Facit til forløbet "Kandidattest"

Bella

Parti Score \(\mathrm{e}^{\textrm{score}}\) Sandsynlighed
V \(1\) \(2.72\) \(66.5 \%\)
S \(-1\) \(0.37\) \(9.00 \%\)
E \(0\) \(1\) \(24.5 \%\)

Uheldigt, da hun faktisk stemmer på S.



Charlie

Parti Score \(\mathrm{e}^{\textrm{score}}\) Sandsynlighed
V \(1\) \(2.72\) \(66.5 \%\)
S \(-1\) \(0.37\) \(9.00 \%\)
E \(0\) \(1\) \(24.5 \%\)

Uheldigt, da han faktisk stemmer på S.



Doresa

Parti Score \(\mathrm{e}^{\textrm{score}}\) Sandsynlighed
V \(-1\) \(0.37\) \(9.00 \%\)
S \(1\) \(2.72\) \(66.5 \%\)
E \(0\) \(1\) \(24.5 \%\)

Uheldigt, da hun faktisk stemmer på E.

\(e_1 = 6\) gør det ønskede.

Doresa

Parti Score \(\mathrm{e}^{\textrm{score}}\) Sandsynlighed
V \(-3\) \(0.05\) \(0.01 \%\)
S \(1\) \(2.72\) \(0.67 \%\)
E \(6\) \(403.43\) \(99.32 \%\)

\(4 < s_0 < 5\), så for eksempel \(s_0 = 4.5\).

En mulig løsning er at "flytte" nogle af punkterne meget lidt, hvor de ligger oveni hinanden. For eksempel kan man ændre \(1\) til \(1.05\). Så bliver punkterne synlige, men ligger stadig næsten samme sted. Man kan også bruge Tilfældig(0,0.2) i GeoGebra, som genererer et tilfældigt tal mellem \(0\) og \(0.2\).

  • Enhedslisten og Socialdemokratiet, Socialdemokratiet og Venstre, Venstre og Danmarksdemokraterne.
Partier Ligning
S og E \(-5.33979 \cdot x -5.95406 \cdot y + 14.0861 = 0\)
S og V \(1.00714 \cdot x + 0.58677 \cdot y + 0.1453 = 0\)
V og D \(4.39317 \cdot x + 4.30077 \cdot y + 9.0993 = 0\)

  • \(y=1.468965714\).
Parti Score Sandsynlighed
S \(5.95969\) \(46.87348 \%\)
V \(3.94531\) \(6.25304 \%\)
E \(5.95969\) \(46.87348 \%\)
DD \(-15.86485\) \(0.00000 \%\)

  • Ja, det giver præcis samme inddeling af \(xy\)-planen. Sandsynlighederne er ens, præcis når scorene er ens.

  • For midterpartierne, Socialdemokratiet og Venstre, er sandsynligheden størst i midten af det område, som hører til partiet. For yderpartierne, Enhedslisten og Danmarksdemokraterne, er sandsynligheden størst helt ude i hjørnet. Det giver god mening, da sandsynligheden for partiet dermed er størst, når man er længst væk fra randen mod de nærmeste andre partier.

Der er \(12\) bias og \(288\) vægte.

Du bør kunne få klassifikationsnøjagtigheden op over \(90 \%\), så modellen er korrekt for flere end \(789\) af politikerne.

Det tyder på, at politikere i samme parti er rimeligt enige, mens politikerne fra forskellige partier også giver forskellige svar.

Klassifikationsnøjagtigheden falder, men er stadig over \(70 \%\).

Det giver et mere realistisk bud på, hvor god modellen vil være til at forudsige partier fornuftigt for nye personers svar.