One of the most widely known and important applications of probability and statistics is scientific polling to forecast election results. In 1936, Gallup predicted correctly the victory of Roosevelt over Landon in the US presidential election, using scientific sampling of a few thousand persons, whereas the Literary Digest failed using 2.4 million answers to 10 million mailed questionnaires to automobile and telephone owners. Since then, polls have grown to be a multibillion flourishing and very influential and important industry, spreading around the world. Polls have mostly been accurate in the US presidential elections, with a few exceptions. Their two most notable failures were their wrong predictions of the US 1948 and 2016 presidential elections. Most polls failed too in the 2016 UK Referendum, in the 2014 and 2019 India Lok Sabha elections, and in the US 2020 presidential election, even though in the latter three they did predict the winner. We discuss these polls in the present paper. The failure in 1948 was due to non-random sampling. In 2016 and 2020 it was mainly due to the problem of non-response and possible biases of the pollsters. In 2014 and 2019 it was due to non-response and political biases of the polling agencies and news outlets that produced the polls.


翻译:1936年,盖洛普正确地预测了罗斯福在美国总统选举中胜过兰登(Landon)的胜利,对数千人进行了科学抽样调查,而文学文摘则未能使用400万对1 000万汽车和电话所有者邮寄的调查问卷的240万个答复。自那以后,民意测验已发展成为一个数十亿的繁荣和非常有影响力和重要的行业,遍及世界各地。民意测验大多在美国总统选举中是准确的,只有少数例外。其中两个最显著的失败是美国1948年和2016年总统选举的错误预测。2014年和2019年英国公投以及2020年美国总统选举多数投票都失败了,尽管后三个国家都预测了获胜者。我们在本文中讨论这些民意测验。1948年的投票失败主要归因于非随机抽样。2016年和2020年,主要由于民意测验者不回应和可能的偏见问题。2014年和2019年,其原因是投票机构和所制作的报纸的民意测验没有回应和政治偏见。

0
下载
关闭预览

相关内容

专知会员服务
17+阅读 · 2020年9月6日
【干货书】真实机器学习,264页pdf,Real-World Machine Learning
2019年机器学习框架回顾
专知会员服务
35+阅读 · 2019年10月11日
[综述]深度学习下的场景文本检测与识别
专知会员服务
77+阅读 · 2019年10月10日
机器学习入门的经验与建议
专知会员服务
92+阅读 · 2019年10月10日
已删除
将门创投
4+阅读 · 2019年10月11日
计算机 | 国际会议信息5条
Call4Papers
3+阅读 · 2019年7月3日
意识是一种数学模式
CreateAMind
3+阅读 · 2019年6月24日
Call for Participation: Shared Tasks in NLPCC 2019
中国计算机学会
5+阅读 · 2019年3月22日
【TED】生命中的每一年的智慧
英语演讲视频每日一推
9+阅读 · 2019年1月29日
A Technical Overview of AI & ML in 2018 & Trends for 2019
待字闺中
17+阅读 · 2018年12月24日
LibRec 精选:推荐系统的论文与源码
LibRec智能推荐
14+阅读 · 2018年11月29日
【推荐】树莓派/OpenCV/dlib人脸定位/瞌睡检测
机器学习研究会
9+阅读 · 2017年10月24日
Adversarial Variational Bayes: Unifying VAE and GAN 代码
CreateAMind
7+阅读 · 2017年10月4日
【学习】Hierarchical Softmax
机器学习研究会
4+阅读 · 2017年8月6日
Arxiv
14+阅读 · 2020年12月17日
AutoML: A Survey of the State-of-the-Art
Arxiv
69+阅读 · 2019年8月14日
Arxiv
5+阅读 · 2015年9月14日
VIP会员
相关资讯
已删除
将门创投
4+阅读 · 2019年10月11日
计算机 | 国际会议信息5条
Call4Papers
3+阅读 · 2019年7月3日
意识是一种数学模式
CreateAMind
3+阅读 · 2019年6月24日
Call for Participation: Shared Tasks in NLPCC 2019
中国计算机学会
5+阅读 · 2019年3月22日
【TED】生命中的每一年的智慧
英语演讲视频每日一推
9+阅读 · 2019年1月29日
A Technical Overview of AI & ML in 2018 & Trends for 2019
待字闺中
17+阅读 · 2018年12月24日
LibRec 精选:推荐系统的论文与源码
LibRec智能推荐
14+阅读 · 2018年11月29日
【推荐】树莓派/OpenCV/dlib人脸定位/瞌睡检测
机器学习研究会
9+阅读 · 2017年10月24日
Adversarial Variational Bayes: Unifying VAE and GAN 代码
CreateAMind
7+阅读 · 2017年10月4日
【学习】Hierarchical Softmax
机器学习研究会
4+阅读 · 2017年8月6日
Top
微信扫码咨询专知VIP会员