数学与大选:选举结果是对选民意见的反映吗?

当地时间8日,四年一度的美国总统大选投票将正式举行。竞选“厮杀”数月后,本次民主、共和两党“驴象之争”的代表希拉里和特朗普,到底谁能最终入主白宫,几个小时后即将见分晓。

每到大选,美国社会各界就全体总动员。政治家当然是到处拉选票,各大媒体更是评论加民意调查加八卦候选人,各种招数都使出来吸引眼球。连不食人间烟火的数学家也不例外。2008年初的美国数学年会就有一个关于选举中的数学问题的报告,临近大选的那一期数学会刊又有一篇相关文章。文章中的一些例子很容易对大众讲清楚,我这里就把它们整理出来与大家分享。

主要结论是:在竞选者实力接近的时候(各方支持者数量差不多),选举结果只是对选举规则的反映,而不一定是对选民意见的反映。

什么叫对选举规则的反映?这结论听起来怎么有点违背常理。要说清楚这个问题,我们先来看一个例子。

假设有三个候选人A,B,C。11个人来投票,每个投票人列出他们对这三个人的支持程度,也就是给这三个人排一个从支持到不支持的序。结果如下:

如果选举规则是每人只选一个人,根据上面列出的表我们可以看出A会赢。只选一个人的结果是A>C>B(得票依次是5,4,2)。如果选举规则是每人可以选两人,然后再从前两名中挑出得票最多的(相当于初选加复选),我们可以看到其结果是B>C>A(得票依次是9,8,5)。这个例子说明,同样的选民,同样的意向,因为选举规则的不同可以得出完全相反的结论。还有一些地方(比如欧洲一些地方的选举)对意向采用Borda加权(起始于1770年)。

对每个意向表,第一名得两分,第二名得一分。最后把每个人的得分加起来看谁的分多谁当选。如果对上面的意向表采用这个Borda加权,我们得出另一个不同的结果C>B>A(依次得分是12,11,10)。如果用另外的加权方法,我们还可以得出别的不同结果。

同样的意向表,不同的加权,到底会产生多少个不同的结果?有定理说:

对N个候选人,存在一个意向表使得不同的加权会产生(N-1)*(N-1)!个不同的结果。

显然,对加权的限制是前面的权要大于等于后面的权。另外还要求最后一名的权是0。在这种条件下,如果有10个候选人(比如美国的总统初选),同样的意向表可以产生超过三百万种不同的结果。

有人说数学上证明的存在例子都是人为造出来的特殊情况,实际选举出现这种特例的机会是不多的。对这些怀疑者正好有另一个定理等在那里回答。该定理说:

如果有三个候选人,他们的支持度差不多(没有人有特别大的优势),则有大于三分之二的可能性(实际数是69%)选举规则会改变选举结果。

三分之二可不是一个小数,比一半大多了。也就是说当各方实力接近的时候,选举规则会改变选举结果的时候比不会改变结果的时候多一倍。

以2008年的大选为例,如果把全体美国人的意向列一个意向表,我们几乎可以肯定不同的规则会产生不同的结果。也就是说对这个意向表不同的加权可以产生希拉里赢,或者奥巴马赢,或者麦凯恩赢。

这种现象并不只在选总统的时候出现,在日常生活中也会冒出来,甚至影响到你自己。比如你去面试一个工作,总共四个面试者,A,B,C,D。四个人每个人做一个报告。听报告的一共30个人。听完报告后这30个给出每人的意向表,结果如下:

假设你是D,根据这个意向表,你就没有戏了。因为只有一个位置,所以只有一个人能得到。按第一票算,其次序是A>B>C>D(得票依次是9,8,7,6)。显然A胜。正当他们准备打电话通知A面试成功的时候,C打电话来说他弃权,因为他已经接受了另一个工作。初看起来,C排第三,他的弃权对只选一个人的结果不会有影响。其实不然,如果你把上面的意向表中的C都去掉,你会发现结果完全不同了。因为C的7票有2票给了B,5票给了你(D)。最后的结果是D>B>A(得票依次是11,10,9)

如此的例子还有很多,单就上面的这个例子看,任何一个人弃权都会改变结果的次序。对这样的混乱现象有人用混沌来形容。

最后再回到开始的那句话:在竞选人实力差不多的情况下,选举结果是对选举规则的反映,而不一定是对选民意向的反映。 

原文发布时间为:2016-11-09

时间: 2024-08-01 09:10:21

数学与大选:选举结果是对选民意见的反映吗?的相关文章

英国选举委员会通过Facebook鼓励选民投票

北京时间4月9日晚间消息,据国外媒体报道,英国选举委员会周五表示,鉴于此前两次大选的投票率接连创下历史新低,英国大选官员将首次使用Facebook鼓励更多选民登记,为5月6日的大选投票. 英国选举委员会表示,Facebook周六将询问每名访问网站的英国地区用户是否已经登记参加选举.如果用户给出否定答案,Facebook将把他们引导至选举委员会网站的登记投票页面. 英国选举委员会表示,在2001年的大选中,至少有350万名选民没有登记投票:委员会预计,此次大选仍会有数百万选民不参加投票. 年轻人是

