10 способов изображения первых 5000 знаков числа Пи (Ken Flerlage)
Ещё мы писали про математику:
— Формула для деления площади ёлки на равные части
— Число Грэма на пальцах
Ещё мы писали про математику:
— Формула для деления площади ёлки на равные части
— Число Грэма на пальцах
Медианные цены на жильё и медианные доходы домохозяйства в США, 1984–2022 (Visual Capitalist)
Цены и доходы указаны в долларах США, серыми полосками указаны периоды рецессии
Источник данных: Федеральная резервная система США 1, 2
Другие наши публикации про доступность жилья в мире:
— Динамика цен на недвижимость в некоторых развитых странах, 1990–2019
— Как изменились цены на жильё в странах мира с 2010 по 2022 год
— Индекс доступности жилья в США, январь 1990 – март 2022
— Какая доля населения в штатах Америки владеет собственным жильём, 2021
— Какая доля населения в странах Европы живёт в семьях с собственным жильём, 2020–2021
— Самая дорогая люксовая недвижимость в мире, 2021
Цены и доходы указаны в долларах США, серыми полосками указаны периоды рецессии
Источник данных: Федеральная резервная система США 1, 2
Другие наши публикации про доступность жилья в мире:
— Динамика цен на недвижимость в некоторых развитых странах, 1990–2019
— Как изменились цены на жильё в странах мира с 2010 по 2022 год
— Индекс доступности жилья в США, январь 1990 – март 2022
— Какая доля населения в штатах Америки владеет собственным жильём, 2021
— Какая доля населения в странах Европы живёт в семьях с собственным жильём, 2020–2021
— Самая дорогая люксовая недвижимость в мире, 2021
Самые распространённые языки в мире и в интернете, 2023/2024 (Statista)
Источники данных: W3Techs, Ethnologue
Ещё мы писали:
— Распространённость языков в мире, 2023
— Топ-10 языков мира по числу носителей
— Самые распространённые языки в интернете
— Первый и второй по популярности язык для изучения в Дуолинго в странах мира, 2022
Источники данных: W3Techs, Ethnologue
Ещё мы писали:
— Распространённость языков в мире, 2023
— Топ-10 языков мира по числу носителей
— Самые распространённые языки в интернете
— Первый и второй по популярности язык для изучения в Дуолинго в странах мира, 2022
10 крупнейших стран по добыче сырой нефти и их доля от мировых объёмов, 1992–2022 (Elements)
Снизу указаны среднесуточные объёмы добычи
Источник данных — EIA
Ещё мы писали про добычу и потребление нефти в мире:
— Объёмы производства и потребления нефти в странах мира, 2023
— 5 крупнейших стран по добыче нефти в мире, 1985–2021
— Крупнейшие производители нефти в мире, 2021
— Размеры рынков полезных ископаемых в долларовом эквиваленте, 2022
— Мировые объёмы производства и 10 крупнейших производителей нефти, газа и угля, 2021
Снизу указаны среднесуточные объёмы добычи
Источник данных — EIA
Ещё мы писали про добычу и потребление нефти в мире:
— Объёмы производства и потребления нефти в странах мира, 2023
— 5 крупнейших стран по добыче нефти в мире, 1985–2021
— Крупнейшие производители нефти в мире, 2021
— Размеры рынков полезных ископаемых в долларовом эквиваленте, 2022
— Мировые объёмы производства и 10 крупнейших производителей нефти, газа и угля, 2021
Военные расходы стран НАТО в долларах и процентах от ВВП, 2014/2023 (Visual Capitalist, Statista)
На первой картинке военные расходы указаны в миллиардах долларов. На второй указаны объёмы расходов в 2014 и 2023 годах (шкалы) и процент расходов в 2023 году как процент от ВВП страны (столбик справа)
Отчёты НАТО: 2014/2023, 2024
Больше данных по военным расходам стран мир:
— Объём военных расходов по странам мира, 1950–2022
— Военные расходы стран НАТО в миллионах долларов и как % от ВВП, 2021 год
— Военные расходы стран НАТО и остального мира, 2021
— Военные расходы России как доля ВВП, 1885–2016
— Сравнение военных расходов Китая и других стран, 2021
— Военные расходы и ВВП на душу населения в странах мира, 2021
На первой картинке военные расходы указаны в миллиардах долларов. На второй указаны объёмы расходов в 2014 и 2023 годах (шкалы) и процент расходов в 2023 году как процент от ВВП страны (столбик справа)
Отчёты НАТО: 2014/2023, 2024
Больше данных по военным расходам стран мир:
— Объём военных расходов по странам мира, 1950–2022
— Военные расходы стран НАТО в миллионах долларов и как % от ВВП, 2021 год
— Военные расходы стран НАТО и остального мира, 2021
— Военные расходы России как доля ВВП, 1885–2016
— Сравнение военных расходов Китая и других стран, 2021
— Военные расходы и ВВП на душу населения в странах мира, 2021
Карта плотности населения в Африке, 2018 (Visual Capitalist)
На карте отмечены крупные города и городские районы, также указаны:
— 5 стран с самым быстрорастущим населения
— 5 самых населённых стран
— 5 самых населённых городских районов
Источник данных — Gridded Population of the World
Другие наши публикации с данными по Африке:
— Сравнение площади Африки со странами мира
