강용석, 선거구 244개 투표 7% 부정!!! 미 Mebane 교수

https://youtu.be/m4BcfUcGVXM

인싸뉴스는 기사 읽어 주는거라

포스팅을 안하는데 오늘은

주제가 끌렸음;;

 

https://moneys.mt.co.kr/news/mwView.php?no=2020042807288080480

오거돈, 성추행 후 "서울시의회로 전보시켜 줄게" - 머니S

안그래도 여성 단체나 시민 단체 너무 조용하다 싶었는데?

고발 했군요

가세연이랑 엮인 사건이 수면위로 올라온거 같네요

 

좋타~

 

부산에서 서울시로 점프되고... ㅅㅂ;;?

 

http://www.fntoday.co.kr/news/articleView.html?idxno=215395

'사전투표 보정값?' 민주당 163석 쪽집게 예측..이근형 위원장 자료공개 파장 - 파이낸스투데이

사전투표 보정값?

이근형과 박시형은

이미 알고 있었단 의미 일까요?

 

와세다대학교 정치경제학부 부교수 정훈 이란 분이 가세연에

제보한 이메일이라는 군요?

 

월터 매베인 교수가 선거 관련 교수 인가 보네요?

미시간 앤아버 교수 라네요

 

선거 부정은 사전투표에서 많이 일어나는군요?

훔.. 앞으로 사전투표 하면 안될듯 ㅜㅜ

 

7% 라는게 이근형이 말하던 사전투표 보정값?을 의미 하는걸까요?

훔...

 

오늘은 영어가 많아 머리가 아파오네요 후;;

 

정훈 부교수와 월터 매버인 교수의 이메일 주고 받은 내용이라는군요?

관심 있으신분은 보면 될거 같아요~

 

아래 번역은 네이버 파파고를 이용한거라

정확도는 보장 하지 않으니

참고로만 봐주세요

아마 가세연에서 번역해서 다시 방송할듯?

 

Hun Thanks for the update. Saturday l started work on the data in the sqlite file (n= 19072). 

By now understand the data a bit more ( or re about this later), and I have versions estimated using eforensics that 

l think are good. The estimates show there are of frauds, according to the model's notion frauds. 

Examples of overall fraud probability parameter estimates from a specification that allows fraudulent votes to 

benefit only the Democratic party while also including constituency fixed effects (not shown):
(훈, 업데이트해 주셔서 감사합니다. 토요일 저는 sqlite 파일의 데이터 작업을 시작했습니다(n= 19072). 이제 데이터를 좀 더 이해하거나 나중에 다시 살펴보도록 하겠습니다. 그리고 저는 좋다고 생각되는 유전학을 사용하여 추정된 버전을 가지고 있습니다. 모델의 개념에 따르면 추정치에 따르면 부정행위가 있는 것으로 나타났습니다. 전체 부정선거 확률 모수 추정의 예는 부정투표가 민주당에만 혜택을 주는 동시에 선거구 고정 효과(표시되지 않음)도 포함할 수 있는 규격에서 다음과 같습니다.)

 Parameter estimates from a specification that allows fraudulent votes to benefit only the party that wins in each 

constituency, while also including constituency fixed effects (not shown):

부정투표가 각 선거구에서 승리한 정당에게만 혜택을 주는 동시에 선거구 고정효과(표시되지 않음)를 포함하는 규격의 모수 추정치는 다음과 같습니다.

About sever percent of observations are classified as fraudulent. See the attached show tab txt file for a 

few more parameters describing baseline effects on turnout and vote choice of prevote, postal, 

abroad and disabled ship indicators these coefficients match plots l made and confirm the reports you supplied) 

The model cannot explain why prevote patterns of support for parties differ from election day. 

The specification takes that difference into account (prevote coefficients) 

The frauds the model identifies are over and above that difference.
(관측치의 약 1/4%가 부정 행위로 분류됩니다. 첨부된 쇼 탭 txt 파일을 참조하면 투표율 및 사전 투표, 우편, 해외 및 비활성 선박 지표에 대한 기준선 효과를 설명하는 몇 가지 파라미터가 나와 이 계수와 일치하는 그림을 보고 제공된 보고서를 확인합니다. 모델은 정당에 대한 지지 패턴이 선거일과 다른 이유를 설명할 수 없습니다. 규격은 이러한 차이를 고려합니다(이전 계수). 모델이 식별하는 부정행위는 그 차이점 이상입니다.)

I'm now running brograms to calculate the number of fraudulent votes identified by the models. I'm not that sure how long will take to run. The program is now using 323GB of RAM on a machine that has only 256GB of physical RAM so swap space is being used down. It which slows things may be 12 hours or more before fraud numbers are calculated for one of the models. and there are two specifications to do. Note that expanded the CC list to include my collaborators on eforensics and a student who is currently doing a relevant independent study with me I'll report more when have It. 
저는 지금 모델들이 식별한 부정 투표 수를 계산하기 위해 브로그램을 운영하고 있습니다. 달리는데 얼마나 걸릴지 잘 모르겠어요. 이 프로그램은 256GB의 물리적 RAM만 있는 시스템에서 323GB의 RAM을 사용하므로 스왑 공간을 사용하는 중입니다. 모델 중 하나에 대해 부정 행위 번호가 계산되기까지 12시간 이상 걸릴 수 있으며, 두 가지 사양이 있습니다. 참고: CC 목록을 확장하여 선행학 관련 공동 연구자 및 현재 저와 함께 관련 독립 연구를 진행 중인 학생도 포함하도록 합니다.

