共和党/民主党分开来看。
总统票/议员票 的得票数做比值
把51个州都摊开来看
就可以知道哪些州比值特别异常（离群值）
把每个县每个城市
也可以都摊开来看
也可以知道哪些县 哪些城市特别异常（离群值）
再把最近40年 历年的数据
依样都摊开来比较
看看历年有没有离群值 离多少
到底有没有异常
哪些城市 哪一些县 有鬼 就更清楚了
我不是什么统计学家
如果加上一些检定方法
跑跑电脑更是清楚明白
很容易分析的吧
这跟作研究掰数据不太ㄧ样
要作票就是要做到赢
偏偏时间很紧迫
作票绝对会留下斧凿的痕迹
引述《Lorazin (Lorazin)》之铭言：
: 把所有的各种得票数
: 例年得票数
: 全部拿去做统计分析
: 找10个不同的数学统计专家
: 来分别做统计分析
: 大概10个专家都可以不约而同的告诉你
: 那些州甚至哪些县异常
: 异常到什么程度
: 若要人不知 除非己莫为
: 引述《Arim (亿载金城武)》之铭言：
: : 有人说因为只反川普，不反共和党，所以投给拜登的人不一定会投给民主党
: : 但这没有办法解释为什么这种情况只出现在关键的摇摆州，这完全不符合统计学
: : 我是顷向一定有舞弊啦，拜登之前造势的时侯都不小心讲出来了，只是要搜集足以翻
盘
: 的
: :

今年有疫情算不算异常 邮寄选票特别多算不算异常有离群值不代表作假 我跑统计常常感叹资料不够好

各州之间还有参考价值，但历史数据一点屁用都没有，今年本来就是异常年，川普也异于常人

不能说历史的都没用，参数可以调越久远比重越低，或者参考战争时期投票率也是偏高

资料科学家是从资料去分析探索 不是去质疑资料一份资料分布不均或太均匀 通常要用PCA降维 或群集分析得到新FEATURE(X) 再去做监督式学习 或者回归统计是要解决烂DATA的处理 不是弄个平均数或话长条图就说DATA有问题你用著名的鸢尾花IRIS做机器学习 一定能得到95%准确率

离群值的判断是啥？95%信赖区间的话，51个州轻易就出现两个以上的离群值了

这是因为鸢尾花DATA很棒 其他资料准确率不到70% 所以就是有问题的DATA不可信 那统计学家做统计靠偏见

检定本来就是机率的结果，所以要就用更严格的p值检定，或者，在这次可以后验的案子里，把离群值拿出来检查，专家们会有办法的，但要拿来当浮木我觉得太早此时此刻至少几百个统计学家在跑这些数据，你这些无谓的担心...纯粹觉得喊烧的人很有趣所以你不知道离群值要怎么定义喔，那，我建议你洗洗睡我觉得这几天粗浅的idea够多够粗浅了，早点休息吧你的第一段话，一句分裂投票就打爆你了，够不够粗浅丁丁败诉的主因就是不可能用匿名投票的数据证实“弃保”的发生，再来也无法证实“弃保”违反选民意愿

我们的意见看法一致 我数据跑法跟你一样 结果就抓到了只不过对于只会跟风喊烧的 它们不会看也看不懂不用五十一州 抓几个重点州就能看出来端倪了