तुम्हाला ते आठवेल मागील लेखात सर्वेक्षणाची "त्रुटी" परिभाषित केली गेली, संबंधित मानक विचलन शिकवले गेले आणि शेवटी, पोलस्टरची विश्वासार्हता स्थापित करण्यासाठी हा डेटा कसा वापरायचा हे स्पष्ट केले गेले, त्याच्या अंदाजांची कठोर वास्तवाशी तुलना करून.
तथापि, त्या "क्रूड" पद्धतीमध्ये एक गंभीर समस्या होती ज्यामुळे ती जवळजवळ लागू होऊ शकली नाही (किमान, स्पॅनिश सार्वत्रिक निवडणुकांसाठी): "संशयास्पद" सर्वेक्षण निवडणुकीच्या अगदी जवळ असेल तरच याचा अर्थ होतो: जर आपण दोन गोष्टींबद्दल बोलत आहोत किंवा दुरून तीन आठवडे, नेहमीप्रमाणे, असा दावा करणे नेहमीच शक्य होते...
“त्या काळात, बरीच मते फिरतात, आणि म्हणूनच हे तर्कसंगत आहे की मतदानकर्त्याने खूप चुका केल्या आहेत. "भूत पाहण्याची गरज नाही."
परिणामतः, मत पुढे सरकत आहे: हे स्पष्ट आहे की प्रचाराच्या शेवटच्या आठवड्यात पक्षाच्या निवडणुकीच्या अपेक्षा बर्याच प्रमाणात बदलू शकतात. पण… इतकंच? नेहमी वादग्रस्त मेट्रोस्कोपियावर लक्ष केंद्रित करून, 20 डिसेंबरच्या एक महिना अगोदरच्या आपत्तीजनक अंदाज त्रुटी मतदारांच्या मूडमध्ये मोठ्या प्रमाणात बदल झाल्यामुळे होऊ शकतात? Podemos ची वाढ (3.6 पॉइंट) आणि सर्वात वरती, C's (8.7 पॉइंट्स) ची आपत्ती एका महिन्यापेक्षा कमी कालावधीत, जे या पोलस्टरने आम्हाला दाखवले आहे, काही सांख्यिकीयदृष्ट्या प्रशंसनीय आहे का?
कार्यपद्धती
अर्थात, उत्तर त्या सामन्याच्या सरासरी मासिक भिन्नतेवर अवलंबून असेल. जर एखादा पक्ष राहिला तर, संपूर्ण वर्षासाठी 20% वर स्थिर राहिल्यास, 10 गुणांच्या "अचानक" घसरणीचे समर्थन करणे खूप कठीण होईल. त्यामुळे पहिली गोष्ट म्हणजे आपल्याला तुलना करायची आहे. आणि फक्त एका विशिष्ट सामन्यासाठी नाही तर संपूर्ण साठी.
आणि हे करण्यासाठी, 2015 मध्ये मेट्रोस्कोपियामधूनच डेटा घेणे आणि मतदानाच्या हेतूमध्ये सरासरी मासिक फरक स्थापित करणे यापेक्षा चांगले काय आहे?