Hun. Feel free to share, but olease advise all that this is work in progress. 

That about seven percent of observed aggregation units are fraudulent according to eforensics does 

not mean that seven percent of the votes either overall or in any particular constituency are fraudulent. 

The program that's now running will calculate how many votes are fraudulent at each aggregation unit, 

from which overall and constituency tallies of fraudulent votes may be calculated Also note that "fraud" 

according to the model does not necessarily mean malfeasant actions in real life 

Research continues to pin down exactly what the frauds estimates imply about voters and others behavior

훈. 자유롭게 공유해 주세요. 하지만 이 모든 것이 진행 중인 작업이라고 조언해 주세요. 관측된 집계 단위의 약 7%가 유례에 따라 사기성이 있다고 해서 전체 또는 특정 선거구에서 7%가 사기성이 있는 것은 아닙니다. 현재 실행 중인 프로그램은 각 집계 단위에서 얼마나 많은 표가 부정 투표인지 계산할 것입니다. 여기서 부정 투표의 전체 및 선거구 집계를 계산할 수 있습니다. 또한 모델에 따라 "사기"가 반드시 실제 삶에서 부정 행위 행위를 의미하는 것은 아닙니다. 조사에서는 부정 투표의 추정치를 정확히 파악하고 있습니다.테스는 유권자와 다른 사람들의 행동에 대해 암시합니다.

Hun, The program completed that was calculating fraudulent vote numbers for the specification 

that allows fraudulent votes to benefit only the party that wins in each constituency, with constituency fixed effects. 

The r output file is attached By tomorrow after the other specification's program finishes, 

put together a brief report. Sorry but for now the raw program output will have to suffice. The classification 

of aggregation units as fraudulent or not breaks down as follows (328 abroad office observations are omitted):
(훈, 각 선거구에서 당선된 정당에게만 부정투표가 혜택을 줄 수 있는 명세서에 대해 부정투표 번호를 계산하는 프로그램을 완료했습니다. 다른 사양의 프로그램이 끝나면 내일까지 r 출력 파일을 첨부하여 간략한 보고서를 작성해 주세요. 죄송합니다. 지금은 원시 프로그램 출력만으로 충분합니다. 집계 단위를 사기 또는 분해하지 않는 것으로 분류하는 것은 다음과 같습니다(328개의 해외 사무소 관찰은 생략됨).)

Frauds occur in 244 constituencies. The overall counts of eligible voters, valid votes and votes 

for the constituency winners for the units in the analysis are

사기는 244개 선거구에서 발생한다. 분석 대상 유권자의 전체 수, 유효 투표 및 분석 대상 유닛에 대한 선거구 당선자의 표는 다음과 같다.

 

The overall number of manufactured votes (fraudulent turnout has a posterior mean 

(Ntfraudtotalmean) and the over number of fraudulent votes (Nfraudtotalmean) with 99.5% 

credible intervals, are:

전체 제조 투표 수(사기 투표율은 평균 후위(Nfraudtotalmean)와 99.5%의 신뢰할 수 있는 간격을 가진 부정 투표 수(Nfraudtotalmean)는 다음과 같습니다.

I think the mode specification that supports such counts estimates is good, but whether it is the absolute 

best model and whether it does not have some serious flaw remains to be seen. Note that the data being 

used to estimate the model is not exactly the same as whatever data is being used to report votes 

received by winners at http://info.nec.go.kr/electioninfo/electionInfo_report. xhtml 

(such counts computed using the data from the sqlite file in many cases don't match what's shown at that URL). 

I'll want to see exactly which aggregation units are being classified as fraudulent in the context of 

various data displays. Again I'll say that this work in

그런 카운트 추정을 지원하는 모드 사양은 좋다고 생각하지만 절대 베스트 모델인지, 어떤 심각한 결함이 없는지는 두고 봐야 할 것 같습니다. 모델을 추정하는 데 사용되는 데이터는 http://info.nec.go.kr/electioninfo/electionInfo_report에서 당첨자가 받은 표를 보고하는 데 사용되는 데이터와 정확히 동일하지 않습니다. xhtml(sqlite 파일의 데이터를 사용하여 계산된 카운트가 해당 URL에 표시된 것과 일치하지 않는 경우가 많습니다. 다양한 데이터 디스플레이의 맥락에서 어떤 집계 단위가 부정으로 분류되고 있는지 정확히 알고 싶습니다. 다시 한 번 말씀드리지만, 이 작업은 다음 단계로 진행됩니다.

displays. Again I'll say that this is work in progress. "Fraud" according to the model does not necessarily 

correspond to malfeasance and bad acts in real life. Research continues to pin down exactly what the 

frauds estimates imply about voters' and others' behavior.

다시 말하지만 이것은 진행중인 일이다. 모형에 따른 '사기'가 반드시 실생활에서의 부정행위와 악행에 해당하는 것은 아니다. 연구는 계속해서 부정 행위가 유권자와 다른 사람들의 행동에 대해 의미하는 바를 정확히 밝혀내고 있다.

 

Based on the time this program took, the same program run from the other specification should 

complete in about six hours. So I'll have more to say late tonight or tomorrow.

이 프로그램이 소요된 시간을 기준으로 다른 사양에서 실행된 동일한 프로그램이 약 6시간 내에 완료되어야 한다. 그래서 오늘 밤 늦게나 내일 할 말이 더 있을 겁니다.

 

영어의오타가 있을수 있으므로...?

대충 이렇타는거네요

참고 용도로만 보심 될거 같고

더 자세한건 나중에 또 방송하겠죠?

급 피곤 하네요;;