判断选举作弊 Dr. SHIVA MIT Doctor

来源: 米老康 2020-11-19 19:06:32 [] [博客] [旧帖] [给我悄悄话] 本文已被阅读: 次 (10445 bytes)

美国这次大选,让世界人民开了眼,学习了美国宪政、选举制度,还有多个作弊和判断作弊的方法。

很多人对川普查作弊颇有微词,包括主流媒体。查个水落石出有什么不好?没作弊,还拜登一份清白,也使川普无话可说。要是不查,反而对拜登不利,小学生会说人家靠作弊都当上总统了,我为什么不能作弊?所以我坚决支持一查到底!

我对各种辨别作弊的统计方法颇感兴趣。对结果不做评判,因为没法判断输入数据的真实性。

几天前看到篇视频, MIT PhD Dr.Shiva Analysis of Michigan Votes Reveals Unfortunate Truth of U.S. Voting Systems. 【1】。过了几天又看到篇反对文章 Do these scatter plots reveal fraudulent vote-switching in Michigan?【4】

在街上散步,常看见街坊前院插着各种竞选招牌,其中之一是“Dr. Shiva MIT Doctor”,这下对上号了。Dr. Shivaj的全名是Shiva Ayyadurai,竞选共和党国会参议员,党内输了初选【3】

这俩天评判Dr. Shiva的文章满网飞。有欢呼的,有质疑的。我认为他的方法是对的,结果对不对取决于输入数据的真实性和可靠性。

有质疑他的方法的,可能因为他没讲清楚他的设计,几天前和人解释了半天,干脆整理一下。

总统选举不光是选总统,可能还选国会议员,州议员、省长,和其他地方官员。每个被选位置都有一位或多位不同党派的候选人。

密西根州有两种选票,Straight Party Voting(直接选党,SPV)或Individual Candidate Voting(选候选人 个人,ICV)。

SPV就一个选项:选哪个党!一旦选了民主党,你就认可了竞选所有位置的民主党候选人,包括总统候选人。姓党的用这种选票即简单又省时!

ICV就是通常我见到的那种选票,每个被选举的位置都有一名或多名候选人。你得分别画圈。有各种原因选用这种选票,你不姓党,你可能认可民主党的参议员候选人和共和党的州长候选人,需要分别选项。

站在共和党立场上,如果一个选区用SPV选票者60%选了共和党,统计上大概可以这么说,这个选区60%(SPV%)是铁杆的共和党,那么用ICV选票者中也应该有大约60%(ICV%)是共和党人也应该投川普。当然也会有少数共和党人叛党投了拜登。别忘了,也会有其他党派叛党或无党派人士用ICV选票投了川普。

同样,站在民主党立场上,如果一个选区用SPV选票者60%选了民主党,统计上大概可以这么说,这个选区60%是铁杆民主党,那么用ICV选票者中也应该大约有60%是民主党人也应该投拜登。也会有少数民主党人叛党投了川普。但别忘了,也会有其他党派叛党或无党派人士用ICV选票投了拜登。

我不同意【4】的大部分意见,但视频提供了佐证:SPV和ICV是Highly Correlated,两党都是!

横轴是SPV,竖轴是ICV,左图是川普,右图拜登。【4】12:30

叛党有叛出的也有叛进的,取决于你的立场。如果这个选区是个理想国,绝对按党派划线,没有叛党的。无论哪个党派, ICV%== SPV%,也即ICV%- SPV%=0 。

ICV%- SPV%实际上给出个“净叛党率“,叛进来的多就是正的(净挣),叛出去的多就是负的(净亏)。有人说ICV%- SPV%永远是负的,显然是没明白这个设计。

举个简单的例子,一个密西根的选区就10个选民,其中6位选民用SPV选票,剩下的用ICV选票。用SPV选票的3位选了共和党(也即选了川普)。无论站在那边,SPV%=50%。也就是说这个选区的大概是两党平分。如果2位用ICV选票的投了川普而另两位选了拜登,ICV%也是50%。也即ICV%- SPV%=0 。这是期望的理想值。

