi.
Ecco, quindi, che la variazione fra le diverse unità territoriali della distribuzione
dei gruppi che compongono la popolazione implica la possibilità di controllare che
vi sia una “mancanza” di covariazioni dei differenti gruppi nelle diverse unità ter-
ritoriali.
La scelta del livello di aggregazione diventa un problema di ordine pratico, legato

all’esigenza di pervenire a delle stime precise dei flussi. Dato che, nel modello di
Goodman, la somma dei valori che le variabili indipendenti assumono rispetto
alla variabile dipendente deve essere uguale a 1, queste variabili saranno inevi-
tabilmente correlate tra loro. Questa presenza tenderà a far aumentare gli errori
standard (ɛ) dei coefficienti di regressione, a scapito quindi della loro precisione.
Ma essendo che l’errore standard è inversamente proporzionale al numero dei
casi, la precisione delle stime sarà tanto maggiore quanto più è elevato è il nu-
mero di unità territoriali prese in considerazione per determinare il valore dei coef-
ficienti. È evidente, quindi, che un numero elevato di casi è raggiungibile, senza
dover ricorrere ad ambiti territoriali di dimensioni eccessive, solo considerando
unità aggregate con estensioni territoriali, e numeriche in termini di elettori, ri-
dotte.
83
In generale, si può dire che più sarà piccola l’unità di analisi considerata e mag-
giore sarà la varianza.
Queste considerazioni non vanno però disgiunte da un altro genere di valutazioni.

Se deve trattarsi di un aggregato il più piccolo possibile, questo dovrà anche
coincidere con un livello riconosciuto in modo “ufficiale”, al quale fanno riferi-
mento i documenti elaborati da istituti ufficiali di rilevazione (es. ISTAT). Solo in
questa maniera i dati elettorali possono offrire un alto grado di attendibilità e di
omogeneità, che permettono analisi molto approfondite. Inoltre, poiché il modello
di Goodman viene applicato per inferire il comportamento degli individui partendo
da informazioni presentate a livello aggregato, è chiaro che più è piccolo l’aggre-
gato, più attendibile sarà l’individuazione dei comportamenti dei membri dell’ag-
gregato stesso.
A questo punto, si può convenire che in Italia siano le sezioni elettorali le aree
destinate ad assumere il ruolo di unità territoriali minime per l’esistenza di dati
aggregati.
In Italia, le sezioni elettorali coincidono con le circoscrizioni in cui è suddiviso il

territorio di ogni comune italiano ai fini dell'organizzazione delle operazioni elet-
torali. Le sezioni elettorali di ciascun comune sono identificate da un numero pro-
gressivo.
L’uso di unità a più livelli di aggregazione non è raccomandabile, in quanto causa

severi rischi di instabilità nel calcolo delle stime dei flussi. Infatti, aumentando il
livello di aggregazione diminuisce il numero di casi su cui vengono calcolati i
coefficienti di regressione, con un aumento degli errori standard a scapito delle
stime. Il risultato è che passando dai livelli inferiori (sezioni elettorali) a quelli su-
periori (città, province, regioni, …) di aggregazione aumenta, in molti casi, il nu-
mero dei coefficienti inaccettabili, ovvero non compresi nell’intervallo [0, 1].
84
Schadee e Corbetta sostengono che ci sono delle difficoltà nello stimare in modo
soddisfacente i coefficienti di flusso del modello quando si opera con dati a livello
comunale, provinciale o regionale. Quindi, in definitiva, le stime risentono forte-
mente della diversa distribuzione territoriale dei voti, poiché sono ottenute con-
frontando la variabilità dei fenomeni rispetto alle unità di analisi considerate. Tut-
tavia, si ammette che il ricorso alle sezioni elettorali può creare problemi ad al-
cune analisi diacroniche, poiché si tratta di unità soggette a continue variazioni
territoriali nel tempo.
La seconda condizione consiste nel fatto che l’analisi deve fare riferimento alla
totalità degli iscritti nelle liste elettorali delle sezioni prescelte. Ciò comporta la
necessità di inserire nel modello, non solo i valori validi, ma i voti non validi
(schede bianche e nulle) e gli elettori che nono sono andati alle urne. L’esclusione
esplicita degli astenuti nei modelli è consigliata per due ragioni:
1) per l’importanza del fenomeno astensionista nel nostro Paese;
2) la mancata inclusione degli astenuti farebbe apparire come flussi fra i par-
titi (o le coalizioni) gli interscambi avvenuti con l’astensione.
In conclusione, una volta rispettate le due condizioni precedentemente descritte,

il modello avrà la capacità di stimare fluttuazioni di voto intercorse tra un’elezione
e la successiva in misura attendibile.
In realtà, affinché il modello di Goodman possa essere applicato in modo plausi-

