原po 的问题不在於这些机率的计算 一个制度，当然不能为了某个特殊个案而设计 除非这个特性本身是通则 先讲到我转过来的那篇文章， 那篇文章的核心意义是「统计 是为了发现目标特性 而进行的」 也就是说，选制本身是有意义而去设计的 为了这个意义，为了找到我们想要发现的民意，所以这样设计统计、 而「柄弃」了其他的特性指标 上述与在该篇文章所引用的例子 「老师想要的就是"大家都至少能接受(是多数人心目中前两名)的"人当班长」 而抦弃「最多人心中第一名」的人 除此之外，为了追求在通则中，找到标的特性的效率 在实际个案上一定会出现不完美，而这时候的问题是 「这个不完美是不是通则出现，是的话就可以把它纳入制度思考」 不需要用特殊被设计的个案也能说明 很简单的举例 当我今天规定，当选的人、或通过的提案 要「绝对多数」时 我就牺牲掉「也许 真实是有绝对多数的人支持，但没有这麽多人出来投票赞成」 当我今天规定，当选的人、通过的提安 只要「相对多数」时 我就面临了「也许 有过半以上的人持偏负面的意见 但他们没出来投票反对」 这个时候，选制要如何设计 就如上所诉，一个思考的是「这种特性 是不是通则」 比如说地方选举通常比较切身相关，也许投票率都会比较高，那就可以倾向用绝对多数 但，除此之外，通常也会思考 「 要通过这种选举 所需的绝对多数的代表力」 比如说，选举首长时，用的是相对多数 这个时候，我们是以「相对多数的得票」这个统计结果 去推论「实际有绝对多数的支持」 因此，如果要否定一件被首长与其政府决定要推动的事、或直接罢免首长 就等於要提出「真实的绝对多数 其实是反对这样做的」， 来压过首长当选时得到的民意证据 所以就必需提出更严谨的投票规则 有的时候，是考量选举议题 本身所应有的恒常性，也就是「一动不如一静」的程度 如果是宪法，一个国家的基本法不能胡乱去改 ， 而如果去改了，就一定要更确定民意如此 所以会需求的选制也会更严谨 回过头来原po的问题 要用「选举制度」的角度来探讨的话 这不是机率和那组支持个案的问题 我们不可能让选举「先看到选项 再因为选项的特色而更换」 换句话说，如果本来是投一次决定的 就不可能说「因为呢 现在正好有这种微妙的参选者组合，所以我们来投两次吧」 不能这样 那麽，如上面所说「这种组合，在(比如说)议员的选举里，很容易出现吗？」 有这个「通常性」吗？ 我想是没有的， 议员的组合，很可能两种立场是 一比一 一比二 二比二 一比n 很可能有一大堆立场一大堆人选 而各别选项、候选人的支持率分配， 也不容易出现「如果不作二轮选举就投不好」的情况 如上述，一次选举或二轮选举，都不会是一定谁比谁好 而是这样的选举有没有必要用这种通则 (才能更准确找到民意) 在某些特殊的场合，参与投票的人可能会同意二轮选举更适合 -- 但那不一定是为了「确认真实过半的民意」 有时候是为了顺利产生选举结果 或其他原因 比如国会的投票，因为投票者就是这麽几百人，所以可能会同意作二轮投票 这是为了避免所有候选议题、人 为了一次投票而争锋相对 这样投出来的结果，并不能说是「最多国会议员支持的」 而是 「会在这种二轮投票制下，得到最後支持的」 -- 如上述，本来不同的选举就有着不同的统计目的 但是，大部份的选举都不是像老师选班长 或是国会投票这样 追求较有特色的目标 而是，通常都就是为了找到「绝对多数支持的证据」 和二轮投票相比，单一投票逻辑上比较能直接找到绝对多数支持 二轮投票的变化太多，其中一个重点a大有提到「配票」 单次投票也可以配票 -- 如果是选出多席的话，但这至少是因为选民自己改支持对向了 也就是不算违背「一人一票，一票一值」 然而，二轮投票的第一轮，通常会作复数圈选， 假设100项选十项，一人五票， 在所有100个选项中，a b c d e 五个选项，因为某甲得支持，可以各得一票 但，z选项，因为某乙强烈而且单一的支持，却可以透过配票得到五票 (乙可以把他另外四票拿去和别人交换) 「这样的特性是不是通则」 在二轮投票里， 配票导致「一人一票，一票一值」失真 的情况是很一般的 所以选制原则上是越简单越好，多半只是在门槛上变化 除非今天很明显，这样的选举「要人民只选最喜欢的那个是不合理的」 除非有这样的通则特性，否则一般都不会考虑其他种选举 过去台湾有复数选区、选票 (一区选出多席、在之前一人立委可以投三票(听说是啦)) 後来也都改了 -- 自幼家贫 既无嗜好 不学无术 亦无专长 唯打翻茶杯 或饮料罐 或新鲜屋 不乏瓶水 亦有碗面 铝铁生熟不锈钢 大小利乐锡箔包 有色无色玻璃 软壳硬壳塑胶 凡立不曾未倒 寸地无一免湿 初时心喜 触翻热汤而後败兴 久之或忧 撞倒汽水反得释然 本为一时之误 积久成习 偶一为之 还傲世中无双 故以为好 便作所长 因姓黄，自号「掐倒黄」 --

※ 发信站: 批踢踢实业坊(ptt.cc) ◆ From: 118.231.68.81