Вбросы на выборах подсчитаны!
"Интересным научно-теоретическим результатом является тот факт, что распределение фальшивых голосов подчиняется статистике Фреше (распределение экстремальной величины второго типа), которая, следовательно может применяться для анализа «шумных» выборов."
"...видно, что Гауссиан честных голосов «утыкается» в 30%, которые являются максимальной планкой честного голосования сторонников ЕдРо. Отсюда следует, что если на УИКе количество голосов превышает 30%, то с вероятностью 99% это свидетельствует о подтасовке результата (1% оставим на специфические случаи). То есть можно смело публиковать список этих УИК..."
В работе рассмотрен вопрос анализа результатов выбора в условиях «шума» - приписок голосов избирателей. Предложена микромодель и проведены симуляции процесса. Предложенная модель прекрасно показала себя при обработке данных парламентских выборов в России 4 декабря 2011 г. Показано, что «шум» хорошо отделяется от фона, что позволяет с большой точностью (менее 1%) получить реальные итоги голосования и получить количественную картину «шума», т.е. приписок.
"Интересным научно-теоретическим результатом является тот факт, что распределение фальшивых голосов подчиняется статистике Фреше (распределение экстремальной величины второго типа), которая, следовательно может применяться для анализа «шумных» выборов."
"...видно, что Гауссиан честных голосов «утыкается» в 30%, которые являются максимальной планкой честного голосования сторонников ЕдРо. Отсюда следует, что если на УИКе количество голосов превышает 30%, то с вероятностью 99% это свидетельствует о подтасовке результата (1% оставим на специфические случаи). То есть можно смело публиковать список этих УИК..."
В работе рассмотрен вопрос анализа результатов выбора в условиях «шума» - приписок голосов избирателей. Предложена микромодель и проведены симуляции процесса. Предложенная модель прекрасно показала себя при обработке данных парламентских выборов в России 4 декабря 2011 г. Показано, что «шум» хорошо отделяется от фона, что позволяет с большой точностью (менее 1%) получить реальные итоги голосования и получить количественную картину «шума», т.е. приписок.
Stuffing in the elections counted!
"An interesting scientific and theoretical result is the fact that the distribution of false votes is subject to Frechet statistics (distribution of extreme values of the second type), which, therefore, can be used to analyze" noisy "elections."
"... it is clear that Gaussian of honest votes" sticks "in 30%, which is the maximum level of fair voting for EdRo’s supporters. It follows that if on the PEC the number of votes exceeds 30%, then with a probability of 99% this indicates a juggling of the result ( 1% will be left for specific cases.) That is, you can safely publish a list of these PECs ... "
The paper deals with the issue of analyzing the results of the selection in the conditions of “noise” - the registration of votes. A micromodel is proposed and process simulations are performed. The proposed model showed itself perfectly when processing the data of the parliamentary elections in Russia on December 4, 2011. It is shown that the “noise” is well separated from the background, which allows to get real voting results with great accuracy (less than 1%) and get a quantitative picture of the “noise” those. postscript.
"An interesting scientific and theoretical result is the fact that the distribution of false votes is subject to Frechet statistics (distribution of extreme values of the second type), which, therefore, can be used to analyze" noisy "elections."
"... it is clear that Gaussian of honest votes" sticks "in 30%, which is the maximum level of fair voting for EdRo’s supporters. It follows that if on the PEC the number of votes exceeds 30%, then with a probability of 99% this indicates a juggling of the result ( 1% will be left for specific cases.) That is, you can safely publish a list of these PECs ... "
The paper deals with the issue of analyzing the results of the selection in the conditions of “noise” - the registration of votes. A micromodel is proposed and process simulations are performed. The proposed model showed itself perfectly when processing the data of the parliamentary elections in Russia on December 4, 2011. It is shown that the “noise” is well separated from the background, which allows to get real voting results with great accuracy (less than 1%) and get a quantitative picture of the “noise” those. postscript.
У записи 3 лайков,
1 репостов.
1 репостов.
Эту запись оставил(а) на своей стене Дмитрий Самсонов