bile alla realtà politica italiana, dovranno essere soddisfatte alcune altre condi-
zioni relative alle unità territoriali (sezioni elettorali) prescelte e alla diacronicità
con cui vengono analizzate. Da questo punto di vista ogni unità territoriale può
presentare una caratteristica particolare.
Due sono le principali caratteristiche delle sezioni elettorali da prendere in consi-

derazione:
1) fra le due consultazioni in esame gli elettori restino gli stessi;
2) il confine geografico delle sezioni elettorali prese in analisi dovrebbe es-
sere rimasto immutato o aver subito solo lievi mutamenti.
85
3.3.1 Criteri di selezione delle unità di analisi
L’esigenza di operare su sezioni che nel periodo di tempo considerato abbiano

mantenuto l’identità dei confini e lo stesso numero di elettorato ha portato a fis-
sare alcuni criteri pratici, sulla cui base procedere nella selezione delle sezioni
che dovranno rappresentare l’oggetto dell’analisi.
Per stabilire l’identità geografica delle sezioni ci regoliamo su alcune informazioni

ufficiali, ovvero verranno escluse le sezioni:
1) quando, all’interno di una sezione, il numero degli elettori, aggiunti o tolti,
supera le 25 unità;
2) quando la revisione della sezione stessa non riguarda solo l’aggiunta o la
rimozione di alcune vie/strade del quartiere di cui la sezione fa parte.
Dopo questo primo passo, le probabilità di ottenere l’identità fisica dell’elettorato

dovrebbero aumentare con l’applicazione di un’altra serie di criteri empirici, ov-
vero verrà esclusa la sezione se viene soddisfatto almeno uno dei seguenti criteri:
1) Votanti non iscritti: comprende, ad esempio, i componenti del seggio elet-
torale, i militari, le persone che votano negli ospedali e nei seggi, cosid-
detti “speciali”. Una sezione è da escludere se il numero di votanti non
iscritti supera le 25 unità. Tale criterio vuole evitare soprattutto rischi di
sottostima dell’astensione, dato i che i non votanti vengono calcolati tra-
mite la differenza fra elettori (iscritti alle liste elettorali) e votanti, che com-
prendono anche i non iscritti. Ma se i votanti non inscritti non sono pre-
senti nei tabulati dell’Ufficio Elettorale, diventa difficile reperirli.
2) Astensionismo: una sezione viene eliminata se la somma tra astenuti e voti
no validi, sul totale degli elettori, supera il 50%. Tale criterio di selezione
vale per evitare che fattori non politici e dipendenti dalle modalità tecni-
che di costruzione delle sezioni elettorali vangano ad influenzare le stime
relative al problema dell’astensione.
3) Sezioni le cui variazioni registrate nel numero di elettori superano il 15%:
tali variazioni, in più o in meno, imputabili al ricambio generazionale (neo-
elettori e deceduti) e a cambi di residenza, anche all’interno dello stesso
86
comune ma in un’altra circoscrizione (e quindi sezione elettorale), diven-
tano sempre più incisive più ampio è l’intervallo di tempo tra due elezioni
consecutive. La soglia del 15% tiene comunque conto del fatto che la
quota dei deceduti e dei nuovi elettori può considerarsi trascurabile se
tra due consultazioni elettorali consecutive passano meno di 4 anni, men-
tre gli spostamenti di residenza fanno tuttavia presumere che un certo
interscambio di elettori non debba comportare mutamenti radicali nelle
caratteristiche sociopolitiche complessive delle sezioni elettorali.
Inoltre, le sezioni elettorali devono essere escluse se:
4) la differenza assoluta tra astensionismo totale nelle due consultazioni
prese in esame non è compreso nell’intervallo
[Astenuti -100; Astenuti + 100]
5) la differenza tra i votanti non è compresa nell’intervallo
[Votanti – 20%; Votanti + 20%]
6) vi sia un numero di votanti inferiori alle 300 unità e superiore alle 800 unità.
Quest’ultimo punto può rappresentare un problema, visto che molte sezioni elet-
torali, nel corso degli anni, sono state accorpate e, in alcune, sono iscritti più di
1000 elettori.
Anche l’applicazione del criterio 5 lascia perplessi se si pensa ad un’analisi dei

movimenti dell’elettorato tra una consultazione politica e una referendaria, visto
che quest’ultima registra sempre un astensionismo maggiore. Si rischia in tal
caso di sottostimare le aree geografiche dove si riscontrano maggiori defezioni
nel passaggio da un tipo di elezione all’altra. Inoltre, stabilendo una sogli minima
di 300 votanti si contraddice l’esigenza di avere a che fare con unità territoriali di
dimensioni ridotte.
87
3.3.2 Omogeneità dell’ambito
Dopo aver identificato l’ambito territoriale su cui fare l’analisi, verificando che tutti
i criteri di ammissibilità siano rispettati, l’altro aspetto importante da considerare
è la scelta dell’ambito entro cui effettuare la ricerca sui flussi elettorale, d’impor-
tante rilevanza, in fase preliminare, per applicare la tecnica di analisi sopra citata.
L’ambito dovrebbe avere dimensioni tali da includere un numero di sezioni elet-