तारीख | आम्ही करू शकता | PSOE | PP | सी च्या | इतर | IU |
आयई | 28,2 | 23,5 | 19,3 | 8,1 | 15,7 | 5,3 |
तर | 27,7 | 18,3 | 20,9 | 12,2 | 14,4 | 6,5 |
I.M. | 22,5 | 20,2 | 18,6 | 18,4 | 14,7 | 5,6 |
आयए | 22,1 | 21,9 | 18,5 | 19,4 | 10,8 | 5 |
आयजे | 21,5 | 23 | 20,8 | 13 | 13,9 | 4,1 |
I-JL | 21,5 | 22,5 | 23,1 | 15 | 14 | 4 |
III-JL | 18,1 | 23,5 | 23,1 | 16 | 13,7 | 5,6 |
ES | 18,6 | 24,6 | 23,1 | 16,1 | 12,3 | 5 |
आयओ | 14,1 | 23,5 | 23,4 | 21,5 | 11,9 | 5,6 |
IN | 17 | 21 | 23,5 | 22,5 | 9,7 | 6,3 |
IV-N | 17,1 | 22,5 | 22,7 | 22,6 | 9,9 | 5,2 |
II-D | 19,1 | 21 | 25,5 | 19,1 | 11,4 | 5 |
निवडणुका | 20,7 | 22 | 28,7 | 13,9 | 11 | 3,7 |
Podemos, उदाहरणार्थ, जानेवारीमध्ये 28,2 मतदानाचा हेतू होता आणि फेब्रुवारीमध्ये तो 27.7 वर घसरला, त्यामुळे Podemos साठी त्या कालावधीतील फरक दर (27,7-28,2)/1=-0,5 .21,5 पॉइंट/महिना होता. म्हणजेच, तो दरमहा अर्धा पॉइंट या दराने मतदानाचा हेतू गमावत होता. दुसरीकडे, आणि तुलनेसाठी, जुलैमध्ये प्रकाशित झालेल्या दोन सर्वेक्षणांमधील दोन आठवड्यात, Podemos 18,1 वरून 18,1 वर गेला, त्यामुळे तफावतीचा दर तेव्हा (21,5-0.5)/ 6.8=-XNUMX गुण/महिना होता (I कोणत्या अलौकिक घटना या कोसळण्याचे समर्थन करते हे माहित नाही).
बरं, या सर्व मासिक भिन्नता एकत्र करणे ही समस्या आहे: “sumarपॉडेमोस, C's, PSOE, PP... चे परिणाम सरासरी मूल्य मिळविण्यासाठी ज्याची तुलना 20-D वर घडलेल्या घटनेशी केली जाऊ शकते. आणि मी म्हणतो "sumarlas”, अवतरणांमध्ये, कारण स्पष्टपणे आपण ते करू शकत नाही: परिणाम शून्य असेल (काहींना काय फायदा होतो, इतर गमावतात). सुदैवाने, या "जागतिक" ची गणना करण्यासाठी किमान दोन भिन्न पद्धती आहेत.
1) क्लासिक: sumar प्रत्येक सामन्याच्या मासिक भिन्नतेची परिपूर्ण मूल्ये
2) एक थोडे अधिक "विदेशी": पायथागोरस लागू करा.
पहिल्या फॉर्मला "मॅनहॅटन अंतर", दुसरे "युक्लिडियन अंतर" असे म्हणतात. हे जाणून घेणे मनोरंजक आहे की दोन्ही पद्धती, जरी ते संख्यात्मकदृष्ट्या खूप भिन्न परिणाम देऊ शकतात, परंतु सांख्यिकीय आहेत अधिक किंवा कमी समतुल्य: दुसरा एकाच सामन्यातील अचानक बदलांसाठी अधिक संवेदनशील असतो. या प्रकरणात, आणि सापळा किंवा पुठ्ठा नाही हे स्पष्ट करण्यासाठी, गणना दोन्ही पद्धतींनी केली गेली आहे.
परिणाम
बरं, जेव्हा सर्व डेटा एक्सेल टेबलमध्ये ठेवला जातो, तेव्हा खालील गोष्टी प्राप्त होतात:
-मेट्रोस्कोपिया सर्वेक्षणासाठी जागतिक मतदानाच्या हेतूमध्ये सरासरी फरक (मॅनहॅटननुसार) 8,55 पॉइंट/महिना आहे. मानक विचलन 4.76 पॉइंट/महिना आहे
-मेट्रोस्कोपिया सर्वेक्षणासाठी जागतिक मतदानाच्या हेतूमध्ये सरासरी फरक (युक्लिडियन) 4,51 पॉइंट/महिना आहे. मानक विचलन 2,5 पॉइंट/महिना आहे
निष्कर्ष
चला मॅनहॅटन पद्धतीवर लक्ष केंद्रित करूया, जी अधिक अंतर्ज्ञानी आहे:
असे दिसून येते की जर आपण 20-D च्या जागतिक निकालाची तुलना नोव्हेंबरच्या शेवटी मेट्रोस्कोपियाने प्रकाशित केलेल्या निवडणूकपूर्व सर्वेक्षणाशी केली, तर आपल्याला ते फक्त एका महिन्यात मिळते आणि ते खरे आहे असे गृहीत धरून, संचित फरक सर्व पक्ष (विशेषतः C's आणि Podemos) देतात... तुम्ही बसलात का?
