論文の概要: Bounds and Bugs: The Limits of Symmetry Metrics to Detect Partisan Gerrymandering

• arxiv url: http://arxiv.org/abs/2406.12167v3
• Date: Thu, 16 Jan 2025 19:36:55 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-01-20 13:57:51.145941
• Title: Bounds and Bugs: The Limits of Symmetry Metrics to Detect Partisan Gerrymandering
• Title（参考訳）: 境界とバグ:パルチザンジェリーマンダー検出のための対称性メトリクスの限界
• Authors: Daryl DeFord, Ellen Veomett,
• Abstract要約: 我々は、パルチザンジェリーマンダー解析によく用いられる2つの対称性指標、平均媒介差(MM)とパルチザンバイアス(PB)について考察する。 我々の主な結果は、選挙区選挙において達成可能な議席と票の組み合わせについて、各選挙区が獲得した選挙区の数を、理想的なメートル法値から逸脱する可能性の程度と比較することである。 これらの比較は、MMとPBが、ある政党が獲得した地区の数が極端に多いことを検出するために使われている例によって動機付けられている。
• 参考スコア（独自算出の注目度）: 0.0
• License:
• Abstract: We consider two symmetry metrics commonly used to analyze partisan gerrymandering: the Mean-Median Difference (MM) and Partisan Bias (PB). Our main results compare, for combinations of seats and votes achievable in districted elections, the number of districts won by each party to the extent of potential deviation from the ideal metric values, taking into account the political geography of the state. These comparisons are motivated by examples where the MM and PB have been used in efforts to detect when a districting plan awards extreme number of districts won by some party. These examples include expert testimony, public-facing apps, recommendations by experts to redistricting commissions, and public policy proposals. To achieve this goal we perform both theoretical and empirical analyses of the MM and PB. In our theoretical analysis, we consider vote-share, seat-share pairs (V, S) for which one can construct election data having vote share V and seat share S, and turnout is equal in each district. We calculate the range of values that MM and PB can achieve on that constructed election data. In the process, we find the range of (V,S) pairs that achieve MM = 0, and see that the corresponding range for PB is the same set of (V,S) pairs. We show how the set of such (V,S) pairs allowing for MM = 0 (and PB = 0) changes when turnout in each district is allowed to vary. By observing the results of this theoretical analysis, we can show that the values taken on by these metrics do not necessarily attain more extreme values in plans with more extreme numbers of districts won. We also analyze specific example elections, showing how these metrics can return unintuitive results. We follow this with an empirical study, where we show that on 18 different U.S. maps these metrics can fail to detect extreme seats outcomes.
• Abstract（参考訳）: 我々は,パルチザンジェリーマンダー解析によく用いられる2つの対称性指標,平均媒介差(MM)とパルチザンバイアス(PB)について考察した。 我々の主な結果は、選挙区選挙において達成可能な議席と票の組み合わせについて、各政党が獲得した選挙区の数が理想的なメートル法値から逸脱する可能性の範囲に及んで、州の政治的地理を考慮に入れたものである。 これらの比較は、MMとPBが、ある政党が獲得した地区の数が極端に多いことを検出するために使われている例によって動機付けられている。 これらの例としては、専門家の証言、公開アプリ、専門家による委員会再編勧告、公共政策提案などがある。 この目的を達成するために、MMとPBの理論的および実証的な分析を行う。 理論的分析では、投票共有Vと議席共有Sを有する選挙データを構築できる投票共有、議席共有ペア(V,S)について検討し、各地区でターンアウトが等しくなる。 我々は、その構築された選挙データに基づいて、MMとPBが達成できる値の範囲を算出する。 この過程で、MM = 0 となる (V,S) 対の範囲を見つけ、PB の対応する範囲が (V,S) 対と同じ (V,S) であることを示す。 MM = 0(およびPB = 0)が許容されるような(V,S)ペアの集合は、各地区でのターンアウトが変動することを許されたときにどのように変化するかを示す。 この理論解析の結果を観察することにより、これらの指標によって得られる値が、より極端な数の地区が勝利した計画において、必ずしもより極端な値に達するとは限らないことを示すことができる。 また、特定の例の選挙を分析し、これらの指標が直感的でない結果を返す方法を示している。 18の異なる米国地図では、これらの指標が極端な座席結果の検出に失敗する可能性があることを実証的な研究で示しています。