torali abbastanza elevato se si vuole aumentare la precisione dei flussi e, allo
stesso tempo, ridurre il tasso di errore. Inoltre, la scelta è fortemente condizionata
da tutta una serie di implicazioni tecniche, riguardanti l’applicazione del modello
di Goodman, legate all’uso di dati aggregati.
Il modello in questione inferisce asserti relativi al livello individuale sulla base dei
dati aggregati, che non garantiscono la loro accettabilità ai fini del calcolo dei
coefficienti utili ad effettuare l’analisi.
Per ovviare a questo inconveniente potrebbe essere sufficiente introdurre nel mo-
dello il criterio di aggregazione come variabile casuale, che non garantisce, co-
munque, la risoluzione del problema generale. Infatti, è molto difficile l’individua-
zione della variabile utilizzata come criterio di aggregazione proprio perché gli
effetti dell’aggregazione sono difficilmente valutabili, ma se anche fosse possibile
farlo, rimarrebbe pur sempre il problema di una sua definizione operativa ed il
reperimento delle informazioni ad esse relative.
Un altro grande problema riguarda l’esistenza di più variabili indipendenti nel

caso in cui il comportamento di voto è inevitabilmente determinato da numerosi
fattori: difficilmente si riesce a usufruire di tali dati, molto spesso le variabili erano
inadeguate a quel tipo di analisi.
88
Possiamo partire dal fatto che modello di Goodman vengono messe in relazione
solo due variabili, una indipendente e l’altra dipendente, e che il controllo princi-
pale sulla validità del modello è dato dalla coerenza logica dei risultati. Con que-
sta espressione si fa riferimento in realtà a una coerenza solo matematica dei
risultati e non ad una loro plausibilità rispetto alle variabili cui si riferiscono.
Infatti, in pratica i coefficienti nel modello possono assumere solo valori positivi (i
coefficienti negativi vengono eliminati) e compresi fra lo zero e l’unità (se supe-
rano il valore 1 vengono “normalizzati” i dati); ciò significa che una o più variabili,
dalle quali dipendono i coefficienti di stima, sono rimaste fuori dal modello. Que-
ste variabili, poiché devono essere aggiunte e non sostituite a quelle originarie
del modello, sono definite variabili addizionali.
Le variabili addizionali vengono valutate a seconda che si identifichino con le

variabili X (indipendente) o Y (dipendente) del modello. L’inclusione di altre va-
riabili dipendenti crea notevoli problemi nelle stime. Pertanto, bisogna essere
estremamente cauti nell’introdurre queste variabili e che tale inclusione deve es-
sere fatta solo se esistono forti ragioni teoriche che la giustificano.
Al contrario, l’introduzione di altre variabili indipendenti solleva notevoli problemi

di interpretazione. Queste variabili indipendenti sono proprietà come:
- la scrittura di comunicazione
- la presenza di tradizioni culturali e politiche
- l’esistenza di un assetto economico fondato su un certo settore professio-
nale
Queste variabili vengono dette “contestuali” perché fanno riferimento alla zona in
generale, e quindi interessano tutti gli individui che ne fanno parte.
Ma queste variabili sono legate ad un criterio di aggregazione che è difficilmente

individuabile e praticabile in senso operativo. Ecco che le variabili contestuali,
quindi, pur essendo fondamentali nell’esplicazione del voto, sono estremamente
difficili da misurare e, proprio per questo, vengono definite variabili “di disturbo”.
89
Tuttavia, anche se si riuscissero ad individuare le proprietà che interessano, l’uso
di molte variabili addizionali porta a modelli nei quali i coefficienti si comportano
in maniera complessa, perché aggiungere al modello originario variabili di questo
tipo significa aggiungere “effetti contestuali” ridondanti, che creano notevoli pro-
blemi di interpretazione delle stime. Questo da un punto di vista statistico.
Ma se ci sofferma anche sul significato delle proprietà da aggiungere, sembra

ugualmente difficile riuscire a scegliere solo poche fra le innumerevoli proprietà
che possono influenzare il comportamento elettorale e, tuttavia, migliorare la ca-
pacità esplicativa del modello.
Peraltro, le numerose proprietà del modello che influenzano il comportamento di

voto non possono essere ignorate.
3.3.3 Metodi di correzione dei valori inaccettabili
Per la sua immediatezza, il modello di Goodman ha goduto di notevole popolarità