२८.५ गुण/महिना!!!.
म्हणजेच, जे प्रकाशित झाले ते खरे असेल तर, वर उल्लेख केलेल्या सर्वेक्षणातील डेटा गोळा केल्यापासून निवडणुका होईपर्यंत गेल्या 23-25 दिवसांत, ज्या वेगाने मतदानाचा हेतू बदलला. चौपट सामान्य किंबहुना, एकट्या C चे फरक, 11 पॉइंट/महिन्याच्या घसरणीसह, आधीच चार्टच्या बाहेर आहे.
बरं, हे किती विसंगत आहे हे पाहणे बाकी आहे. आणि त्यासाठी आम्ही मागील लेखात स्पष्ट केलेले समान निकष लागू करतो. विशेषत:, सरासरी पासूनचे विचलन प्रमाण विचलनाच्या तब्बल ४.२ पट आहे आणि याचा अर्थ असा की…
29/11/15 मेट्रोस्कोपिया सर्वेक्षणातील त्रुटी ही मोहिमेदरम्यान मतदानाच्या हेतूतील वास्तविक बदलांचा परिणाम असण्याची शक्यता आहे: 0.0027%. म्हणजेच 37000 पैकी एक.
जर आपण युक्लिडियन पद्धतीसाठी गणनेची पुनरावृत्ती केली, तर आपल्याला व्यावहारिकदृष्ट्या समान परिणाम प्राप्त होतो: संभाव्यता बाहेर वळते 0.0022%. म्हणजे, एक दरम्यान 45000: वरील गोष्टींशी पूर्णपणे सुसंगत.
हे खरे आहे की निवडणूक प्रचार हा "सामान्य" कालावधी नसतो आणि असे गृहीत धरले जाते की मत अधिक अचानक आणि "चिंताग्रस्त" पद्धतीने बदलण्याची प्रवृत्ती असते (जरी समाजशास्त्रीय अभ्यास आहेत जे याला नाकारतात, असे सांगतात की प्रभाव मतदार मोहीम जवळजवळ अस्तित्वात नाही). पण, या जबरदस्त संख्यांचा विरोध करण्यासाठी पुरेसे आहे? प्रत्येकाने स्वतःचे निष्कर्ष काढायचे हे मी सोडतो.
-
टीप: गणना करताना, अत्याधुनिक मेट्रोस्कोपिया निवडणूकपूर्व सर्वेक्षण टाकून दिले गेले आहे, जे मागील एकाच्या संदर्भात खूप अचानक आणि वेळेवर (चला मुत्सद्दी बनू) भिन्नता दर्शविण्याकरिता. तथापि, जर ते समाविष्ट केले असेल, तर संभाव्यता 1 मध्ये अंदाजे 200 होईल.
व्हिक्टोरिनो गार्सिया यांचा लेख.
तुझे मत
काही आहेत नियम टिप्पणी करण्यासाठी जर त्यांची पूर्तता झाली नाही, तर ते वेबसाइटवरून तात्काळ आणि कायमचे निष्कासित केले जातील.
EM त्याच्या वापरकर्त्यांच्या मतांसाठी जबाबदार नाही.
तुम्ही आमचे समर्थन करू इच्छिता? संरक्षक व्हा आणि पॅनेलवर विशेष प्रवेश मिळवा.