El objetivo principal de la segunda parte es estudiar en detalle el fenómeno del dibujo masivo (ficcionalización) de los resultados de las votaciones utilizando ejemplos específicos.
Como en la primera parte, todos los cálculos, visualizaciones y análisis de datos se proporcionan en Google Colab, que está disponible en este enlace de Google Colab .
¿Por qué es importante analizar masivamente los datos electorales?
95 . .
-, 14 . .
-, ( ) 78 . - 8.8 . -.
.
, RUElectionData "". . .
, “” () . , .
:
- , . 327 19 , 25 . 19 . .
- “” . , , , 2014 2014 .
- 2000-2018 .
. , . . .
:
10 46 12 91.0 10 90.0 ( ):
, . () ( ):
, -, '' '' ( ):
.
, 71.1% 85.6%. (duplicates) - ds. min_n_duplicates, . total_duplicates . get_duplicates:
def get_duplicates(dq,col_name='yes_pct',min_n_duplicates=3):
ds=pd.DataFrame(dq[col_name].values.round(1),
columns= [col_name]).groupby(col_name).size().to_frame('size')
ds=ds[ds['size']>=min_n_duplicates].sort_values(ascending=False,by='size')
total_duplicates=ds['size'].sum()
ds.reset_index(level=0, inplace=True)
return total_duplicates,ds ds 5 №5 (size () ):
:
0.1%, . - dr : ( ) total_duplicates, pct_duplicates prob_duplicates.
, , .
, 5%. , 9%, ‘’ 7%.
n_levels=50 (10 ). n_stations=40 , n_identicals=10 , :
def get_p(n_identicals=10,n_stations=40,n_levels=50):
bin_coeff=special.binom(n_stations, n_identicals)
prob=bin_coeff*(1/n_levels)**n_identicals*
((n_levels-1)/n_levels)**(n_stations-n_identicals)
return prob
from scipy.special import factorial
def multinomial_coeff(c): return factorial(c.sum()) / factorial(c).prod()
def get_prob_duplicates(duplicates=[10,5],n_stations=40,n_levels=50):
n_duplicates=len(duplicates)
sum_duplicates=sum(duplicates)
coeffs = np.array(duplicates+[n_stations-sum_duplicates])
mc=multinomial_coeff(coeffs)
prob=mc*(n_levels-n_duplicates)**(n_stations-sum_duplicates)/
n_levels**n_stations
return prob. , .
, . , 0.1%.
, n_levels n_stations, , .
“” .
. .
(numpy.round(1)), 0 9. plot_first_digit . :
.
.
.
‘’ x-np.floor(x) :
yes_pct.apply(lambda x: x-np.floor(x)).hist(bins=25,grid=True)
.
x-np.round(x) :
yes_pct.apply(lambda x: x-np.round(x)).hist(bins=25,grid=True)
, . , ( -!). .
82.0% ( ), N=1021. 0.82*1021=838.2, 838. 838/1021=81.97%.
, ±1/(2N) . , . . .
, . ‘’ 100%-’’. . , .
,
. . . .
, , 2014 , 2014 , 2014 , 16 2014. . .
“”.
, , , 3 2014 . wikipedia :
-: 10 319 723 (88,7%)
-: 500 279 (4,3%)
: 372 301 (3,2%)
: 15 845 575
: 11 634 412
: 442 108 (3,8%)
:
10 , 0,00001%. , 88.70000% ~ 1/10000.
10 319 723/11 634 412 100=88.70000 %
372 301/11 634 412100=3.10000 %
442 108/11 634 412*100=3.80000%
(1/10000)^3 = 10^(-12).
, 16 2014 (wikipedia).
: 306 258
: 274 101
« »: 262 041
274 101 306 258 — 274101/306258 = 89.500%, «» 262041 274 101 95.600%.
, , .
~ 300 000, 0,001%. , 89,500% 95,600% (1/100)^2 = 0.0001, 10 0.001 .
-.
. ( ) ‘’ ( “”) . - . . — .
, 2000 2020 2008 .
. , , . , .
. , . , () . , .
: , .
, . -, . , .
, , . , .
1: 50% 371 . (c )
, ( ) . , 30% 50% - - /, . , , .
, 80 90 55 . “”:"Our power comes from the perception of our power".
: « , , , » III; " , , ; , — » ; « , — » .
-.
, , . , - ( ), .
?
, .
. , . .
, , , . .
. , 2020 , .
, , .
, . , “ ”. .
La apertura y accesibilidad de los datos, así como la reproducibilidad de los resultados del análisis, son importantes. Al publicar dos partes de este artículo, perseguí exactamente este objetivo. Si el lector no está de acuerdo con las conclusiones o no confía en el modelo matemático sobre cuya base se interpretan los datos, puede construir su propio modelo utilizando los datos y el código dados.