Category Archives: Statistics

Using Bayesian Inference to predict and bet on Italian Serie A Fotball

As my old timer readers know, I’be been using Bayesian Inference to predict and bet on various sporting events, such as FIFA World Cup, and IIHF World Championships. With some success. When the Italian premier division started for about a … Continue reading

Posted in Bayes, Data Analytics, Gambling, Machine Learning, Numpy, Probability, PYMC, Python, Simulation, Statistics | Tagged , , , , , , , , , , , , , | Leave a comment

Bayesian Multi-predictor Regression – Valet2018

[Continuing my exploration of the Swedish election results, but I thought this might be of interest also for those of you not very interested in the Swedish elections, simply because the potential MatStat’s  insights – thus, the text is in … Continue reading

Posted in Bayes, Big Data, Data Analytics, Data Driven Management, Numpy, Politik, Probability, PYMC, Python, Research, Society, Statistics, Sverige | Tagged , , , , , , , , , , | 1 Comment

Val2018 – top50 & bottom50 kommuner per parti

“Jag vill ha mer val Ge mig mer val Jag vill ha mer val Ge mig mer val Tusen stjärnor som tindrar Glitter så långt jag ser Av valljus som glimmar Vill jag ha mer..” Var det inte så de … Continue reading

Posted in Data Analytics, Politik, Statistics, Sverige | Tagged , , , | Leave a comment

Val2018 – samband mellan röstning och inkomst/utbildningsnivå

Det börjar bli många olika analyser av valresultatet på den här bloggen, så här kommer ytterligare en: En regressionsanalys över valdatat (från Valmyndigheten) och befolkningsdatat (från SCB): Bayesian Linear Regression över sambanden Röstandelar per parti vs andelen högutbildade (minst 3 … Continue reading

Posted in Bayes, Data Analytics, Politik, Probability, PYMC, Python, Society, Statistics, Sverige | Tagged , , , , , , , , | Leave a comment

Val2018 – top50 & bottom50 samtliga valdistrikt i Sverige för samtliga partier

Som komplement till de två tidigare inläggen [1,2] som redogjorde för valdistrikten i Stockholms kommun, så kommer här top50 & bottom50 för samtliga de 6004 valdistrikt som finns med i valnattens preliminära resultat. Top-50: Bottom-50:

Posted in Data Analytics, Politik, Society, Statistics, Sverige | Tagged , , , , | Leave a comment

Val2018 – Partiernas sämsta valdistrikt inom Stockholms kommun

Förra inlägget visade partiernas top-50, här visas partiernas bottom-50.

Posted in Data Analytics, Society, Statistics | Tagged , , , | Leave a comment

PYMC – Markov Chain Monte Carlo regression – canonical example

Posted in Bayes, Data Analytics, Numpy, Probability, PYMC, Python, Statistics | Tagged , , , , , , , , | Leave a comment

Val2018 – röstningsmönster i Sveriges län och Stockholms kommuner

I tidigare inlägg har jag redogjort för hur min Bayesian Inference valprediktion lyckades (riktigt bra, tack för att du frågar, bättre än många proffs-tyckare, faktiskt!) 🙂 I detta inlägg presenteras några obearbetade “rådata” kring valutgången och populationen i dels samtliga … Continue reading

Posted in Bayes, Data Analytics, Numpy, Politik, Probability, PYMC, Python, Society, Statistics, Sverige | Tagged , , , , , | Leave a comment

Val2018 – partiernas röstandel per län

Image | Posted on by | Tagged , , , | Leave a comment

Val2018 Bayesian Inference – sammanfattning

Nu är ju inte den slutgiltiga rösträkningen klar, men resultatet ur ett statistiskt / matematiskt perspektiv är ändå så stabilt att jag väljer att summera mina resultat redan nu. I graferna nedan har jag använt mig av samtliga opinionsinstituts prognoser … Continue reading

Posted in Bayes, Data Analytics, Functional Stupidity, Politik, Probability, PYMC, Society, Statistics, Sverige | Tagged , , , , , , , , , , , , | Leave a comment