— Как менялась ожидаемая продолжительность жизни в странах Африки, 1960–2020
— Число трудоустроенного населения, живущего за чертой крайней бедности, в мире и в странах Африки, 1991–2021
— Доступность питьевой воды в странах Африки южнее Сахары, 2020
На карте отмечены крупные города и городские районы, также указаны:
— 5 стран с самым быстрорастущим населения
— 5 самых населённых стран
— 5 самых населённых городских районов
Источник данных — Gridded Population of the World
Другие наши публикации с данными по Африке:
— Сравнение площади Африки со странами мира
— Как менялась ожидаемая продолжительность жизни в странах Африки, 1960–2020
— Число трудоустроенного населения, живущего за чертой крайней бедности, в мире и в странах Африки, 1991–2021
— Доступность питьевой воды в странах Африки южнее Сахары, 2020
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
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
Как минимум половина голосов за Путина — фальсификации
По результатам проверки 100% бюллетеней, Владимир Путин набрал 87,28% голосов — это рекордный масштаб подделки голосов на президентских выборах в России
Новая газета при помощи метода математика Сергея Шпилькина выявила долю аномальных голосов. Для этого нужно сопоставить распределение голосов за разных кандидатов. Если за кого-то «вбрасывают» голоса, вместе с результатом увеличивается и явка. Это отчётливо видно на первой картинке с числом голосов в разных интервалах явки — чем выше явка, тем выше доля голосов за Путина относительно других кандидатов
Фальсификации видно и по пикам на целочисленных интервалах, появляющихся в результате «натягивания» явки на «красивые» числа. Они обведены на второй картинке. Также стоит понимать, что не все «нарисованные» результаты будут кратны 5
На третьей диаграмме — связь между явкой и голосами за кандидатов. Каждая точка — один избирательный участок. Отчётливо видно полоски на значениях, кратных 5, которые также демонстрируют фальсификации на выборах. По вертикали «натянута» явка, по горизонтали — такие же голоса «за»
На последней картинке подсчитано число голосов за Путина, отдельно выделены избыточные голоса в протоколах с целочисленным результатом
Стоит помнить, что эти оценки — нижняя граница. Во-первых, сбор данных и расчёты усложняет электронное голосование — оно влияет на офлайн-явку и мешает дать полную картину. Увидеть его эффект можно по расплывчатому облаку точек в левом верхнем углу на третьей диаграмме. Во-вторых, не все участки фальсифицируют примитивно, рисуя целочисленные результаты, из-за чего не все «вбросы» можно идентифицировать на диаграммах
Источник — Новая газета Европа
Другие наши публикации про фальсификации на выборах:
— Как ЦИК врёт при помощи графиков
— Почему 78% «за» — полный фейк. Первые доказательства
— Статистика главных выборов в России с 2000 по 2020 годы
— Электоральная статистика губернаторских выборов 13 сентября 2020
— Реальные результаты выборов в Беларуси
По результатам проверки 100% бюллетеней, Владимир Путин набрал 87,28% голосов — это рекордный масштаб подделки голосов на президентских выборах в России
Новая газета при помощи метода математика Сергея Шпилькина выявила долю аномальных голосов. Для этого нужно сопоставить распределение голосов за разных кандидатов. Если за кого-то «вбрасывают» голоса, вместе с результатом увеличивается и явка. Это отчётливо видно на первой картинке с числом голосов в разных интервалах явки — чем выше явка, тем выше доля голосов за Путина относительно других кандидатов
Фальсификации видно и по пикам на целочисленных интервалах, появляющихся в результате «натягивания» явки на «красивые» числа. Они обведены на второй картинке. Также стоит понимать, что не все «нарисованные» результаты будут кратны 5
На третьей диаграмме — связь между явкой и голосами за кандидатов. Каждая точка — один избирательный участок. Отчётливо видно полоски на значениях, кратных 5, которые также демонстрируют фальсификации на выборах. По вертикали «натянута» явка, по горизонтали — такие же голоса «за»
На последней картинке подсчитано число голосов за Путина, отдельно выделены избыточные голоса в протоколах с целочисленным результатом
Стоит помнить, что эти оценки — нижняя граница. Во-первых, сбор данных и расчёты усложняет электронное голосование — оно влияет на офлайн-явку и мешает дать полную картину. Увидеть его эффект можно по расплывчатому облаку точек в левом верхнем углу на третьей диаграмме. Во-вторых, не все участки фальсифицируют примитивно, рисуя целочисленные результаты, из-за чего не все «вбросы» можно идентифицировать на диаграммах
Источник — Новая газета Европа
Другие наши публикации про фальсификации на выборах:
— Как ЦИК врёт при помощи графиков
— Почему 78% «за» — полный фейк. Первые доказательства
— Статистика главных выборов в России с 2000 по 2020 годы
— Электоральная статистика губернаторских выборов 13 сентября 2020
— Реальные результаты выборов в Беларуси