ed era, fino a poco tempo fa, utilizzato, ad esempio, dai ricercatori dell’Istituto
Cattaneo. Purtroppo, il metodo soffre di alcune serie limitazioni.
Anzitutto l’applicazione dei minimi quadrati non fornisce stime efficienti, infatti il
modello multinomiale sottostante implica una struttura di covarianza che dipende
dai parametri incogniti (probabilità di transizione) con correlazione negativa. Inol-
tre, mentre le probabilità devono essere comprese fra 0 e 1, i minimi quadrati
possono produrre valori negativi o maggiori di 1.
Furono Schadee e Corbetta a consigliare la correzione dei valori fuori dall’inter-

vallo [0, 1] (“inaccettabili”) utilizzando l’algoritmo RAS in contrapposizione con
altri “metodi di regressione vincolata”.
90
Il limite dell’algoritmo RAS è quello di essere applicabile a modelli bivariati. L’al-
goritmo RAS è utile per stime di massima verosimiglianza di frequenza, ma se-
condo i critici, il risultato porta a ipotesi di tipo statistico ma non hanno nulla a che
vedere con il comportamento politico di un elettore.
Ad esempio, il vincolo nel modello significa che l’elettore, una volta che ha deciso
di non votare per lo stesso partito votato in precedenza, fa una scelta casuale tra
gli altri partiti.
Nello specifico, se prendiamo in analisi un certo partito, o una certa coalizione,

(Partito A ad esempio), non verranno presi in considerazione i flussi verso gli altri
partiti singolarmente ma si analizzeranno i flussi in modo binario, ovvero Partito
A e Non Partito A:
Elezioni (t+1, t) Partito A Partito Non A

Partito A X 1-Y
Partito Non A 1-X Y
Questo procedimento dovremmo ripeterlo per tutti i Partiti (o Coalizioni) in com-

petizione e comporterebbe una perdita di tempo enorme, anche se si utilizzano
software specifici, rispetto ad un’unica regressione multivariata.
Altre critiche in merito alla correzione dei dati non accettabili sono che:
- i piccoli partiti tendono ad avere le correzioni maggiori
- i coefficienti negativi eguagliati a zero dovrebbero significare che nessun
elettore, che in precedenza ha votato per un certo partito, ha votato
nell’elezione successiva
91
3.4 Altre rappresentazioni grafiche
Abbiamo visto che, per quanto riguarda il modello di Goodman, la rappresenta-

zione dei dati è spesso limitata ad una tabella a doppia entrata oppure, come
visto nel paragrafo 3.2.3, attraverso una rappresentazione di tipo grafico con i
diagrammi di flusso di questo tipo:
Oppure, utilizzando sempre un criterio analogo, con i partiti la cui “dimensione”

del simbolo è proporzionale alla percentuale di voti ottenuti:
92
Vediamo adesso, attraverso due esempi reali un altro modo di rappresentare i
flussi dal punto di vista grafico.
Esempio (Torino, Europee 2019 – Amministrative 2021)

Nella tabella sono riportati i flussi elettorali (calcolati sul totale degli aventi diritto
al voto) tra le elezioni europee del 2019 e le comunali del 2021 (considerando,
per queste ultime, il voto ai candidati sindaco).
Il vantaggio del candidato di centrosinistra sembra determinato dal fatto di essere
riuscito a limitare le perdite verso l’astensione e, dall’aver recuperato qualcosa
dal bacino elettorale del M5S. Al contrario, il bacino originario del centrodestra
ha avuto perdite più consistenti verso l’astensione e dal M5S non ha recuperato
nulla.
Vediamo nel dettaglio questi movimenti. Riguardo ai flussi per il candidato del
Centrosinistra (CS), ossia Lo Russo, le stime riportate nella tabella ci dicono che
gran parte del bacino elettorale che il Pd aveva creato nelle europee di due anni
fa è confluito su di lui. Per la precisione, se il Pd alle europee disponeva di una
forza elettorale (calcolata sugli aventi diritto al voto) di 19,8%, vediamo che il
16,4% ha votato Lo Russo. La perdita verso l’astensione è stata minima (0,9%).
Vi è stata, peraltro, una perdita non trascurabile – 1,7% – che ha fatto il salto
verso il candidato di centrodestra (CD), però Lo Russo è riuscito a compensarla
con l’ingresso di una quota (1,1%) di elettori che alle europee votarono M5S e di
una piccola quota (0,9%) di elettori che nel 2019 votarono Lega.
Dalla parte di Damilano, ossia del candidato di CD, la situazione è un po’ diversa,
perché le perdite verso l’astensione appaiono più consistenti. In particolare, è
stato l’elettorato della Lega che ha “tradito” il candidato di CD: le stime dei flussi
registrano una perdita consistente verso l’astensione (il 4,2% degli aventi diritto)
e perdite minori verso il M5s e verso il candidato di CS. Più limitate, ma non
trascurabili sono poi le perdite verso l’astensione dal bacino di FI e di FdI.
93
Per approfondire ulteriormente l’analisi, si possono osservare i due grafici. Quello
di destra illustra i flussi appena esaminati nella tabella (con destinazione il voto
per il sindaco), mentre quello di sinistra illustra i flussi che hanno come destina-
zione i voti per le liste delle recenti comunali. Anche qui si vede il consistente
flusso verde che dalla Lega si dirige nella casella grigia dell’astensione: un flusso
più consistenti di quelli che arrivano all’astensione dal M5S o dal Pd.
l vantaggio di Lo Russo è dunque “spiegabile” principalmente con questa dina-

