カテゴリー
キーワード

なぜ開票率数%でも当確が出るの?逆になかなか当確が出ない場合ってどんなとき?

         

選挙の時期にテレビを眺めていると開票率が数%であるにも関わらず、「当選確実!」という文字が目に飛び込んで来ることがあります。

そうした中で、「なんでこんなに少ない開票数から結果が判るんだろう」と訝しんだことがある人は少なくないのではないでしょうか?

そこで今回は、選挙結果を早々に判断できる理由やその仕組み、逆に選挙結果をなかなか出せない場合はどんな場合なのか?をご紹介していきます。

開票数%なのに当選確実、その仕組みとは?お味噌汁の味見を例に

まだ数%に満たない開票数であるにも関わらず、高い確率で結果を予想できるのは統計を行っているからです

統計学を日常的に私たちが使っている、ということを示すためによく使われる例として「お味噌汁の味見」があります。

例えば、鍋いっぱいのお味噌汁を作った時、味噌や出汁の具合を調整するためにわざわざお椀を出して丸々一杯飲むでしょうか?たいていの場合はお玉に一掬い程度を味見をすればその後に何を足せば良いか、おおよその検討はつきますよね。

一掬いの味噌汁から鍋全体の味噌汁の味が予想できるように、無作為に取り出したデータがあれば、その数が全体の数%でも全体の動向をおおよそ予測することができるのです。

実際に数%から結果を予想できるの?Googleスプレットシートで数値実験をしてみた!

では実際に数%から全体の傾向が判るのか、Googleスプレットシートで数値実験をしてみました。

今回の条件は母集団を1000人としてそのうち70%の確率でA党に、それ以外の場合はB党に投票するようにRAND 関数を使い、乱数を発生させます。

=if(RAND()< 0.7, 1,0)

ここで重要になるのが信頼係数許容誤差です。

p=0.7

信頼係数

許容誤差

70%

75%

80%

85%

90%

95%

99%

1%

693.07

735.57

775.40

813.30

850.46

889.81

933.10

5%

82.84

100.13

121.34

148.39

185.33

244.15

358.11

10%

22.08

27.06

33.37

41.74

53.81

74.72

122.40

15%

9.94

12.21

15.11

18.99

24.65

34.65

58.37

N=1000

 

なお信頼係数と許容誤差ごとの人数はNORMINV関数を使い、スプレッドシート上で以下のように求めました。

=母集団の数(N)/((許容誤差/NORMINV((1-信頼係数)/2,平均,標準偏差))^2*((母集団の数(N)-1)/(確率(p)*(1-確率(p))))+1)

例えば、この条件で、信頼係数が95%で許容誤差が10%となるのはおおよそ75人。つまり無作為に75人(全体の7.5%)を選んだ場合、95%の確率で60〜80%の人がA党に投票していることになります。

数値実験を行った結果、母集団の得票数はA党とB党でそれぞれ以下のようになりました。

全体(N=1000)

A党

B党

得票数

706(70.6%)

294(29.4%)

さらにこの結果に対し、無作為なサンプリング抽出を3回行った結果それぞれ以下のようになりました。

標本1(N=75)

A党

B党

得票数

51(68.0%)

24(32.0%)

 

標本2(N=75)

A党

B党

得票数

53(70.7%)

22(29.3%)

 

標本3(N=75)

A党

B党

得票数

57(76%)

18(24%)

どの標本でもA党の得票数が高くなり、母集団と同じ結果となりました。

また、テレビなどで発表される当選確実は開票結果からの統計だけでなく、出口調査や事前の世論調査のデータを使い、複合的に判断することでより確度を高めていると考えられます。

 
選挙結果がなかなか見えないのはどんなとき?

1 2

×

メルマガ登録をしていただくと、記事やイベントなどの最新情報をお届けいたします。


データ活用 Data utilization テクノロジー technology 社会 society ビジネス business ライフ life 特集 Special feature

関連記事Related article

書評記事Book-review

データのじかん公式InstagramInstagram

データのじかん公式Instagram

30秒で理解!インフォグラフィックや動画で解説!フォローして『1日1記事』インプットしよう!

おすすめ記事Recommended articles

掲載特集

デジタル・DX・データにまつわる4コマ劇場『タイムくん』 デジタル・DX・データにまつわる4コマ劇場『タイムくん』 データのじかんをもっと詳しくデータのじかんフィーチャーズ データのじかんをもっと詳しく データのじかんフィーチャーズ 「47都道府県47色のDXの在り方」を訪ねる『Local DX Lab』 「47都道府県47色のDXの在り方」を訪ねる『Local DX Lab』 DXの1次情報をを世界から『World DX Journal』 DXの1次情報をを世界から 『World DX Journal』 データで越境するあなたへおすすめの『ブックレビュー』 データで越境するあなたへおすすめの 『ブックレビュー』 BIツールユーザーによる、BIツールユーザーのための、BIツールのトリセツ BIツールユーザーによる、BIツールユーザーのための、BIツールのトリセツ CIOの履歴書 by 一般社団法人CIOシェアリング協議会 CIOの履歴書 by 一般社団法人CIOシェアリング協議会 なぜ、日本企業のIT化が進まないのか――日本のSI構造から考える なぜ、日本企業のIT化が進まないのか――日本のSI構造から考える 日本ビジネスの血流である帳票のトレンドを徹底解説 日本ビジネスの血流である帳票のトレンドを徹底解説 データを武器にした課題解決家「柏木吉基」のあなたの組織がデータを活かせていないワケ データを武器にした課題解決家「柏木吉基」のあなたの組織がデータを活かせていないワケ BI(ビジネスインテリジェンス)のトリセツ BI(ビジネスインテリジェンス)のトリセツ 入社1年目に知っておきたい差が付くKPIマネジメント 入社1年目に知っておきたい 差が付くKPIマネジメント CIOLounge矢島氏が紐解くトップランナーたちのDXの“ホンネ” CIOLounge矢島氏が紐解く トップランナーたちのDXの“ホンネ” データのじかん Resources越境者のためのお役立ち資料集 データのじかん Resources 越境者のためのお役立ち資料集 AI実装の現在地点-トップITベンダーの捉え方 AI実装の現在地点-トップITベンダーの捉え方 データでビジネス、ライフを変える、面白くするDATA LOVERS データでビジネス、ライフを変える、 面白くするDATA LOVERS データマネジメント・ラジオ by データ横丁 データマネジメント・ラジオ by データ横丁 データのじかんNews データのじかんNews データ・情報は生もの!『DX Namamono information』 データ・情報は生もの! 『DX Namamono information』 ちょびっとラビット耳よりラピッドニュース ちょびっとラビット耳よりラピッドニュース AI事務員宮西さん(データ組織立ち上げ編) AI事務員宮西さん(データ組織立ち上げ編) 藤谷先生と一緒に学ぶ、DXリーダーのための危機管理入門 藤谷先生と一緒に学ぶ、DXリーダーのための危機管理入門 生情報取材班AI時代に逆行?ヒトが体感した「生情報」のみをお届け! 生情報取材班AI時代に逆行?ヒトが体感した「生情報」のみをお届け! データはともだち 〜怖くないよ!by UpdataTV Original データはともだち 〜怖くないよ!by UpdataTV Original データ飯店〜データに携わるモノたちの2.5thプレイス by UpdataTV〜 データ飯店〜データに携わるモノたちの2.5thプレイス by UpdataTV〜 インサイトーク〜データで世界を覗いてみたら〜by WingArc1st + IDEATECH インサイトーク〜データで世界を覗いてみたら〜by WingArc1st + IDEATECH
close close