Étude de cas : fraude électorale

Inférence pour des données catégorielles en R

Andrew Bray

Assistant Professor of Statistics at Reed College

Fraude électorale

Achat de voix
Vote multiple
Manipulation des totaux

¹ L'expression « fraude électorale » recouvre de nombreuses pratiques : achat de voix, dépôt de deux bulletins dans des lieux différents, ou bourrage d'urnes avec de faux bulletins. Nous allons nous concentrer sur une version de ce troisième cas : lorsque des responsables modifient les totaux de voix dans un bureau précis. À titre d'exemple, imaginez que voici les totaux en fin de soirée dans plusieurs bureaux de votre ville.

Fraude électorale

Achat de voix
Vote multiple
Manipulation des totaux

Loi de Benford, alias « loi du premier chiffre »

library(gapminder)
gapminder %>%
  filter(year == 2007) %>%
  select(country, pop)

# A tibble: 142 x 2
   country           pop
   <fct>           <int>
 1 Afghanistan  31889923
 2 Albania       3600523
 3 Algeria      33333216
 4 Angola       12420476
 5 Argentina    40301927
 6 Australia    20434176
 7 Austria       8199783
 8 Bahrain        708573
 9 Bangladesh  150448339
10 Belgium      10392226
# … with 132 more rows

Loi de Benford, alias « loi du premier chiffre »

Si l'élection est régulière, les décomptes suivent la loi de Benford.
Si elle est frauduleuse, ils ne la suivent pas.

Élection iranienne de 2009

iran %>%
  select(city, ahmadinejad, mousavi, total_votes_cast)

# A tibble: 366 x 4
   city          ahmadinejad mousavi total_votes_cast
   <chr>               <dbl>   <dbl>            <dbl>
 1 Azar Shahr          37203   18312            56712
 2 Asko                32510   18799            52643
 3 Ahar                47938   26220            75500
 4 Bostan Abad         38610   12603            51911
 5 Bonab               36395   33695            71389
 6 Tabriz             435728  419983           876919
 7 Jalfa               20520   14340            35295
 8 Chahar o Imaq       12197    3975            16375
 9 Sarab               53196   17669            72152
10 Shabestar           37099   39182            77459
# … with 356 more rows

Passons à la pratique !

Inférence pour des données catégorielles en R