Смертность «от отчаяния» в России, 2013–2022 (Если быть точным)

Смертями «от отчаяния» исследователи называют смерти от алкоголя, наркотиков и самоубийств. Подобные случаи они связывают с социальным и экономическим неблагополучием. «Если быть точным» проанализировали данные по смертности в России и выяснили:
— Динамику смертности «от отчаяния» в России
— Динамику смертности от употребления наркотиков в Москве и в России
— Как соотносится смертность «от отчаяния» в городах и сёлах России
— Коэффициент смертности «от отчаяния» в пересчёте на миллион населения среди мужчин и женщин разного возраста

Другие наши публикации про смерти «от отчаяния» в России и в мире:
— Статистика самоубийств в мире, 1990–2020
— Смертность от алкоголя в России и мире, 2000–2020
— Число смертей от передозировки наркотиками в США и вклад фентанила, 2000–2023

Капитализация крупнейший компаний и рост ВВП в регионах мира, 1973–2025 (levelsio)

На первых двух картинках — сравнение рыночной капитализации компаний США, ЕС, Азии и Африки в 2018 году. Данные включают компании возрастом менее 50 лет и стоимостью более 10 миллиардов долларов

На последней диаграмме — динамика ВВП в мире, США, Японии и ЕС с 1973 по 2025, где за 100 взят показатель 1973 года

Другие наши публикации про крупнейшие компании мира:
— Топ-50 компаний мира по прибыли в 2024 году
— 50 компаний мира с крупнейшей капитализацией, 2024
— Крупнейшие компании мира по числу поставленных смартфонов, 2024
— 8 компаний мира с крупнейшими выручками в игровой индустрии, 2023

Закон Бенфорда

Этот закон описывает то, как часто цифры будут первыми в числах из большого массива значений в реальной жизни. Например, единица в 6 раз чаще восьмёрки будет встречаться в начале чисел, что показано на первой диаграмме. По горизонтали — первые значащие цифры, по вертикали — вероятность их появления

Контринтуитивность закона позволяет выявлять мошенничества с финансами, фальсификации на выборах или подтасовки статистики. Если распределение цифр в массиве данных значительно отличается от распределения Бенфорда — числа с большой вероятностью имели искусственную природу. Например, при помощи этого закона пользователь с Reddit указал на подтасовки в данных о заболеваемости короной в России. На третьем изображении — его визуализация распределения цифр в количестве новых заболеваний коронавирусом в Германии, Великобритании, США и России

Необходимо понимать, что закон верен не для всех распределений. Он не работает, если заданы минимальные и максимальные значения или у величин только один или два порядка значений. Например, распределение цифр в списке компаний с доходом от 50 тыс до 100 тыс $ или показатели IQ у взрослых не будут под него подходить

В последнем вложении — распределение цифр в числе голосов, поданных за кандидатов на президентских выборах в США, по округам