Suurten lukujen laki vaalistatistiikalle

Opasnet Suomista
Versio hetkellä 27. joulukuuta 2011 kello 17.13 – tehnyt Smxb (keskustelu | muokkaukset) (→‎Gaussinen jakauma raja-arvona)
Siirry navigaatioon Siirry hakuun




Gaussinen jakauma raja-arvona

Tässä kappaleessa perustellaan Gaussisen jakautuman käyttöä vaalidatan aktiivisuus- ja kannatausprosenttijakautumien sovituksessa.


  • <math> P_N(Y) = \frac{1}{ \pi \langle x^2 \rangle }\, \exp\left( -\frac{Y^2}{2 \langle x^2 \rangle} + \frac{1}{\sqrt{N}} [\ldots] \right) </math> ja <math> Y \equiv (x_1 + x_2 + \ldots + x_N)/\sqrt{N} </math> [1]. Hakasuluissa oleva lauseke riippuu jakatuman <math> p(x) </math> korkeammista kuin toisesta momentista. Se on lisäksi epäuniversaali siinä mielessä että kertoimet riippuvat satunnaisprosessin yksityiskohdista. Teoreema pätee riittävän heikosti korreloituneille satunnaismuuttujille.
  • korreloimattomuus ei implikoi riippumattomuutta mutta päinvastainen pitää paikkansa [2].
  • Neljäkin konvoluutiota riittää tuottamaan aproksimatiivisesti Bellin käyrän muodon ei-gaussiselle muuttujalle [2]
  • <math> \varphi_Y(t) = 1 - t^2/2 + o(t^2), \quad t \rightarrow 0 </math> satunnaismuuttujan karakteristiselle funktiolle kun keskiarvo on siirretty nollaan [2].
  • joint probability concisely expressed in terms of the conditional distribution (chain rule of probability [3] for hidden variables)
  • Multinomial distribution (continuous analogue is multivariate normal distribution) [4]
  • Election fraud investigation in US electronic polling (partywise data comparison and Gaussian distribution of support) [5]
  • Gaussianity of support in Malaysia 2008 compared with Singapore 2006 showing that even in a fair election the won seats a 50%-50% result split between opposition and governing parties may result in a massively non-balanced distribution of seats in the parliament [6]
  • Skenwness [7] (actual numbers and the skewness of the distribution demonstrated)
  • Marginal distribution (hidden var.) [8]

Katso myös


Viitteet