Jak pamiętamy, wyniki wyborów prezydenckich, szczególnie pierwszej tury, bardzo rozminęły się z wynikami sondaży. A jak wygląda zgodność sondaży i wyników wyborów do Sejmu?
Zobaczmy! Poniżej spojrzymy na sondaże i wyniki w czterech perspektywach, ostatniego miesiąca przed wyborami, 2 miesięcy, 6 miesięcy i 18 miesięcy.
Niedziela była bardzo emocjonująca. Szczególnie wielu emocji dostarczały Akademickie Mistrzostwa Polski w Programowaniu Zespołowym, które odbyły się we Wrocławiu.
Zawody można było śledzić online na stronie http://solve.edu.pl/~amppz/chartcode/ranking.html (z niej pochodzi też powyższa grafika). Dzięki uprzejmości Instytutu Informatyki UWr, mamy dane o zgłaszanych rozwiązaniach podczas zawodów. Trochę sobie w tych danych pokopiemy.
W piątek pisaliśmy o metodzie metodzie D’Hondta przydzielania mandatów. Mówi się o niej, że faworyzuje partie o większym poparciu. Ale jak bardzo?
Zobaczmy! Zestawmy sondażowe wyniki wyborów i prognozy rozdziału mandatów.
Na wczorajszym SERze mieliśmy ciekawą dodatkową prezentację (z uwagi na późne zgłoszenie nie uwzględnioną w programie) nt. aplikacji w shiny, która pomaga określić na kogo głosować jeżeli chce się głosować przeciw.
O co chodzi? Istnieją całkiem duże negatywne elektoraty największych partii (pewnie nie tylko największych), które głosują na jedną bo są przeciw tej drugiej. Z jednej strony głosując przeciw można wybrać dowolną partię, ale z drugiej, o czym może część osób nie wiedzieć, nawet jeżeli partia przekroczy prób, to wciąż w danym okręgu może nie dostać żadnego mandatu z uwagi na to w jaki sposób mandaty są przydzielane (ile osób zna metodę D’Hondta). Wiec Karol Klimas przedstawiał aplikację w shiny, która pomaga określać na które partie można glosować w określonym okręgu, jeżeli głosuje się przeciw.
Poniżej gościnny wpis Karola, a każdy obrazek to link do wspomnianej aplikacji.
Jednym z rezultatów hakatonu ,,Jak Oni Głosowali” jest wykres Sankeya, który przygotował Tomasz Mikołajczyk. Na jednej grafice pokazane są przepływy posłów/mandatów pomiędzy klubami.
Hackaton był realizowany we współpracy z MamPrawoWiedzieć. Miło więc donieść, że wykres trafił do jednego z najnowszych raportów tego stowarzyszenia (raport dostępny tutaj). Opis kiedy i dlaczego powstawały nowe i rozpadały się istniejące kluby czyta się jak powieść. Podsumowanie w postaci graficznej umieściłem też poniżej.
Można z tej grafiki odczytać, który klub i kiedy zyskał a który stracił mandaty. Można zaobserwować pojawianie się i zanikanie takich klubów jak Inicjatywa Dialogu, Bezpieczeństwo i Gospodarka. Patrząc na całą kadencję najwięcej mandatów zyskał SLD (+7), PSL (+10) i niezrzeszeni (+21), wiele z nich to transfery z Ruchu Palikota.
After summer holidays we are back with two talks:
6pm-6:30 – Adolfo Álvarez PhD
,,5 lessons I have learned at Analyx”.
7pm-7:30 – Piotr Migdał, PhD
,,Jupyter – the environment for learning and doing data analysis’’.
See you tomorrow (22/10/2015) at 6 pm, Department of Mathematics, Warsaw University of Technology, Koszykowa 75 room 329.
You will find more details here (meetup).
You will find more materials here (github).
Plan jest prosty.
Posłuchać o doświadczeniach dwóch osób, mających coś ciekawego do powiedzenia,
porozmawiać z innymi entuzjastami o analizie danych,
zabawić się w mistrza predykcji niedzielnych wyników wyborów.
W szczegółach:
1. O 18 spotykamy się na wydziale MiNI PW, Warszawa, Koszykowa 75, sala 329.
2. Zaczynamy od prezentacji dr Adolfo Álvarez ,,5 lessons I have learned at Analyx”.
3. Robimy przerwę na networking.
4. Podczas przerwy można wziąć udział w konkursie (wygrać można koszulkę lub kubek). Co trzeba zrobić: przewidzieć wyniki niedzielnych wyborów do sejmu. Trzy osoby, które będą najbliżej prawdziwych wyników (odległość euklidesowa liczona na wszystkich partiach) dostaną nagrody. Karteczki z predykcjami będą zbierane podczas przerwy.
5. Kontynuujemy z drugą prezentacją dr Piotra Migdała ,,Środowisko Jupyter – do uczenia się i analizy danych”.
6. Dla chętnych afterparty w Kwadracie (Warszawa, ul. Poznańska 7 lok. 8)
Więcej informacji tutaj.
Do zobaczenia jutro!
Po publikacji wczorajszego wpisu Wizualizacja 6000 głosowań otrzymałem kilka pytań, które sprowadzają się do:
Dlaczego pokazujesz koło i mówisz na nie drzewo?
Czy jest to nawiązanie do jednego z dowcipów o matematykach?
(kilka dobrych dowcipów o matematykach znajdziecie tutaj).
Świetne pytanie! Już wyjaśniam!
A ponieważ obchodzimy dzisiaj Światowy Dzień Statystyki (tak, tak, dzisiaj każda średnia jest bardziej!) więc napiszę też trochę o warsztacie. Zapnijcie pasy, włączcie RStudio i zaczynamy.
Czytaj dalej Jak oni głosowali – rozwinięcie [btw: dziś Światowy Dzień Statystyki]
Doprowadzenie do debaty wyłącznie pomiędzy Ewą Kopacz i Beatą Szydło (kolejność alfabetyczna) to duży sukces obu sztabów. Kto wie, czy największym zagrożeniem dla PO i PiS nie są nowe ugrupowania, czyli .Nowoczesna, Razem i Kukiz’15. A tutaj sprawnie udało się je zepchnąć na bok, razem z ZL, PSL i KORWINem.
Ale debata się odbyła, ludzie komentują, też na twitterze. Przyjrzyjmy się tym temu jak i ile komentowano.
Czytaj dalej Debata Kopacz-Szydło / Szydło-Kopacz na twitterze
W genetyce często wykorzystywaną wizualizacją są drzewa filogenetyczne. Pokazują one strukturę podobieństwa (np. sekwencji DNA) pomiędzy organizmami, genami czy innymi jednostkami.
Zamiast genów porównywać będziemy posłów, a zamiast DNA weźmiemy profil głosów w kolejnych głosowaniach.
Wykorzystamy drzewa filogenetyczne by pokazać strukturę podobieństwa pomiędzy profilami głosowań posłów. W skrócie: dla każdej pary posłów wybieramy ich głosowania i sprawdzamy czy głosowali podobnie, czy nie. Na poniższym wykresie zaznaczamy podobieństwo za pomocą drzewa. Im bliżej (licząc odległość po gałęziach drzewa) są posłowie, im bliższe połączenie pomiędzy posłami, tym bardziej podobnie głosowali.
Co ciekawego z takich drzew można odczytać?
Zacznijmy od drzewa dla wszystkich głosowań.
Czytaj dalej Jak oni głosowali – wizualizacja ponad 6000 głosowań w sejmie VII kadencji