論文の概要: Mathematically Quantifying Non-responsiveness of the 2021 Georgia
Congressional Districting Plan
- arxiv url: http://arxiv.org/abs/2203.06552v2
- Date: Sun, 9 Oct 2022 16:19:39 GMT
- ステータス: 処理完了
- システム内更新日: 2023-02-19 15:35:21.760902
- Title: Mathematically Quantifying Non-responsiveness of the 2021 Georgia
Congressional Districting Plan
- Title（参考訳）: 2021年ジョージア州議会地区計画の数学的定量化非応答性
- Authors: Zhanzhan Zhao, Cyrus Hettle, Swati Gupta, Jonathan Mattingly, Dana
Randall, Gregory Herschlag
- Abstract要約: 並列テンパリング法とReComを併用したメトロポリケートサンプリング手法を応用した。
ジョージア州における地区計画の最初の事例研究を通じて、これらの改善を開拓する。
我々の分析では、ジョージア州の選挙は、この制定された計画の下で、確実に9人の共和党員と5人の民主党員を選出すると予想している。
- 参考スコア（独自算出の注目度）: 3.097163558730473
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: To audit political district maps for partisan gerrymandering, one may
determine a baseline for the expected distribution of partisan outcomes by
sampling an ensemble of maps. One approach to sampling is to use redistricting
policy as a guide to precisely codify preferences between maps. Such
preferences give rise to a probability distribution on the space of
redistricting plans, and Metropolis-Hastings methods allow one to sample
ensembles of maps from the specified distribution. Although these approaches
have nice theoretical properties and have successfully detected gerrymandering
in legal settings, sampling from commonly-used policy-driven distributions is
often computationally difficult. As of yet, there is no algorithm that can be
used off-the-shelf for checking maps under generic redistricting criteria. In
this work, we mitigate the computational challenges in a Metropolized-sampling
technique through a parallel tempering method combined with ReCom[12] and, for
the first time, validate that such techniques are effective on these problems
at the scale of statewide precinct graphs for more policy informed measures. We
develop these improvements through the first case study of district plans in
Georgia. Our analysis projects that any election in Georgia will reliably elect
9 Republicans and 5 Democrats under the enacted plan. This result is largely
fixed even as public opinion shifts toward either party and the partisan
outcome of the enacted plan does not respond to the will of the people. Only
0.12% of the $\sim$160K plans in our ensemble were similarly non-responsive.
- Abstract（参考訳）: 党派ゲリマンダーの政治地区地図を監査するために、地図のアンサンブルをサンプリングすることにより、党派結果の期待分布の基準を決定することができる。
サンプリングへの1つのアプローチは、マップ間の選好を正確に体系化するためのガイドとして再帰ポリシーを使用することである。
このような選好は再配置計画の空間上の確率分布を生じさせ、メトロポリス・ハスタンツ法は特定の分布から地図のアンサンブルをサンプリングすることができる。
これらのアプローチは理論的に優れた性質を持ち、法的設定でgerrymanderingをうまく検出できたが、よく使われるポリシー駆動のディストリビューションからのサンプリングは、しばしば計算的に難しい。
現在のところ、一般的な再制限基準の下で地図をチェックできるアルゴリズムは存在しない。
本研究では,recom[12]と組み合わされた並列テンパリング法を用いて,メトロポラライズドサンプリング手法における計算上の課題を軽減し,この手法が,よりポリシーインフォームドな対策のために,国全体の管区グラフの規模において,これらの問題に対して有効であることを初めて検証する。
ジョージア州における地区計画の最初の事例研究を通じて、これらの改善を開拓する。
我々の分析では、ジョージア州の選挙は、この制定された計画の下で確実に9人の共和党員と5人の民主党員を選出すると予想している。
この結果は、世論が両党に移行し、制定された計画の党派的な結果が国民の意思に反応しないとしても、ほとんど固定されている。
