Valgkampens og valgets matematik

Slides:



Advertisements
Lignende præsentationer
Valg med Excel Fordelingsmetoder med Excel
Advertisements

Søkortet, bredde- og længdegrader, positioner
Overskrift her Navn på oplægsholder Navn på KU- enhed For at ændre ”Enhedens navn” og ”Sted og dato”: Klik i menulinjen, vælg ”Indsæt” > ”Sidehoved / Sidefod”.
Analyse af regionale beskæftigelses- og ledighedsmønstre Seminar om udligningsarbejdet.
A&B ANALYSEs Danmarkspanel - Foreningen ”Odinstårnet” -
Hypotese test – kapitel 6 (Signifikans test)
Repræsentativitet Opsamling fra sidst Repræsentativitet (χ2-test)
Anvendt Statistik Lektion 3
Vælgerne og danske EP-valg
Repræsentativitet Sandsynligheden for at få krone ved kast med en mønt
Statistik Lektion 6 Konfidensinterval for varians Hypoteseteori
Anvendt Statistik Lektion 4
Statistik Lektion 4 Kovarians og korrelation Mere om normalfordelingen
Boligselskabernes Landsforening – Danmarkspanel - Januar A&B ANALYSEs Danmarkspanel - Boligselskabernes Landsforening - Januar 2010.
Anvendt Statistik Lektion 6
Anvendt Statistik Lektion 2
KM2: F221 Kvantitative metoder 2 Specifikation og dataproblemer 2. maj 2007.
Anvendt Statistik Lektion 5
Sammenligning af to grupper
Sammenligning af to grupper – kapitel 7
Kvantitativ metode del 1 Gymnasielærer-kursus forår 2007 Aalborg Universitet Population, stikprøve og signifikans Mandag den 19. marts, kl ved.
PARTIERNES STRUKTUR, VALG TIL FOLKETING & REGERINGEN
Statistik Lektion 4 Kovarians og korrelation Mere om normalfordelingen
Anvendt Statistik Lektion 3
Anvendt Statistik Lektion 6
Økonometri 1: Specifikation og dataproblemer1 Økonometri 1 Specifikation, og dataproblemer 4. november 2005.
Valgsystemer (til holdundervisningen i uge 9 v/ Peter Nedergaard)
Statistik og kvantitativ metode Politik & Administration og Samfundsfag 3. semester 2007 Lektion 5, tirsdag den 23. oktober Punkt- og intervalestimering.
Opslagsfelter (Access, del 6). RHS – Informationsteknologi 2 Udgangspunkt Vi er ofte i den situation, at valg af en type for et felt ikke begrænser vores.
Statistik Lektion 5 Log-lineære modeller.
Anvendt Statistik Lektion 2
Statistik Lektion 6 Konfidensinterval for andele og varians
Signifikanstest ved (en eller) to stikprøver
Kapitel 5 Folketing og vælgere. Krav Støtte OMGIVELSER: Økonomisk udvikling Globalisering Økologiske systemer Migrationer Politiske partier FOLKE- TINGET.
Statistik II 5. Lektion Log-lineære modeller.
Statistik Lektion 7 Hypotesetest og kritiske værdier
Statistik Lektion 7 Hypotesetest og kritiske værdier
Vælgervandringer og de personlige stemmers betydning Søren Risbjerg Thomsen
Grundlæggende teoretisk statistik
Politik i teori og praksis 1
Økonometri 1: F121 Økonometri 1 Heteroskedasticitet 27. oktober 2006.
Hypotesetest Hypotesetest og kritiske værdier Type 1 og Type 2 fejl
Multipel Lineær Regression
1 Design, analyse og verifikation. 2 Design Bevisteknikker Design ved hjælp at matematisk induktion Analyse O-notation Logaritmer Binær søgning Verifikation.
Statistik Lektion 7 Hypotesetest og kritiske værdier
Kombinatorik, sandsynlighed og statistik
Økonometri 1: Specifikation og dataproblemer1 Økonometri 1 Specifikation, og dataproblemer 9. november 2004.
Økonometri – lektion 8 Multipel Lineær Regression
Kvantitative metoder 2: Den multiple regressionsmodel1 Kvantitative metoder 2 Den multiple regressionsmodel 5. marts 2007.
Økonometri 1: Dummy variable1 Økonometri 1 Dummy variable 24. marts 2003.
Simpel Lineær Regression
Kvantitative metoder 2: Den multiple regressionsmodel1 Kvantitative metoder 2 Den multiple regressionsmodel 26. februar 2007.
Økonometri 1: Inferens i den multiple regressionsmodel1 Økonometri 1 Inferens i den multiple regressionsmodel 10. marts 2003.
Side Grundlæggende teoretisk statistik Hypotesetest: Test i 2 populationer.
Grundlæggende teoretisk statistik
Økonometri 1: F151 Økonometri 1 Specifikation og dataproblemer 10. november 2006.
Grundlæggende teoretisk statistik
Økonometri 1: Den multiple regressionsmodel1 Økonometri 1 Den multiple regressionsmodel 15. februar 2006.
Økonometri 1: Heteroskedasticitet1 Økonometri 1 Heteroskedasticitet 31. marts 2003.
Økonometri 1: Den simple regressionsmodel Økonometri 1 Den simple regressionsmodel 7. september 2004.
Normalfordelingen og Stikprøvefordelinger
Statistik II 4. Lektion Logistisk regression.
KM2: F41 Kvantitative metoder 2 Den simple regressionsmodel 14. februar 2007.
Politiske partier Jan Christiansen Sosufyn
Anvendt Statistik Lektion 4
Statistik niveau E og F Lars A. Clark.
Anvendt Statistik Lektion 6
Anvendt Statistik Lektion 3
Det regionale område Udviklingen i fordelingen af ansatte, årsværk og lønsum, 4. kvartal 2008 til 4. kvartal 2018 Kilde: Egne udtræk fra KRL.
Præsentationens transcript:

Valgkampens og valgets matematik Ungdommens Naturvidenskabelige Forening: Valgkampens og valgets matematik Rune Stubager, ph.d., lektor, Institut for Statskundskab, Aarhus Universitet

Disposition Meningsmålinger Valgsystemet Hvorfor kan vi stole på dem? Hvad er usikkerheden? Et eksempel Valgsystemet Hvordan bliver stemmer til mandater?

1 Meningsmålinger Problemet: Svaret: En normal meningsmåling består som regel af ca. 1000 personer, som er blevet stillet ét eller flere spørgsmål – fx hvilket parti, de vil stemme på ved valget. Hvordan kan vi overhovedet sige noget om hele befolkningen ud fra kun 1000 personer? Svaret: Sandsynlighedsteori

1.1 Notation Et eksempel: Epinion giver S 29,3% af stemmerne = en andel på 0,293 Men hvad er S stemmeandel i hele kommunens befolkningen? π = Andelen i hele befolkningen (populationsparameteren) = Stikprøvens estimat af andelen i befolkningen n = Stikprøvens størrelse

1.2 Det sandsynlighedsteoretiske grundlag Andelen i en given stikprøve er et stikprøvemål – dvs. noget der er beregnet på baggrund af en stikprøve Hvis man udtager mange stikprøver og beregner det samme mål, vil der være en vis variation i dem Man kan derfor vise dem i et stolpediagram, hvor hver stolpe viser, hvor mange stikprøver, der har fået en given værdi for målet Den fordeling, der herved fremkommer, kaldes stikprøvemålsfordelingen – og det er den vi er interesserede i

1.2 Den centrale grænseværdisætning Hvis stikprøven er udtrukket simpelt tilfældigt, gælder det, at: Når n er tilstrækkelig stor, vil fordeling – uanset fordelingen i populationen – være omtrent normalfordelt med gennemsnit π og standardafvigelse (kaldes standardfejl)

