总统普林科

2020年美国总统选举结果如何？预测者在民意调查数据和历史投票模式的基础上建立模型，以产生概率预测：具有不确定性的预测。但真正将这种不确定性内在化是很困难的。总统Plinko利用这种不确定性，将其转化为具有类似不确定性的Plinko董事会，这样你就可以体验到预测者的预测有多不确定。

如果你从Plinko棋盘上掉下一个球，就像“经济学人”预测的那个球的高度一样，你对结果的把握有多大？538的怎么样？试着扔掉一个球几次，看看你对不确定性的感觉如何。

不是。我是西北大学的教员，在那里我学习不确定性可视化等。你可以在这里了解更多关于我的信息，或者查看中西部不确定性集体实验室，这是一个我与杰西卡·霍尔曼共同指导的实验室。

我很幸运能够利用这一事实，即两家预测者都公开发布了他们的模型输出。有关每个预测者的模型和预测的更多细节，请参见538的预测或“经济学人”的预测。

这些预测者在他们的模型和可视化上投入了大量的工作。两人今年在不确定性沟通方面都做得很好。我推荐查看其他关于他们的可视化或模型的帖子和讨论。在这里，我只是在尝试一种较少使用的可视化方法。

我似乎是少数几个喜欢臭名昭著的“纽约时报”选举针的人之一。1个。

随着选票的到来，针头是一次勇敢的尝试，目的是实时显示2016年总统选举最终票数差距的不确定性。针本身在中心50%最有可能的结果内随机移动(根据当时的预测)。

我认为针做对了一件事，做错了另一件事。它的正确之处在于，这种动画可以帮助人们体验不确定性。2这使得可视化更强大，不确定性更难忽略。这种视觉化让人们感到焦虑，因为他们对自己关心的事情不确定。但是，如果你对自己关心的事情不确定，你应该感到焦虑。

然而，我认为针也是确定性解释错误的牺牲品：3许多人更容易将针的机制与一些确定性的测量联系在一起，而不是与不确定的数量联系在一起。4可以理解的是，这些人认为指针的快速移动反映了预测本身也在迅速变化。

在OpenVisConf 2018年期间，阿曼达·考克斯(Amanda Cox)和凯文·奎利(Kevin Quely)就纽约时报的可视化做了一次演讲，我也做了一次关于不确定性可视化的演讲，我开始思考针头的替代方案，它们的工作方式确实会引发随机性。这就是我开始考虑加尔顿董事会的时候：

高度根据预测分布的变化而变化的Galton板可以显示一种分布，以及一种可能产生这种分布的看似合理的、不确定的机制。Michael Corey后来在Twitter上与Plinko建立了联系，我决定Plinko总统会是这个网站的一个好名字。5个。

简而言之，我用比例平移的二项分布来近似每个预测者的预测分布，它最终决定了每块木板的高度。然后，我确定通过黑板的可能路径，这些路径可能会导致最终的预测分布，如分位数点图所示。因此，虽然输出看起来是随机的，但最终的分布恰恰是预测者发布的分布，一直到点图的分辨率。方法和源代码的完整细节在Github存储库中。

杰西卡·霍尔曼(Jessica Hullman)(我的一个经常合作者)称这种动画不确定性可视化为假设结果图(HOPS)。↩︎。

令各地统计学家惊慌失措的是，对许多人来说，测量某件东西的行为引起的是确定性，而不是误差。↩︎。

除此之外，弗朗西斯·高尔顿爵士是一位著名的优生学家，所以在我看来，以他的名字命名较少的东西似乎是合理的。↩︎