Tag Archives: Politik

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

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 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

Samband mellan migration och sexualbrott…? [Del II]

I föregående post tittade vi på huruvida vi kunde identifiera ett statistiskt signifikant samband mellan antalet asylsökande och antalet sexualbrott. Datat i studien kommer från BRÅ respektive Migrationsverket, och det vi kom fram i vår analys av samtliga registrerade asylsökande,från … Continue reading

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

Val2018 – Prognos mars inkl. blockresultat

Som alltid är prognosen baserad på Bayesian Inference (samma statistiska analysmetod som Nate Silver framgångsrikt använde i prediktionen av valen i USA), och där datat utgörs av 7 opinionsinstituts – Demoskop, Sifo, Novus, Ipsos, Inizio, Yougov, Sentio – mätningar tom … Continue reading

Posted in Bayes, Data Analytics, Data Driven Management, Politik, Probability, Statistics, Systems | Tagged , , , , , | Leave a comment

Val2018 – Opinionsinstitutens resultat sen 2014

Nedan grafer för nio opinionsinstituts väljarundersökningar sen valet 2014.

Posted in Data Analytics, Data Driven Management, Numpy, Politik, Python, Society, Statistics, Sverige | Tagged , , , , , , , | Leave a comment

Val2018 – partiernas trender sedan förra valet

En trendanalys av samtliga (?) opinionsinstituts mätresultat sen förra valet:

Posted in Data Analytics, Data Driven Management, Numpy, Politik, Python, Statistics, Sverige | Tagged , , , , , , , | Leave a comment