mica: il centro-destra non è riuscito a tenere i propri ranghi serrati e ha avuto
perdite di un certo peso verso l’astensione. Il bacino elettorale leghista, secondo
le nostre stime, è il principale responsabile di queste perdite.
Vediamo graficamente le due rappresentazioni come sopra descritte.
94
Esempio (Napoli, Europee 2019 – Amministrative 2021)
A Napoli le stime dei flussi mostrano che la grande vittoria di Manfredi è stata
alimentata da un potente afflusso di voti dall’ampio bacino del M5s: gli elettori
pentastellati alle europee erano il 15,5% del corpo elettorale. Una quota si è
persa nell’astensione (2,2%) ma il grosso (11,8%) si è riversato sul candidato di
centrosinistra.
Il Pd possedeva un bacino di minore entità (pari al 9,1% del corpo elettorale): una
parte si è persa nell’astensione (1,4%), una parte ha scelto il suo vecchio sindaco
Bassolino (1,8%), mentre la parte più consistente ha scelto Manfredi.
I bacini elettorali del centrodestra (alle europee complessivamente di entità molto
piccola rispetto a quelli dell’alleanza PD+M5S) non sembrano aver subito grosse
perdite verso l’astensione. È però da segnalare che la Lega, secondo le stime,
95
subisce una perdita di una certa consistenza (ossia il 2% del corpo elettorale,
quasi la metà del suo bacino delle europee, attestato al 4,8%) verso il candidato
di centrosinistra. Un flusso che può apparire anomalo ma che probabilmente è
spiegabile col fatto che l’elettorato leghista al Sud, cresciuto in fretta, non è an-
cora ben “consolidato” e “radicato”: per questo una parte di esso non ha seguito
le indicazioni del partito a favore di Maresca ma ha preferito altre scelte di voto,
in linea probabilmente con le forze politiche da cui questi stessi elettori confluiti
sulla Lega nel 2019 provenivano.
Per capire questa apparente stranezza, bisogna fare un passo indietro. Nelle ele-
zioni del 2019, la Lega aveva raccolto elettori dai 5 Stelle e dall’astensionismo
(parte sinistra del grafico). Non possiamo dire se e in che misura si tratti degli
stessi elettori, ma ovviamente sono tra i più indiziati di avere poi lasciato il partito
di Salvini.
96
Nella tabella seguente l’analisi dei flussi delle Amministrative (prendendo come
riferimento il candidato Sindaco e non i voti di lista che, per queste elezioni, po-
trebbero anche essere disgiunti) rispetto alle Europee del 2019.
Se usciamo dal contesto del modello di Goodman e prendiamo in considerazioni

altri modelli possiamo trovare altre rappresentazioni grafiche:
- diagrammi a barre
97
- box-plot
- retta di regressione: se analizziamo i flussi, anziché farlo globalmente, ov-