数据库配置问题导致近两亿选举投票记录泄露

本文讲的是数据库配置问题导致近两亿选举投票记录泄露,海量数据泄露,数据库所有权无人认领. 研究人员克里斯·维克里(Chris Vickery)发现,某配置错误的数据库导致1.91亿条投票记录被泄露.然而,该数据库似乎不存在所有者,它本来就是公开的,任何发现它的人都能得到这些数据. 数据库里有什么? 维克里在 Databreaches.net 上分享了他的发现.双方试图通过数据库的位置和细节找到其所有者,但并没有效果,所以他们找到了 <CSO> 杂志专栏作家.自由程序员史蒂夫·拉根(Steve

荷兰众议院选举开始投票 计票全部由手工操作以防黑客

荷兰议会二院(众议院)选举于当地时间3月15日7时30分(北京时间14时30分)拉开帷幕.这是今年欧洲大选年首场重要选举,被视为欧洲政治变化的"风向标".反伊斯兰.反移民.反欧盟的极右翼自由党会否成为荷兰第一大党,备受关注. 根据荷兰选举委员会公布的数字,本次选举注册选民约为1300万,其中包括7.75万海外注册选民,荷兰全国设有9000多个投票站.投票将于15日21时(北京时间16日4时)结束,计票正式结果将于21日公布.为避免遭受黑客袭击,此次选举计票全部由手工操作. 荷兰议会二院

Ebay出售投票机:内含美国大选中65万选民个人信息

本文讲的是Ebay出售投票机:内含美国大选中65万选民个人信息,当65万田纳西州选民在孟菲斯地区投票时,他们可能没有想到自己的个人资料最终会在拉斯维加斯凯撒皇宫(Caesars Palace)的黑客会议上被展示出来.这一切究竟是怎么回事呢? 美国前任FBI局长詹姆斯·科米(James Comey)曾表示,美国投票制度的优势在于其"笨拙性"--每个州甚至每个地区都可以选择自己的设置,以及决定是否使用纸或是电子机器.此外,还有十几种不同的制造商会向选区提供投票机.虽然这种"笨拙&

从“大数据”中淘金很酷,但方法还很盲目

本文原载英国<金融时报>网站,原标题:Big data: are we making a big mistake,貌似我看到的时候已经有点晚了,但还是分享下吧.因为它确实讨论了我最近所思考的一些问题,是一篇思辨的文章.如果你以前没了解过大数据,这又可以看作一篇入门文章. 这篇文章只算一家之言,因为质疑总比证实更简单,但大数据现在炙手可热,这些反面的意见,如果作为谈资收藏起来,也是不错,说不定把妹子的时候会有妙用. by信海光微天下 大数据是对于大规模现象的一种模糊的表达.这一术语如今已经被企业

大数据淘金很酷,但方法很盲目

本文原载英国<金融时报>网站,原标题:Big data: are we making a big mistake,貌似我看到的时候已经有点晚了,但还是分享下吧.因为它确实讨论了我最近所思考的一些问题,是一篇思辨的文章.如果你以前没了解过大数据,这又可以看作一篇入门文章. 这篇文章只算一家之言,因为质疑总比证实更简单,但大数据现在炙手可热,这些反面的意见,如果作为谈资收藏起来,也是不错,说不定把妹子的时候会有妙用. 大数据是对于大规模现象的一种模糊的表达.这一术语如今已经被企业家.科学家.政府和

打开大数据研究的潘多拉魔盒

导语 近年来,大数据研究方法逐渐应用于社会学科领域,运用大规模用户数据,社科领域研究者得以从新的视角理解用户媒介使用习惯.语言.与情感.然而,在大数据研究不断普及的背景下,如何规范大数据研究的伦理准则,如何保证研究对象的隐私权,以及如何研究现有互联网公司的伦理问题,这些问题看似遥远,但是却直接影响大数据研究者的行为准则.此外,回答与大数据研究.实践相关的伦理问题,将有助于增加普通公众对大数据的了解.本期[大数据与社会]栏目将以案例讨论的形式梳理在大数据研究和实践中所涌现出的若干问题,解释大数据研

大数据往往也会造成大错误么?

大数据是对于大规模现象的一种模糊的表达.这一术语如今已经被企业家.科学家.政府和媒体炒得过热. 五年前,谷歌的一个研究小组在全球顶级的科学杂志<自然>上宣布了一个令人瞩目的成果.该小组可以追踪美国境内流感的传播趋势,而这一结果不依赖于任何医疗检查.他们的追踪速度甚至比疾控中心(CDC)要快的多.谷歌的追踪结果只有一天的延时,而CDC则需要汇总大量医师的诊断结果才能得到一张传播趋势图,延时超过一周.谷歌能算的这么快,是因为他们发现当人们出现流感症状的时候,往往会跑到网络上搜索一些相关的内容. &

蒂姆&#183;哈福德:大数据,还是大错误?

大数据是对于大规模现象的一种模糊的表达.这一术语如今已经被企业家.科学家.政府和媒体炒得过热. 五年前,谷歌的一个研究小组在全球顶级的科学杂志<自然>上宣布了一个令人瞩目的成果.该小组可以追踪美国境内流感的传播趋势,而这一结果不依赖于任何医疗检查.他们的追踪速度甚至比疾控中心(CDC)要快得多.谷歌的追踪结果只有一天的延时,而CDC则需要汇总大量医师的诊断结果才能得到一张传播趋势图,延时超过一周.谷歌能算得这么快,是因为他们发现当人们出现流感症状的时候,往往会跑到网络上搜索一些相关的内容. &