โมเดลการเลือกตั้งที่ทายผู้ชนะถูกใน 74 จาก 81 จังหวัด ในการทดสอบย้อนหลังรอบสองของการเลือกตั้งประธานาธิบดีปี 2023
เราสร้างแบบจำลองว่าผู้คนจะตัดสินใจอย่างไร ทั้งผู้ลงคะแนน สมาชิก และลูกค้า ก่อนที่โมเดลจะทำนายอนาคตได้ มันต้องรู้จักอดีตเสียก่อน โมเดลของเราทายผลการเลือกตั้งในอดีตได้ถูกต้องในการทดสอบย้อนหลัง
ในการเลือกตั้งสภาวิชาชีพแห่งหนึ่ง เราเผยแพร่คำพยากรณ์เป็นพรีพรินต์หนึ่งวันก่อนการลงคะแนน เพื่อไม่ให้แก้ไขภายหลังได้ การแข่งขันสูสีแทบเหมือนโยนเหรียญ และเราเขียนไว้ล่วงหน้าว่าเอนไปทางไหน: บัญชีรายชื่อของผู้ท้าชิง ด้วยโอกาส 55% ในสภา 32 ต่อ 29 ผลนับคะแนนออกมาเป็น 35 ต่อ 26
ผลนับคะแนนหน้าหีบ ยังรอประกาศอย่างเป็นทางการ คณะกรรมการแต่ละชุดทายยากกว่า: ถูก 15 จาก 24 การเลือกตั้งครั้งเดียวไม่ได้แสดงว่าวิธีนี้จะถูกทุกครั้ง
การเลือกตั้งกลางเทอมของสหรัฐฯ 3 พฤศจิกายน 2026: ที่นั่งสภาผู้แทนราษฎรทั้ง 435 ที่นั่งและวุฒิสภา 35 ที่นั่ง คำพยากรณ์เผยแพร่ก่อนการนับคะแนนและจะได้รับการประเมินเมื่อทราบผล
คำพยากรณ์ที่ลงทะเบียน: พรรคเดโมแครตชนะสภาผู้แทนราษฎร โอกาส 96%; วุฒิสภาสูสี เดโมแครต 54%
การเลือกตั้งหอการค้าและอุตสาหกรรมอันตัลยา 18 ตุลาคม 2026: สี่บัญชีรายชื่อ 49 กลุ่มวิชาชีพ 124 ที่นั่งในสภา คำพยากรณ์เผยแพร่ก่อนเปิดหีบเลือกตั้ง และจะให้คะแนนเมื่อประกาศผล
คำพยากรณ์ที่ลงทะเบียน: บัญชีรายชื่อสีแดงเป็นกลุ่มใหญ่ที่สุดในสภา โอกาส 82%; ครองเสียงข้างมากเด็ดขาดได้เอง 55%
การทดสอบการจดจำ เมื่อซ่อนชื่อผู้สมัคร ผลลัพธ์ยังคงอยู่ในช่วงประมาณ 2 จุด โมเดลไม่ได้นึกย้อนถึงอดีต แต่ให้เหตุผลโดยยืนอยู่ในจุดของผู้ลงคะแนน
การจำลองผู้ลงคะแนนที่สร้างจากเพอร์โซนาหลายพันราย เมื่อโปรโตคอลดีขึ้น ความคลาดเคลื่อนของอลันยา 2024 ลดลงจาก 6.7 เหลือ 4.1 จุด ทดสอบย้อนหลังกับการเลือกตั้งระดับชาติเจ็ดคู่
ต้นทุนการเปิดและดำเนินงานที่มีแหล่งอ้างอิงสำหรับสี่ทำเลในอิสตันบูล แบบจำลองสามปี การจำลองเพอร์โซนาลูกค้า และการเปรียบเทียบกับเงินฝากและตลาดหุ้น
90 วัน 2,160 ชั่วโมง 3,557 พาดหัวข่าว ปริมาณข่าวนำความผันผวนของ BTC ประมาณหนึ่งชั่วโมง ส่วนมาตรวัดความรู้สึกและความประหลาดใจไม่มีสัญญาณใด ๆ