vero considerando tutte le liste/coalizioni presenti, ma di un singolo par-
tito o di una singola coalizione possiamo rappresentare i dati con una
retta di regressione lineare dove sull’ordinata (variabile dipendente, y)
rappresenteremo i risultato della lista/coalizione ottenuto nelle diverse
sezioni prese in esame al tempo T 2 rispetto ai risultati della stella li-
sta/coalizione ottenuti nelle elezioni precedenti, ovvero al tempo T 1.
Vediamo un esempio generico.
Esempio
Prendiamo in esame gli esiti di due elezioni consecutive che una certa lista elet-
torale, che adesso indicheremo LE, in 10 sezioni elettorali di un certo Comune,
al tempo T1 e T2.
98
sez. n. LE (T2) LE (T1)
1 12,6 11,6
2 14,5 12
3 14,5 12,8 Statistica della regressione
4 10 15,1 R multiplo 0,421975
5 15,1 15,4 R al quadrato 0,178063
6 18,3 15,7 R al quadrato corretto 0,060643
7 17,5 16,4 Errore standard 2,421071
8 16,9 17,2
9 15,4 18,4
10 16,2 19,7
Questa rappresentazione non è indicativa sul vero andamento dei flussi elettorali
ma, più che altro, ci fa vedere se c’è una certa correlazione tra i risultati ottenuti
nell’elezione precedente rispetto all’ultima. □
99
3.5 Altri metodi di analisi dei flussi
Dopo il modello di analisi dei flussi di Goodman, sicuramente uno dei più noti è il
modello di Brown e Payne del 1986. Si tratta, in prima approssimazione, di un
affinamento del modello precedente che, oltre a fornire stime di massima verosi-
miglianza sempre comprese fra 0 e 1, ipotizza un modello multinomiale con iper-
dispersione, quindi più articolato rispetto a quello di Goodman. In pratica si sup-
pone che gli elettori appartenenti ad una data sezione e che hanno fatto la stessa
scelta nella prima elezione siano un collettivo omogeneo, ma il loro modello di
comportamento (probabilità di flusso) può differire da quello di elettori analoghi
appartenenti a diverse sezioni elettorali.
In sostanza, si ipotizza un’ulteriore fonte di casualità collegata alle specificità lo-

cali delle singole sezioni elettorali. Tecnicamente, questa ipotesi implica che co-
loro che appartengono ad una data sezione e hanno fatto un’identica scelta alla
prima elezione si comporteranno in modo più simile (quindi correlato) perché,
vivendo vicini, possono risentire di fattori comuni.
Nell’esempio che segue si è applicata una versione modificata del modello (For-
cina e Marchetti, 2009), in cui si suppone che la correlazione non coinvolga tutti
gli elettori della sezione, ma dei sottogruppi di dimensione più contenuta.
Esempio (Perugia, Europee e Amministrative del 2009)

Osserviamo la tabella, in cui il modello precedente è stato applicato al comune di
Perugia per stimare i flussi dalle elezioni Europee del 2009 (partiti per riga) alle
Comunali dello stesso anno (partiti per colonna) durante le ultime elezioni. Si
tratta di 149 sezioni per un totale di circa 126 mila elettori. Oltre al grado di fedeltà
per i partiti principali, può essere interessante esaminare i flussi verso le liste
civiche e quello da e verso il non voto.
100
Per determinare i dati su usano software specifici (es. MatLab) che determinano
i coefficienti, in riferimento ai flussi, e gli errori standard.
Dai dati indicati in tabella si evince subito che, come per il modello Goodman, i
dati non sono “normalizzati”, ovvero la somma delle colonne non è sempre
uguale a 100 (essendo in percentuale). Per poter confrontare i dati con altri mo-
delli “probabilistici” occorre “normalizzare” i dati in tabella come segue:
Amministrative/Comunali
Europee
PD AS CS UDC PdL AD CD NV
PD 98,98 0,69 0,62 0,29 1,21 0,22 1,20 -
AS 0,51 51,41 90,68 - 4,29 4,13 15,27 5,85
UDC - 11,69 - 97,29 11,00 - 19,76 -
PdL - 4,20 8,70 2,43 78,77 1,09 34,73 6,81
AD 0,41 32,01 - - 4,73 94,57 29,04 0,09
NV 0,10 - - - - - - 87,25
100 100 100 100 100 100 100 100
Non è usuale analizzare, tramite i flussi, elezioni elettorali tenutesi nello stesso
anno, ma il dato che salta subito all’occhio è che il “non voto” (NV) è prevalente
nelle elezioni amministrative più che nelle elezioni Europee, un dato che, solita-
mente è in controtendenza. □
101
Negli ultimi anni ha acquisito popolarità in ambito sociologico l’approccio ispirato
da Gary King (1999) e ripreso in Italia da De Sio (2009). Nel caso elementare con
due opzioni di voto, l’insieme di tutte le possibili tabelle di flusso compatibili con
le marginali determina l’intervallo in cui possono variare i parametri di flusso per
una data sezione e per il comune nel suo insieme. Si cerca quindi di minimizzare
la distanza fra i parametri di flusso per sezione che sono compatibili con i flussi
complessivi del comune.
L’approccio ambisce a ricostruire i flussi effettivi e non il modello di comporta-

mento che li ha determinati. Inoltre, l’esplicito impegno a evitare tecnicismi stati-
stici si traduce in un metodo che non fa ipotesi sulla natura specifica della varia-
bilità dei risultati elettorali, ma cerca una soluzione puramente numerica.
Si potrebbe quasi dire che chi analizza il voto tenta qualche ipotesi sul modello
di cambiamento, e che la differenza tra i modelli deterministici e quelli governati
dal calcolo delle probabilità sta proprio nel tentativo di validare la forza di quelle
ipotesi. Questo modello è anche noto come modello bayesiano di King, Rosen
e Tanner.
Non entriamo troppo in merito al modello perché prevede l’utilizzo di strumenti

