Всем привет в этом чате, УК выложила на фейсбуке результаты "голосования":
Рисовать проценты, они, наверное, учились у лучших политтехнологов из ЕР. Благо, такие проценты достаточно легко проанализировать исходя из соображений, что количество участников голосования
целое, и что количество голосов за тот или иной вариант для каждого пункта повестки - тоже
целое
Методология анализа:
1) Берем условный диапазон количества потенциальных участников голосования - я проверял от 200 до 1500, с запасом
2) Для каждого целого Х из вышеупомянутого диапазона пытаемся подставить результаты "голосования" взятые из документа
3) Ищем варианты X, для которых распределение голосов дает наиболее близкую картину (с точки зрения близости кол-во голосов к целым числам)
...
5) PROFIT
В общем, что получилось
1) По 1-му вопросу в повесте наиболее вероятное количество участников голосования: 424, 884, 1308
2) По 2-му вопросу --//--: таких нет, лол =)
3) По 3-му вопросу --//--: 505, 1075
4) По 4-му вопросу --//--: 378, 389, 400, 767, 778, 789, 1167
5) По 5-му вопросу --//--: таких опять нет, двойной лол =)
6) По 6-му вопросу --//--: 249, 390, 639
7) По 7-му вопросу --//--: 240
8) По 8-му вопросу --//--: 247
Ну, вы поняли, да? Даже за уши не притянуть. Должно было быть так, чтобы во всех пунктах было общее число (суть - кол-во участников голосования). А уж если начать проверять написанное в протоколе число "участников" (436) - ну там совсем смешно получается.
Варианта всего 2:
1) Я ошибся, что-то неправильно ввел, где-то неправильно посчитал (тоже возможно, но маловероятно, именно для этого прилагаю лог и текст программы, может кто проведет sanity-check)
2) Цифры в протоколе написаны от балды
Тут привожу лог вывода программки, которую я набросал для проверки
► Показать
For poll [0.6911, 0.0803, 0.1957, 0.0328] (sum: 0.9999000000000001):
PollPrediction(x=424, results=[293.0264, 34.0472, 82.97680000000001, 13.907200000000001], deviation=[0.026400000000023738, 0.04719999999999658, 0.023199999999988563, 0.09279999999999866], devSum=0.18960000000000754)
PollPrediction(x=884, results=[610.9324, 70.98519999999999, 172.99880000000002, 28.995200000000004], deviation=[0.06759999999997035, 0.01480000000000814, 0.0011999999999829924, 0.004799999999995919], devSum=0.0883999999999574)
PollPrediction(x=1308, results=[903.9588000000001, 105.0324, 255.97560000000001, 42.9024], deviation=[0.04119999999988977, 0.032399999999995543, 0.024399999999985766, 0.09759999999999991], devSum=0.195599999999871)
For poll [0.6581, 0.0804, 0.2175, 0.0436] (sum: 0.9996):
For poll [0.8595, 0.0576, 0.0633, 0.0158] (sum: 0.9962000000000001):
PollPrediction(x=505, results=[434.0475, 29.088, 31.966499999999996, 7.979000000000001], deviation=[0.04750000000001364, 0.08800000000000097, 0.03350000000000364, 0.02099999999999902], devSum=0.19000000000001727)
PollPrediction(x=1075, results=[923.9625000000001, 61.92, 68.0475, 16.985000000000003], deviation=[0.03749999999990905, 0.0799999999999983, 0.04749999999999943, 0.014999999999997016], devSum=0.1799999999999038)
For poll [0.8175, 0.0926, 0.0848, 0.0051] (sum: 1.0):
PollPrediction(x=378, results=[309.015, 35.0028, 32.0544, 1.9278000000000002], deviation=[0.014999999999986358, 0.00280000000000058, 0.054400000000001114, 0.07219999999999982], devSum=0.14439999999998787)
PollPrediction(x=389, results=[318.0075, 36.0214, 32.9872, 1.9839000000000002], deviation=[0.007499999999993179, 0.021399999999999864, 0.01279999999999859, 0.01609999999999978], devSum=0.057799999999991414)
PollPrediction(x=400, results=[327.0, 37.04, 33.92, 2.04], deviation=[0.0, 0.03999999999999915, 0.0799999999999983, 0.040000000000000036], devSum=0.15999999999999748)
PollPrediction(x=767, results=[627.0225, 71.02420000000001, 65.0416, 3.9117], deviation=[0.02250000000003638, 0.02420000000000755, 0.041600000000002524, 0.08829999999999982], devSum=0.17660000000004628)