このアンサンブルの$\sim$160Kプランの0.12%は、同じように応答性がなかった。
関連論文リスト
- Information Capacity Regret Bounds for Bandits with Mediator Feedback [55.269551124587224]
我々は,政策セットの複雑さに対する情報理論尺度として,政策セットの容量を導入する。
古典的なEXP4アルゴリズムを採用することで、ポリシーセットの容量に応じて、新たな後悔の限界を提供する。
ポリシーセットファミリの選択については、キャパシティと同じようなスケールで、ほぼ整合性の低い境界を証明します。
論文 参考訳（メタデータ） (2024-02-15T19:18:47Z) - Less is More: Fewer Interpretable Region via Submodular Subset Selection [54.07758302264416]
本稿では,上述の画像帰属問題を部分モジュラ部分選択問題として再モデル化する。
我々は、より正確な小さな解釈領域を発見するために、新しい部分モジュラー関数を構築する。
正しく予測されたサンプルに対しては,HSIC-Attributionに対する平均4.9%と2.5%の利得で,Deletion and Insertionスコアを改善した。
論文 参考訳（メタデータ） (2024-02-14T13:30:02Z) - Multiscale Parallel Tempering for Fast Sampling on Redistricting Plans [1.1233768932957773]
説得力のある方法は、計画と中立に描画された再限定計画のアンサンブルを比較することである。
アンサンブルと所定の計画との党派差を監査するためには、非党派基準が一致していることを保証する必要がある。
本研究では,各スケールで局所移動を行うマルチスケール並列テンパリング手法を提案する。
論文 参考訳（メタデータ） (2024-01-30T21:33:05Z) - Off-Policy Evaluation for Large Action Spaces via Policy Convolution [60.6953713877886]
ポリシ・コンボリューション(Policy Convolution)のファミリーは、アクション内の潜在構造を使用して、ログとターゲットポリシを戦略的に畳み込みます。
合成およびベンチマークデータセットの実験では、PCを使用する場合の平均二乗誤差(MSE)が顕著に改善されている。
論文 参考訳（メタデータ） (2023-10-24T01:00:01Z) - Expected Frequency Matrices of Elections: Computation, Geometry, and
Preference Learning [58.23459346724491]
我々は、Szufa et al.(AAMAS 2020)の「選挙マップ」アプローチを用いて、よく知られた投票分布を分析します。
分布の「スケルトン写像」を描き、その頑健さを評価し、その性質を分析する。
論文 参考訳（メタデータ） (2022-05-16T17:40:22Z) - Implications of Distance over Redistricting Maps: Central and Outlier
Maps [6.757783454836096]
代表制民主主義では、選挙区を代表を選出する選挙区の集合に分割するために、再分権地図が選択される。
有効な再限定写像は、コンパクトで連続であり、ほぼ同じ人口であるような制約の集合を満たさなければならない。
この事実は地図の再区画化の難しさを招き、党派議会が不公平に好む地図を選ぶことで、おそらくはゲリマンダーにすることができる。
論文 参考訳（メタデータ） (2022-03-02T04:59:30Z) - Direct Measure Matching for Crowd Counting [59.66286603624411]
そこで本研究では,予測密度マップを散乱点付基底真理に直接回帰する測度に基づく新しい計数手法を提案する。
本稿では, シンクホーンの測位損失を計測するために設計した, 半平衡型のシンクホーン発散を導出する。
論文 参考訳（メタデータ） (2021-07-04T06:37:33Z) - Colorado in Context: Congressional Redistricting and Competing Fairness
Criteria in Colorado [0.0]
我々は、合理的な再分権計画の大きなランダムサンプルを生成し、2018年の州全体の選挙でのリターンを用いて、各地区の党派バランスを決定する。
本研究では, 党派的な成果, 分割される郡数, 計画における競争地区数との関係について検討する。
論文 参考訳（メタデータ） (2020-11-11T20:05:50Z) - Distribution Matching for Crowd Counting [51.90971145453012]
アノテーションにガウスを付与することは一般化性能を損なうことを示す。
我々は,群集CoUNTing (DM-Count) における分布マッチングの利用を提案する。
平均絶対誤差(Mean Absolute Error)の観点では、DM-Countは従来の最先端手法よりも優れている。
論文 参考訳（メタデータ） (2020-09-28T04:57:23Z) - Sequential Monte Carlo for Sampling Balanced and Compact Redistricting
Plans [0.0]
本稿では,現実的な目標分布に収束する再限定計画のサンプルを生成する,SMC(Sequential Monte Carlo)アルゴリズムを提案する。
提案アルゴリズムの精度を,すべての再分割計画を列挙可能な小さなマップを用いて検証する。
次に、SMCアルゴリズムを用いて、ペンシルベニア州の最近の有名な再分権事件において、関係当事者が提出したいくつかの地図のパルチザン的含意を評価する。
論文 参考訳（メタデータ） (2020-08-13T23:26:34Z) - The Essential Role of Empirical Validation in Legislative Redistricting
Simulation [0.0]
提案手法は,計画の再分割を効率的に行うことのできる計算手法である。
このアルゴリズムは,数百の地理的単位を持つ状態に拡張可能であることを示す。
論文 参考訳（メタデータ） (2020-06-17T20:51:43Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。