matematici complessi per l’utenza a cui è destinato il presente testo, in quanto
serve aver sviluppato conoscenze nel campo, non sono della Probabilità e Stati-
stica, ma anche dell’Analisi Matematica (Integrazione) e dell’Analisi Numerica
(Metodo Montecarlo MMC e altri metodi di approssimazione).
Altri modelli, negli ultimi anni, si stanno sviluppando ma molto spesso sono sol-
tanto miglioramenti o correzioni di modelli preesistenti.
102
CONSIDERAZIONI FINALI
Ad oggi, un modello privo di errore non esiste e, vista la moltitudine e complessità

dei dati, molto probabilmente questo traguardo non si raggiungerà mai, ma
l’obiettivo da porsi nel breve-medio periodo è quello di lavorare sui punti deboli
dei vari modelli già esistenti per cercare di ridurre il più possibile i margini di er-
rore. In alternativa, ove fosse possibile, partire dal “buono” dei modelli esistenti
per crearne uno nuovo che migliori le criticità dei modelli di partenza.
Il problema dell’utilizzo di modelli complessi è sottolineato anche dai risultati,

molto spesso contradditori, relativi agli effettivi intervalli di confidenza delle stime.
È difficile valutare se si tratta sempre di valutazioni credibili, senza una cono-
scenza ampia, diffusa e critica della completa specificazione dei modelli, nonché
dei meccanismi delle effettive procedure di stima.
Tuttavia, in conclusione, vanno ricordati i due problemi che restano irrisolti e ri-
guardano:
1) l’utilizzo dei campioni nazionali di sezioni
2) l’identità dell’elettorato tra due elezioni
In merito al secondo punto, allo stato attuale, sembra poco probabile trovare una
soluzione, se non limitare le nostre indagini a transizioni elettorali brevi o mante-
nere la consapevolezza che con l’aumentare della distanza temporale tra due
elezioni, inevitabilmente diminuisce l’affidabilità delle stime.
103
BIBLIOGRAFIA
Monografie:
Anastasi, Cangemi, Pavsic, Tomaselli (1989) Guerra dei flussi o bolle di sapone?
Ricerca empirica e riflessioni sul modello di Goodman per la stima dei flussi elet-
torali ISBN 8877960167
McAdams D. (2017) Game Theory and Cooperation: How Putting Others First
Can Help Everyone ISBN 9780486296723
Articoli:
Cox G. W. (1997) Making votes count: strategic coordination in the world’s elec-
toral systems. Cambridge, Cambridge University Press: 12-27
De Sio L, SIS-Magazine (2009) Stime di flussi elettorali da dati aggregati: 3-7
Gentilini M., Marino M., Regalia M., Valbruzzi M., Vignati R. (2016) I flussi eletto-
rali in sette città (Torino, Novara, Bologna, Rimini, Napoli, Salerno, Cagliari).
Fondazione Istituto Cattaneo: 2-4
Capitoli di libri:
De Sio L. (2008) Oltre il modello Goodman: l'analisi dei flussi elettorali in base a
dati aggregati ISBN 9788859603641
Freeman S.F. (2004) The Unexplained Exit Poll Discrepancy. Center for Organi-
zational Dynamics ISBN 0963416307
Marinello V. (2010) Analisi dei flussi elettorali. Un approccio alla stima mediante
un modello gerarchico bayesiano ISBN 978854832329
104
105
L’Autore
Danilo Legnaro è dottore in Matematica Applicata e Ingegneria Matematica ed

ha conseguito un master in Ingegneria dei dati. Docente di matematica e fisica
presso scuole secondarie di II grado, è cultore della materia in Demografia e Sta-
tistica Sociale, e, dal 2021, è professore a contratto, in Statistica presso il Dipar-
timento di Scienze Politiche dell'Università di Genova. Inoltre, è coautore del libro
"Esercizi introduttivi alla statistica descrittiva e al calcolo delle probabilità" e di
altre pubblicazioni internazionali di statistica applicata.
106

Legnaro - Metodi Quantitativi Analisi Politico-Elettorali Finale

Caricato da

Informazioni sul documento

Titolo originale

Copyright

Formati disponibili

Condividi questo documento

Condividi o incorpora il documento

Opzioni di condivisione

Hai trovato utile questo documento?

Questo contenuto è inappropriato?

