※ 引述《mars1985 (╰|∵|╯)》之铭言：
:
: 【记者施智龄／台北报导】总统大选登记截止日倒数3天，国民党总统参选人侯友宜今天
: 下午亲上火线，对民众党总统参选人柯文哲喊话明天再协商，找民调专家2对2讨论先前的
: 9份民调，并全程公开直播，决定谁正谁副。柯文哲傍晚回应，明天早上再开记者会处理
: ，如果统计专家都看过了，科学就是科学，统计资料怎么可能多卢两次结果变不一样？
:
: : 柯文哲说，能够在野整合当然尽量整合，所以我们也一样，释出善意处理，明天上午再开
: 记者会。除非我们第一次的统计专家不入流，不然怎么可能上一次统计不行这次统计就可
: 以？
:
: 是否拒绝明天比民调？柯文哲说稍安勿躁，明天再开记者会说明，“你们(记者)已经很辛
: 苦了”。
:
虽然统计学早已经下课
但看了各种分析
老实说都太复杂
甚至有的根本是胡扯
我看的头好痛
如果蓝白还要卢第二次
就提供我的想法给还有兴趣的人参考吧
两母体比率差之检定就三类
第一类是独立样本且为大样本
则样本变量符合常态分配
可用信赖区间检定、Z检定、p-value检定
此类应该也是大部分人在讨论的
第二类是独立样本且为小样本
可用齐一性检定
第三类是配对样本
可用McNemar检定
以汇流的民调为例
由于没有原始资料
故依公布的数据推测
该民调在信赖水准为95%（1-α）的情况下
抽取样本数(n)为2046份
研判每份抽样问卷有两个问题
问题一：
若柯侯 vs. 赖萧，你支持哪组候选人？
1.柯侯 2.赖萧 3.无意见
问题二：
若侯柯 vs. 赖萧，你支持哪组候选人？
1.侯柯 2.赖萧 3.无意见
若依此问卷形式，则为配对样本
检定应采第三类的McNemar检定
而非第一、二类形式
将数据汇整如下
https://imgur.com/dckNODH
再整理如下
https://imgur.com/eN4FaaA
令随机变量Xi为表中该情况下的人数
pi = xi / n
i=1,2,3,4
xi需有原始资料才能得知
关于蓝白协议的第三点：
双方同意，若超过统计误差，由胜者得一点；若在统计误差范围内，由侯柯配得一点。
我不明白这段话为何会有争议
文字隐含的统计意义
只要稍有统计基础的人都能明白意思
我在此略过文字背后的统计讲解
用白话翻译就是
双方同意，若柯侯vs.侯柯的样本支持度〔有显著差异〕
由样本支持度较高者得一点
若〔没有显著差异〕，由侯柯得一点
（即使柯侯的样本支持度大于侯柯，
只要没有显著差异，就算侯柯赢）
（上述是双尾检定）
另外，虽然协议书没写
但柯曾说过要让侯3%
很多人在争论3%到底是什么
甚至延伸成1.5%、6%
其实跟统计误差无关
我之前发文有谈过，就不赘述
将3%放入协议书
用白话翻译就是
双方同意，若柯侯的样本支持度〔有显著大于〕侯柯3%
由柯侯得一点
若柯侯的样本支持度〔没有显著大于〕侯柯3%，
由侯柯得一点
（即使柯侯的样本支持度大于侯柯3%，
只要没有显著大于3%，就算侯柯赢）
（上述是单尾检定）
基于大众普遍认为柯要让侯3%
所以采用单尾检定
虚无假设H0：P2 - P3 <= 0.03
对立假设H1：P2 - P3 > 0.03
拒绝域：C = ｛Z | Z > 1.96｝
Z =（x2 - x3 - 0.03n）/ 开根号〔x2 + x3 - n（0.03）^2〕
=（x2 - x3 - 0.03*2046）/ 开根号〔x2 + x3 - 2046*（0.03）^2〕
（省略推导的过程，有兴趣可google McNemar）
结论：
若Z > 1.96，则拒绝H0
表示柯侯的支持度显著大于侯柯的支持度3%
柯侯得一点
若Z <= 1.96，则不拒绝H0
表示柯侯的支持度没有显著大于侯柯的支持度3%
侯柯得一点
总结：
由原始资料算出x2、x3
带入公式求得Z，即可推估谁的支持度较高
与其花时间吵一些不是统计的统计
不如用一点时间把数字代入来验证
毕竟我把整个检定过程都给了
照抄并不难吧
或是如乡民所言
重点不是统计
而是政治？