1.2 Den centrale grænseværdisætning Simulation http://www.vias.org/simulations/simusoft_cenlimit.html Og hvad kan vi så bruge det til? Vi kender ikke π, men vi ved, at når stikprøven er udtaget tilfældigt, så gælder CGS, og så følger stikprøvefordelingen normalfordelingen For normalfordelinger kan det vises, at 95% af fordelingen ligger inden for en afstand på ± 1,96 gange standardfejlen af gennemsnittet

1.2 Normalfordelingen 95% 2,5% 2,5% π

1.3 Konfidensintervaller Vores fordeling er en fordeling af stikprøvemål for andelen π Dvs. hvis vi for hver stikprøve laver et interval på ± 1,96 gange standardfejlen rundt om estimatet af π, så vil det indeholde π i 95% af de gange, vi udtrækker en stikprøve For den enkelte stikprøve siger man, at intervallet indeholder π med 95% konfidens (= sikkerhed) Intervallet kaldes således et konfidensinterval og viser altså de værdier, hvor indenfor det er rimeligt sandsynligt, at π falder

1.3 Princippet bag et 95% konfidensinterval for andelen 2,5% 2,5% π

1.3 En lille detalje Beregning af standardfejlen forudsætter kendskab til π: I praksis estimeres denne dog ud fra stikprøven, så standardfejlen beregnes som

1.4 Konfidensinterval for andele: Definition Et 95% konfidensinterval for π er defineret som Vi opstiller altså et interval, hvori π befinder sig med 95% konfidens Gælder som udgangspunkt kun for n>30 og 0,3 < π < 0,7

1.4 Definition (forts.) Generelt: n skal overstige 30 For π < 0,3 eller π > 0,7: Stikprøvemålsfordelingen skæv  skærpet krav til n: Der skal mindst være 10 observationer både i den kategori vi måler andelen for – og i resten af gruppen – fx skal mindst 10 respondenter ville stemme på S og mindst 10 respondenter på alle andre partier til sammen

1.5 Et eksempel Fx: Rambøll i JP Århus i søndags: Estimat: Andel S-vælgere = 0,293, n=1008 Et 95% konfidensinterval for andelen af S-vælgere:

1.6 Faktorer, der påvirker bredden af konfidensintervaller Formlen igen: Bredden påvirkes af to faktorer: Tallet, der ganges med Standardfejlen

1.6.1 Tallet, der ganges med Afgøres af konfidensniveauet Kan principielt fastsættes, som man vil Dvs. under vores kontrol Konventionelt 95% eller 99% Jo højere, jo større tal, og dermed jo bredere konfidensinterval Mao.: Jo mere sikker man vil være, jo flere værdier er mulige, og jo mindre præcist kan vi udtale os

1.6.2 Standardfejlen Formlen igen: To elementer heri: Den estimerede populationsstandardafvigelse n

1.6.2.1 Standardafvigelsen Populationsparameter  kan ikke ændres Estimeres fra stikprøven Formlen igen:

1.6.2.2 n Under vores kontrol! Da , kræver dobbelt præcision (dvs. halv bredde på intervallet = halvering af standardfejlen) 4-dobbelt n (for et givet konfidensniveau):

1.6.2.3 Eksemplet igen 4-dobling af antallet af respondenter i Epinionmålingen: 1008  4032 95% konfidensinterval for S-andelen: Dvs. ca. et spænd på 0,028 (= halvdelen af første interval)

1.7 Onsdagens Epinion – nu med usikkerhed Parti Stemmeandel i % Usikkerhed Socialdemokr. 29,3 ±2,8 Radikale 6,3 ±1,5 Konservative 5,1 ±1,4 SF 11,6 ±2,0 Liberal Alliance 4,3 ±1,3 KD 0,7 ±0,5 DF 12,9 ±2,1 Venstre 23,4 ±2,6 Enhedslisten 6,4