Copyright:

Formati disponibili

Legnaro - Metodi Quantitativi Analisi Politico-Elettorali Finale

Caricato da

Copyright:

Formati disponibili

METODI QUANTITATIVI

PER L’ANALISI DEI FENOMENI POLITICO-ELETTORALI

L’esercizio della democrazia attraverso l’espressione della volontà popolare, si

Il Professor Danilo Legnaro ha effettuato, in questo contesto, un’analisi appro-

Ed è in questi approfondimenti che il lettore e può apprezzarne la solidità retro-

Il primo capitolo ci pone di fronte alle sfide inerenti il campionamento statistico.

Il secondo capitolo, trattando della stabilità di un sistema politico, ci ricorda l’ap-

Il terzo capitolo, nell’analizzare i flussi elettorali, costituisce uno strumento effi-

In entrambi i casi (lineare-non lineare) si parla di Piano di Regressione. L’analisi

Il Modello di Goodman viene quindi illustrato nelle sue condizioni applicative.

1) Livello di aggregazione: su quali unità si rilevano i dati sul territorio. Vengono

a) di omogeneità nel comportamento tra unità territoriali

2) Il riferimento alla totalità dei votanti, cioè’ considerando le schede valide e le

Per selezionare le unità di analisi, l’autore esplicita l’identità geografica e fisica

La necessità di variabili addizionali contribuisce ad una migliore esplicitazione del

Quali modelli alternativi, l’Autore ripercorre:

1) I diagrammi a barre, tecnica univariata,

2) Il Box Plot, tecnica univariata;

3) La Regressione bivariata (dell’ultimo risultato sul risultato precedente),il

Un metodo alternativo del Modello di Goodman si basa sulla probabilità di flusso,

Sempre nell’ambito aleatorio, le Catene di Markov potrebbero offrire dei chiari-

Il merito di questo lavoro è e rimarrà di aver saputo portare all’attenzione del

Pietro Stanislao Parisi

I sondaggi in tempi di campagna elettorale sono divenuti sempre più importanti e

Analizziamo l’intero processo punto per punto. Partiamo dalla progettazione.

In Italia, affinché sia un buon campione rappresentativo delle intenzioni di voto il

L'oggetto di un sondaggio d'opinione riguarda:

Come strumento, nel caso di sondaggi elettorali, è preferibile utilizzare sondaggi

Un sondaggio fornisce un valore approssimato (stima) del valore vero, la serietà

I due possibili tipi di errore sono:

L’accuratezza è legata all’incidenza dell’errore e dev’essere perseguita durante

L’errore non campionario si può manifestare in varie fasi del processo:

La principale distinzione tra i sondaggi è basata sul metodo di campionamento

L’errore di campionamento dipende da 3 fattori:

L’errore di campionamento viene calcolato come segue:

ed esito favorevole p possiamo usare questa formula:

Il valore 𝑧 = 1,96 non è un valore fisso, cambia se modifichiamo il livello di

confidenza di riferimento, ad esempio:

- se il livello di confidenza è del 90%, 𝑧 = 1,65

1.3 Speranza matematica, gioco equo e scommesse elettorali

Se la variabile X è un gioco con uscite casuali, nel quale le uscite identificano le

Se in gioco si ha una probabilità P di vincere una somma S, si definisce quindi

Osservazione. Se un gioco (o un evento in generale) è equiprobabile è possibile

Si vincono € 30 se vince le elezioni il candidato prescelto

In generale, se S1, S2, …, Sn sono delle somme positive o negative (guadagni o

dove 𝐴𝑖 è l’evento legato al gioco ed alla somma 𝑆𝑖

Meno del 60%: 3 (puntata di A)

A incassa 30 sterline. Il guadagno per A è di 20 sterline.

B incassa 15 sterline. Il guadagno per B è di 5 sterline.

C incassa 120 sterline. Il guadagno per C è di 110 sterline.

Cosa succede se rapportiamo le puntate alle quote? Procediamo

A incassa 120 sterline. Il guadagno per A è di 80 sterline.

B incassa 120 sterline. Il guadagno per B è di 40 sterline.

C incassa 120 sterline. Il guadagno per B è di 110 sterline.

In generale, per un gioco X qualsiasi,

E[A] = (3 · 10 – 10) · 1/3 – (10 · 2/3) = (20 · 1/3) – 20/3 = 0

Applicazione della probabilità alle scommesse

Un gioco si dice a somma zero se il guadagno o la perdita di un giocatore pa-

Tuttavia, le società di scommesse non presenteranno mai scommesse eque per-

p(Ma) = 1/1,60 = 0,625 (62,5%)

In generale, possiamo affermare che: date le quote 𝑞1 , 𝑞2 , …, 𝑞𝑛 tale che 𝑞1 <

Per determinare la speranza matematica occorre quindi normalizzare le proba-

𝐾𝑃 · (0,625 + 0,267 + 0,1 + 0,091 + 0,029 + 0,01) = 𝐾𝑃 ·1,122 = 1