※ 引述《lono (lono)》之銘言：
: 支持侯柯配的受訪者人數=X+A
: 支持柯侯配的受訪者人數=X+B
: X是同時支持侯柯配和柯侯配的人數
: A只支持侯柯
: B只支持柯侯
: 國民黨說侯友宜的民調被低估3%
: 那我們調升3%
: 支持侯柯配的受訪者人數=（X+A）*1.03
: 國民黨說柯文哲的民調被高估3%
: 那我們調降3%
: 支持柯侯配的受訪者人數=（X+B）*0.97
: 問題來了
: 同時支持侯柯配和柯侯配的人數到底是多少？
: 是X*1.03
: 還是X*0.97？
: 不可能「同時支持侯柯配和柯侯配的人數」
: 既被高估也被低估
: 這就是6%算法的問題
: 國民黨說侯友宜的民調被低估3%
: 調高3%的同時
: 支持柯侯配的受訪者人數=X*1.03+B
: 也要跟著一起調高
: 除非X=0
: 如果X剛好佔了一半
: 那國民黨把侯柯配調高3%
: 那柯文哲的支持度也會跟著上升1.5%
: 所以不存在侯+3%柯-3%的情況
: 這就是1.5%的由來
: 實際X是多少，民調公司沒有公開
: 6%算法是假設X=0才有可能出現的情況
: 3%=1.5%*2的算法是假設X剛好佔一半的人數
: 0%的算法假設柯侯、侯柯完全重疊，那侯柯調升10%，柯侯也要跟著調升10%，不存在一個
: 高估一個低估的可能性
err........睡飽起來翻一下書
發現這種實驗設計用mcnemar test就能搞定
仔細想想 這種追蹤實驗怎麼可能沒有
不過連我們這些猴子都知道怎麼處理
藍白兩黨這麼多專家應該不會不知道吧