※ 引述《lono (lono)》之銘言： : 支持侯柯配的受訪者人數=X+A : 支持柯侯配的受訪者人數=X+B : X是同時支持侯柯配和柯侯配的人數 : A只支持侯柯 : B只支持柯侯 : 國民黨說侯友宜的民調被低估3% : 那我們調升3% : 支持侯柯配的受訪者人數=（X+A）*1.03 : 國民黨說柯文哲的民調被高估3% : 那我們調降3% : 支持柯侯配的受訪者人數=（X+B）*0.97 : 問題來了 : 同時支持侯柯配和柯侯配的人數到底是多少？ : 是X*1.03 : 還是X*0.97？ : 不可能「同時支持侯柯配和柯侯配的人數」 : 既被高估也被低估 : 這就是6%算法的問題 : 國民黨說侯友宜的民調被低估3% : 調高3%的同時 : 支持柯侯配的受訪者人數=X*1.03+B : 也要跟著一起調高 : 除非X=0 : 如果X剛好佔了一半 : 那國民黨把侯柯配調高3% : 那柯文哲的支持度也會跟著上升1.5% : 所以不存在侯+3%柯-3%的情況 : 這就是1.5%的由來 : 實際X是多少，民調公司沒有公開 : 6%算法是假設X=0才有可能出現的情況 : 3%=1.5%*2的算法是假設X剛好佔一半的人數 : 0%的算法假設柯侯、侯柯完全重疊，那侯柯調升10%，柯侯也要跟著調升10%，不存在一個 : 高估一個低估的可能性 err........睡飽起來翻一下書 發現這種實驗設計用mcnemar test就能搞定 仔細想想 這種追蹤實驗怎麼可能沒有 不過連我們這些猴子都知道怎麼處理 藍白兩黨這麼多專家應該不會不知道吧 -- ※ 發信站: 批踢踢實業坊(ptt.cc), 來自: 114.25.128.243 (臺灣) ※ 文章網址: https://www.ptt.cc/bbs/HatePolitics/M.1700362120.A.454.html