共和黨/民主黨分開來看。
總統票/議員票 的得票數做比值
把51個州都攤開來看
就可以知道哪些州比值特別異常（離群值）
把每個縣每個城市
也可以都攤開來看
也可以知道哪些縣 哪些城市特別異常（離群值）
再把最近40年 歷年的數據
依樣都攤開來比較
看看歷年有沒有離群值 離多少
到底有沒有異常
哪些城市 哪一些縣 有鬼 就更清楚了
我不是什麼統計學家
如果加上一些檢定方法
跑跑電腦更是清楚明白
很容易分析的吧
這跟作研究掰數據不太ㄧ樣
要作票就是要做到贏
偏偏時間很緊迫
作票絕對會留下斧鑿的痕跡
引述《Lorazin (Lorazin)》之銘言：
: 把所有的各種得票數
: 例年得票數
: 全部拿去做統計分析
: 找10個不同的數學統計專家
: 來分別做統計分析
: 大概10個專家都可以不約而同的告訴你
: 那些州甚至哪些縣異常
: 異常到什麼程度
: 若要人不知 除非己莫為
: 引述《Arim (億載金城武)》之銘言：
: : 有人說因為只反川普，不反共和黨，所以投給拜登的人不一定會投給民主黨
: : 但這沒有辦法解釋為什麼這種情況只出現在關鍵的搖擺州，這完全不符合統計學
: : 我是頃向一定有舞弊啦，拜登之前造勢的時侯都不小心講出來了，只是要搜集足以翻
盤
: 的
: :

今年有疫情算不算異常 郵寄選票特別多算不算異常有離群值不代表作假 我跑統計常常感嘆資料不夠好

各州之間還有參考價值，但歷史數據一點屁用都沒有，今年本來就是異常年，川普也異於常人

不能說歷史的都沒用，參數可以調越久遠比重越低，或者參考戰爭時期投票率也是偏高

資料科學家是從資料去分析探索 不是去質疑資料一份資料分布不均或太均勻 通常要用PCA降維 或群集分析得到新FEATURE(X) 再去做監督式學習 或者迴歸統計是要解決爛DATA的處理 不是弄個平均數或話長條圖就說DATA有問題你用著名的鳶尾花IRIS做機器學習 一定能得到95%準確率

離群值的判斷是啥？95%信賴區間的話，51個州輕易就出現兩個以上的離群值了

這是因為鳶尾花DATA很棒 其他資料準確率不到70% 所以就是有問題的DATA不可信 那統計學家做統計靠偏見

檢定本來就是機率的結果，所以要就用更嚴格的p值檢定，或者，在這次可以後驗的案子裡，把離群值拿出來檢查，專家們會有辦法的，但要拿來當浮木我覺得太早此時此刻至少幾百個統計學家在跑這些數據，你這些無謂的擔心...純粹覺得喊燒的人很有趣所以你不知道離群值要怎麼定義喔，那，我建議你洗洗睡我覺得這幾天粗淺的idea夠多夠粗淺了，早點休息吧你的第一段話，一句分裂投票就打爆你了，夠不夠粗淺丁丁敗訴的主因就是不可能用匿名投票的數據證實「棄保」的發生，再來也無法證實「棄保」違反選民意願

我們的意見看法一致 我數據跑法跟你一樣 結果就抓到了只不過對於只會跟風喊燒的 它們不會看也看不懂不用五十一州 抓幾個重點州就能看出來端倪了