如果1位用ICV选票的投了川普而另3位选了拜登,站在川普的立场上ICV%=1/4=25%,也即ICV%- SPV%=25%-50%=-25% ,川普在这个选区净亏25%。

反过来,如果3位用ICV选票的选了川普而另1位选了拜登,站在川普的立场上ICV%=3/4=75%,也即ICV%- SPV%=75%-50%=25% ,川普在这个选区净挣25%。

先来确切定义一下ICV%和SPV%,以下的讨论都是基于川普立场上的。而且假设只有两党,非此即彼。

SPV%=用SPV选票选共和党(也即选川普)的百分数,分母是该选区选使用SPV选票的总选民数。

ICV%=用ICV选票选川普的百分数,分母是该选区选使用ICV选票的总选民数。

如果用上面定义的SPV%做横坐标,用ICV%- SPV%做纵坐标作图,上面三种情况如图。

也就是说正常选举的结果每个选区都应该在0%横线附近,有上有下,平均起来应该是大致与横线平行的一条直线,如图。

我认为这个分析方法是对的。但必须排除极端情况:必须要求每个选区至少有一位选民用ICV选票投川普,否则就会有(x,-x)的奇异点出现。

Dr. SHIVA用了他认为是可靠的数据,分析结果是这样。

从这个图片上来看,最左边是铁杆民主党的选区,有叛党投川普的但大概不超过10%。越往右越是共和党的天下,叛党选拜登的却可高达到25%。这显然不合理常理。

再说一遍,我无法确定输入数据的可靠性。但我认为这个分析方法是正确的。

有人问站在民主党的角度来作图,结果咋样?那就是左右镜像再加上下镜像了。【4】7:55 有个比较,很有意思。

作者试图证明,站在拜登的角度来作图,也是下行的一条直线,所以不能证明民主党作弊。

可能作者忽略了,上图的X-轴是民主党从0%-100%。当X接近与0时那个选区是共和党的天下,而叛党选拜登的却高达20%。

不难看出,这两张图互相左是右镜像再加上下镜像。结论是一样的,都指向民主党作弊。

我认为【4】14:00 最后给出的论证是错误的。他的证明其实和DrShiva的是一回事儿:

y-x=(m-1)*x +b 的确是引入了一个负斜率,但m=1时正负抵消,还是y-x=b,一条平行线。

【4】 12:38指出百分比不可以相加减,值得进一批探讨。百分比其实是个平取值,比如山东人平均身高可以和其他省份平均身高比;与各地的人口数无关。我认为在这里百分比是可以加减的。

还有一篇质疑Dr. Shiva方法的文章,截图如下!

这里作者定义错了Y。Dr. Shiva从没用过作者定义的RIP(共和党人用ICV选票投川普的百分数)。Y=ICV%-SPV%,前者(ICV%)与选举人的党派所属无关。作者曲解或歪曲了Dr.Shiva的设计。

顺便说一句,有质疑提出来大家讨论,没必要冷嘲热讽。最终被嘲讽的有可能是自己。

References:

 【1】MIT PhD Dr.Shiva Analysis of Michigan Votes Reveals Unfortunate Truth of U.S. Voting Systems. https://youtu.be/Ztu5Y5obWPk

【2】 麻省理工博士公开挑战拜登https://mp.weixin.qq.com/s/QaSfMNjvcc4cB-srISA5uw

【3】 Shiva Ayyadurai https://en.wikipedia.org/wiki/Shiva_Ayyadurai

【4】Do these scatter plots reveal fraudulent vote-switching in Michigan? https://www.youtube.com/watch?v=aokNwKx7gM8

2020年11月14日




更多我的博客文章>>>

加跟帖:

  • 标题:
  • 内容(可选项): [所见即所得|预览模式] [HTML源代码] [如何上传图片] [怎样发视频] [如何贴音乐]