Ответ на пост «Что про выборы думает математика»5
Давайте я вам просто нейронку по ту сторону баррикад поставлю, а вы уже там решайте, что вам больше нравится
Основываясь на предоставленных скриншотах, автор делает вывод, что процесс подсчета голосов на выборах в Госдуму 2026 года был «управляемым», поскольку процент голосов за «Единую Россию» оставался аномально стабильным (разброс всего 0,89 процентных пункта) на протяжении всего времени подсчета.
Однако представленная математическая методика содержит ряд серьезных изъянов и некорректных допущений. Вот подробное опровержение этой аргументации:
1. Ложная посылка о последовательном вводе данных целыми регионами («Модель 2») Фундаментальная ошибка автора кроется в его второй модели, которую он выдает за «реальность». Он утверждает, что «протоколы поступают батчами из регионов», и строит свои расчеты вероятности на том, что система обрабатывает результаты строго последовательно, блок за блоком (например, сначала результаты одного региона, затем другого с совершенно иным средним значением).
Как это работает на самом деле: Система ГАС «Выборы» не ждет, пока отчитается весь регион, чтобы добавить его в общую копилку. Данные вводятся массивно параллельно территориальными избирательными комиссиями (ТИК) по всей стране по мере готовности протоколов. В любой момент времени в общую статистику стекаются данные из Сибири, Урала, Поволжья и Центральной России одновременно.
Следствие: Из-за этого параллельного потока результаты перемешиваются. Различия между регионами сглаживаются, так как они поступают не монолитными «мешками» (как в аналогии с пончиками), а непрерывным, смешанным потоком. Таким образом, реальный процесс агрегации гораздо ближе к отвергнутой автором «Модели 1» (случайное/параллельное поступление), при которой вероятность такого ровного графика оценивается самим автором в 95–99%.
2. Игнорирование Закона больших чисел Анализ автора начинается с отметки, когда обработано 13,88% протоколов.
В масштабах всероссийских выборов 13,88% — это колоссальная выборка (миллионы голосов и тысячи участков).
Согласно закону больших чисел теории вероятностей, при таком огромном объеме данных бегущее среднее значение уже должно максимально приблизиться к итоговому результату всей генеральной совокупности. Даже если в следующих порциях поступят данные из регионов с аномальным голосованием (например, из Чечни), их вес будет «размыт» уже накопленными миллионами голосов, и они не смогут радикально сдвинуть общую кривую.
3. Некорректное сравнение с выборами в США Автор приводит в пример колебания процента на выборах в США 2020 года («красный мираж» и «синий сдвиг»), утверждая, что так должно быть везде.
Это ложная аналогия. В США резкие скачки были обусловлены систематическим смещением в порядке подсчета разных типов бюллетеней, а не географией. Как справедливо отмечает сам автор, почтовые бюллетени (в которых преобладали голоса за демократов) во многих штатах по закону считались в последнюю очередь.
В России нет такого жесткого, законодательно закрепленного порядка, который предписывал бы сначала считать, например, участки в протестных городах, а затем в лояльных селах. Отличия в скорости обусловлены в основном часовыми поясами, что дает более плавное и предсказуемое смещение, не способное вызвать скачки на 14 пунктов при непрерывном смешивании данных.
4. Ошибка весовых коэффициентов («Москва против Чечни») Автор акцентирует внимание на разнице результатов: ~30% в Москве и ~99% в Чечне, подразумевая, что добавление результатов Чечни должно сильно дернуть график.
Здесь игнорируется демографический вес. Население регионов-«электоральных султанатов» относительно невелико на фоне всей страны. Их 99% при добавлении в общую базу, где уже лежат десятки миллионов голосов из крупных урбанизированных регионов с более низким процентом поддержки, математически не способны вызвать резкий скачок федерального процента на поздних этапах агрегации.
5. Смешение аргументов Автор перечисляет другие нарушения: разрыв между бумажным и электронным голосованием (ДЭГ), отсутствие наблюдателей на участках и т.д..
Эти факторы действительно могут указывать на проблемы с чистотой самих выборов и фальсификации на местах. Однако они никак не спасают математическую модель автора. Тот факт, что график оставался ровным, является закономерным следствием параллельной обработки массивов данных национального масштаба, а не доказательством программной «корректировки цифр» в ходе самого процесса агрегации, как утверждает автор.
Вывод: Методика опровергается тем, что она базируется на нереалистичной модели последовательного порегионального ввода данных. Из-за параллельного и одновременного поступления данных со всей страны вступает в силу закон больших чисел, который математически обосновывает быструю стабилизацию итогового процента уже на ранних этапах подсчета огромного числа голосов.