2 Valgsystemet 2 bærende principper bag det danske valgsystem: Partierne skal have nogenlunde lige så stor en andel af mandaterne i Folketinget, som de har fået stemmer på landsplan (proportionalitet) De enkelte folketingsmedlemmer skal have en lokal base – de skal være knyttet til et bestemt geografisk sted

2 Valgsystemet Geografi – 3 niveauer: 2 typer af mandater: 3 landsdele: Hovedstaden, Sjælland-Syddanmark og Midtjylland-Nordjylland 10 storkredse: Københavns (15), Københavns Omegns (12), Nordsjællands (10) og Bornholms (2); Sjællands (20), Fyns (12) og Sydjyllands (18); Østjyllands (18), Vestjyllands (13) og Nordjyllands (15) Storkredse 92 opstillingskredse 2 typer af mandater: 135 Kredsmandater: Bundet til en bestemt storkreds 40 Tillægsmandater: Bruges til udjævning – bundet til en bestemt landsdel (10, 16, 14)

2 Valgsystemet Mandatfordelingen foregår i 6 trin: Fordeling af kredsmandater, efter d’Hondts divisorrække Kontrol af spærregrænsepassage Overordnede nationale fordeling af mandater, efter største brøks metode Tillægsmandater fordeles på partier inden for landsdelene, efter Sainte-Laguës divisorrække Tillægsmandater fordeles på partier inden for storkredsene, efter danske divisorrække Fordeling af mandater på personer

2 Valgsystemet 1 Fordeling af kredsmandater: Inden for hver storkreds divideres alle partiernes stemmetal med tallene 1, 2, 3, 4 osv., og kredsmandaterne fordeles til de højeste kvotienter 2 Kontrol af passage af spærregrænsen: = adgang til tillægsmandater 3 regler: Enten… Mindst et kredsmandat I to af tre landsdele mindst lige så mange stemmer som gennemsnitlige antal gyldige stemmer pr. kredsmandat 2% af de afgivne stemmer på landsplan

2 Valgsystemet 3 Overordnede nationale mandatfordeling: Stemmetallene for de partier, der er over spærregrænsen lægges sammen og divideres med antal mandater til fordeling (oftest alle 175) Det herved fremkomne tal (19593,47 i 2007) divideres så op i alle partiernes stemmetal De herved fremkomne hele tal angiver antal mandater til hvert parti Hvis der er mandater til overs, fordeles de til partierne efter størrelsen af decimalbrøkerne

2 Valgsystemet 4 Tillægsmandaternes fordeling I – På partier inden for landsdelene: Partiernes stemmetal i hver landsdel divideres med tallene 1, 3, 5, 7 osv. Der ses så bort fra lige så mange kvotienter, som partierne har opnået kredsmandater Blandt de resterende kvotienter fordeles tillægsmandaterne, indtil hver landsdel og hvert parti har fået opfyldt deres kvoter

2 Valgsystemet 5 Tillægsmandaternes fordeling II – På partier inden for storkredsene: Partierne stemmetal i hver storkreds divideres med tallene 1, 4, 7, 10 osv. Der ses så bort fra lige så mange kvotienter, som partierne har opnået kredsmandater Blandt de resterende kvotienter fordeles tillægsmandaterne, indtil hvert parti har fået opfyldt sin kvote i den pågældende landsdel

2 Valgsystemet 6 Fordeling af mandater på personer: Afhænger af opstillingsformen: Sideordnet (m/u nominering) Kredsvis (Kredsvis med) Partiliste Sideordnet: Hver kandidat får i hver kreds egne personlige stemmer + en andel af partistemmerne i kredsen, som svarer til deres andel af de personlige stemmer i kredsen. Mandaterne fordeles i rækkefølgen efter disse stemmetal Partiliste: Mandaterne fordeles efter rækkefølgen på listen – med mindre en kandidat ’sprænger listen’ og får flere stemmer end fordelingstallet (partiets samlede stemmetal i kredsen/antal mandater+1) – så er man valgt umiddelbart