PollPrediction(x=778, results=[636.015, 72.0428, 65.9744, 3.9678000000000004], deviation=[0.014999999999986358, 0.04279999999999973, 0.02559999999999718, 0.03219999999999956], devSum=0.11559999999998283)
PollPrediction(x=789, results=[645.0075, 73.0614, 66.9072, 4.0239], deviation=[0.007500000000050022, 0.061400000000006116, 0.09279999999999688, 0.023900000000000254], devSum=0.18560000000005328)
PollPrediction(x=1167, results=[954.0225, 108.0642, 98.9616, 5.951700000000001], deviation=[0.02250000000003638, 0.06419999999999959, 0.03839999999999577, 0.04829999999999934], devSum=0.17340000000003108)
For poll [0.7046, 0.1674, 0.1111, 0.0165] (sum: 0.9995999999999999):
For poll [0.3896, 0.3256, 0.0923, 0.1925] (sum: 1.0):
PollPrediction(x=249, results=[97.0104, 81.0744, 22.982699999999998, 47.932500000000005], deviation=[0.010400000000004184, 0.07439999999999714, 0.017300000000002314, 0.06749999999999545], devSum=0.16959999999999908)
PollPrediction(x=390, results=[151.944, 126.984, 35.997, 75.075], deviation=[0.056000000000011596, 0.016000000000005343, 0.0030000000000001137, 0.07500000000000284], devSum=0.1500000000000199)
PollPrediction(x=639, results=[248.9544, 208.0584, 58.979699999999994, 123.00750000000001], deviation=[0.04560000000000741, 0.058400000000006, 0.02030000000000598, 0.00750000000000739], devSum=0.13180000000002678)
For poll [0.8373, 0.0917, 0.054, 0.0166] (sum: 0.9996):
PollPrediction(x=240, results=[200.952, 22.008000000000003, 12.959999999999999, 3.984], deviation=[0.04800000000000182, 0.008000000000002672, 0.040000000000000924, 0.016000000000000014], devSum=0.11200000000000543)
For poll [0.8256, 0.0686, 0.0933, 0.0121] (sum: 0.9996):
PollPrediction(x=247, results=[203.9232, 16.9442, 23.045099999999998, 2.9886999999999997], deviation=[0.07679999999999154, 0.055800000000001404, 0.04509999999999792, 0.01130000000000031], devSum=0.18899999999999118)
И текст самой программы на kotlin
► Показать
import PollPrediction.Companion.fromPoll
import kotlin.math.abs
import kotlin.math.roundToInt
fun main(args: Array<String>) {
val polls = listOf(
listOf(0.6911, 0.0803, 0.1957, 0.0328),
listOf(0.6581, 0.0804, 0.2175, 0.0436),
listOf(0.8595, 0.0576, 0.0633, 0.0158),
listOf(0.8175, 0.0926, 0.0848, 0.0051),
listOf(0.7046, 0.1674, 0.1111, 0.0165),
listOf(0.3896, 0.3256, 0.0923, 0.1925),
listOf(0.8373, 0.0917, 0.0540, 0.0166),
listOf(0.8256, 0.0686, 0.0933, 0.0121)
)
polls.forEach { poll ->
val sum = poll.sum()
println("For poll ${poll} (sum: $sum):")
(200..1500)
.map { fromPoll(it, poll) }
.filter { it.deviationSum() <= 0.2 }
.forEach { println(it) }
println()
}
}
class PollPrediction(val x: Int, val results: List<Double>) {
fun deviation(): List<Double> =
results.map { abs(it.roundToInt() - it) }
fun deviationSum(): Double =
deviation().sum()
override fun toString(): String {
return "PollPrediction(x=$x, results=$results, deviation=${deviation()}, devSum=${deviationSum()})"
}
companion object {
fun fromPoll(x: Int, poll: List<Double>) = PollPrediction(x, poll.map { it * x })
}
}
[UPD] Это просто немного "матана", никакого ракетостроения, я поясню дополнительно. Только увеличив порог фильтрации суммы отклонения до 1.0 (в программе выше стоит 0.2 если что), удалось получить какие-то пересекающиеся по всем вопросам в повестке числа участников голосования, и вот они: 251, 252, 362, 1394.
Возьмем к примеру, 362 - пусть как будто бы столько голосовавших.
Берем первый вопрос с распределением голосов 69.11%, 8.03%, 19.57, 3.28
Далее, 69.11% от 362 человек - это 250 (округляем до целого).
НО! в обратную сторону 250 это 69.06% от 362. Тут как ни округляй, и каким тупым считалой не будь, но 69.06 ну никак не равно 69.11, даже близко
. А вот то, что собрание уже было, это уже интересно.