関連論文リスト

• Don't Trust A Single Gerrymandering Metric [0.0]
  これらの指標のそれぞれが,ゲーリーマンダリングを検出するために,単一の孤立量として使用する場合,ゲーム可能であることを示す。 我々は,山登り法を用いて,メートル法上の境界に制約された地区計画を生成するとともに,当事者が獲得した地区数を最大又はほぼ最大化する。 これらの結果の明らかな結果の1つは、ゲーリーマンダリングを避けるために、再分権委員会が満たさなければならないメートル法上の事前境界を指定することの事実を示すことである。
  論文  参考訳（メタデータ） (2024-09-25T02:40:09Z)
• Retiring $\Delta$DP: New Distribution-Level Metrics for Demographic Parity [47.78843764957511]
  デルタDP$のフェアネス指標は、人口格差の違反を正確に測定することはできない。 確率密度関数曲線(ABPC)と累積密度関数曲線(ABCC)の2つの新しいフェアネス指標を提案する。 提案手法では, ABCC/ABPCがゼロ値であること, ABCC/ABPCがゼロ値であること, ABCC/ABPCが階層パリティを保証し, 分類しきい値の調整を行う。
  論文  参考訳（メタデータ） (2023-01-31T06:43:55Z)
• Untangling the Dueling Expert Witnesses: Comparing Ensemble Methods in Pennsylvania's Redistricting Plans [0.0]
  ランダムな選挙区の集合は、提案された地区計画が外れているか、ゲリーマンダーであるかを評価する貴重な手段である。 最近のオープンソース手法は、専門家証人証言の独立した検証を可能にしている。 我々は「レッドリスト」と「ジェリーチェーン」を用いて計算されたペンシルベニア州下院と議会選挙区のアンサンブルを比較した。
  論文  参考訳（メタデータ） (2022-08-18T00:03:40Z)
• Agent-based Simulation of District-based Elections [0.5076419064097732]
  選挙区ベースの選挙では、選挙人はそれぞれの選挙区に票を投じた。 各地区において、最大得票率の政党が、行政機関の議席を獲得する。 選挙結果は、異なる政党が獲得した議席数に基づく。
  論文  参考訳（メタデータ） (2022-05-28T11:19:04Z)
• 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)
• Mathematically Quantifying Non-responsiveness of the 2021 Georgia Congressional Districting Plan [3.097163558730473]
  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。
  論文  参考訳（メタデータ） (2022-03-13T02:58:32Z)
• 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)
• Mundus vult decipi, ergo decipiatur: Visual Communication of Uncertainty in Election Polls [56.8172499765118]
  我々は、今放送と予測におけるバイアスの潜在的な源について論じる。 概念は、誤認識された正確性の問題を軽減するために提示される。 主要なアイデアの1つは、パーティーシェアではなくイベントの確率を使うことである。
  論文  参考訳（メタデータ） (2021-04-28T07:02:24Z)
• Bribery as a Measure of Candidate Success: Complexity Results for Approval-Based Multiwinner Rules [58.8640284079665]
  有権者が承認投票(すなわち、承認した候補者の集合)を投じた場合のマルチウィナー選挙における贈収賄の問題を研究する。 我々は、いくつかの承認ベースのマルチウィナールール(AV、SAV、GAV、RAV、承認ベースのチェンバリン--Courant、およびPAV)を検討します。 一般に、我々の問題は、勝利した委員会の候補者の承認数を増やすための贈収賄行為を制限した場合、より容易になる傾向がある。
  論文  参考訳（メタデータ） (2021-04-19T08:26:40Z)
• 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)
• Learning to Match Distributions for Domain Adaptation [116.14838935146004]
  本稿では,ドメイン間分布マッチングを自動的に学習する学習 to Match (L2M)を提案する。 L2Mは、メタネットワークを用いてデータ駆動方式で分布整合損失を学習することにより、誘導バイアスを低減する。 公開データセットの実験は、SOTA法よりもL2Mの方が優れていることを裏付けている。
  論文  参考訳（メタデータ） (2020-07-17T03:26:13Z)

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。