[论文解读] Bayesian Tabulation Audits: Explained and Extended

Ronald L. Rivest|arXiv (Cornell University)|Jan 2, 2018

Sports Analytics and Performance参考文献 21被引用 6

一句话总结

本文介紹並擴展了貝葉斯計票審計方法——一種通過抽樣選票並使用貝葉斯推斷來估計報告勝者正確概率的統計方法，用於驗證選舉結果。該方法展示了如何在混合投票技術（例如紙質選票與電子投票記錄）的複雜分層選舉中，實現自動風險度量與可重現的結果。

ABSTRACT

Tabulation audits for an election provide statistical evidence that a reported contest outcome is "correct" (meaning that the tabulation of votes was properly performed), or else the tabulation audit determines the correct outcome. Stark proposed risk-limiting tabulation audits for this purpose; such audits are effective and are beginning to be used in practice. We expand the study of election audits based on Bayesian methods, first introduced by Rivest and Shen in 2012. (The risk-limiting audits proposed by Stark are "frequentist" rather than Bayesian in character.) We first provide a simplified presentation of Bayesian tabulation audits. A Bayesian tabulation audit begins by drawing a random sample of the votes in that contest, and tallying those votes. It then considers what effect statistical variations of this tally have on the contest outcome. If such variations almost always yield the previously-reported outcome, the audit terminates, accepting the reported outcome. Otherwise the audit is repeated with an enlarged sample. Bayesian audits are attractive because they work with any method for determining the winner (such as ranked-choice voting). We then show how Bayesian audits may be extended to handle more complex situations, such as auditing contests that \emph{span multiple jurisdictions}, or are otherwise "stratified." We highlight the auditing of such multiple-jurisdiction contests where some of the jurisdictions have an electronic cast vote record (CVR) for each cast paper vote, while the others do not. Complex situations such as this may arise naturally when some counties in a state have upgraded to new equipment, while others have not. Bayesian audits are able to handle such situations in a straightforward manner. We also discuss the benefits and relevant considerations for using Bayesian audits in practice.

研究动机与目标

• 為非統計學專業人士與實務工作者提供簡化且易於理解的貝葉斯計票審計解釋。
• 將貝葉斯審計方法擴展至處理具有異質投票技術的複雜多管轄區選舉。
• 展示貝葉斯審計如何在不修改審計邏輯的情況下，支援多種投票規則，包括排序選擇投票。
• 透過允許各管轄區採用可變抽樣率，提升審計管理的靈活性，從而提高實際可行性。
• 提供透明、可重現的審計流程，並透過後驗概率自動量化風險。

提出的方法

• 使用貝葉斯推斷，根據選票的隨機樣本計算報告選舉結果正確的後驗概率。
• 採用序列審計停止規則：若報告結果的後驗概率超過某閾值（例如 95%），則審計終止。
• 使用生成模型模擬未抽樣選票在不確定性下的可能計票結果，從而實現風險估計。
• 應用模糊化技術模擬票數的小幅變動，以評估在抽樣波動下的結果穩定性。
• 透過將選票按管轄區分區並獨立建模各層次，實現分層審計，即使在混合證據類型（例如 CVR 與無 CVR）的情況下亦可適用。
• 使用基於模擬的計算方法生成測試的未抽樣計票結果，並估計替代結果的機率。

实验结果

研究问题

• RQ1 如何在保持統計嚴謹性的前提下，簡化並使貝葉斯計票審計對非專家更易於理解？
• RQ2 貝葉斯審計是否能有效處理多管轄區選舉，其中部分管轄區擁有電子投票記錄（CVR），而其他管轄區沒有？
• RQ3 與頻頻派風險限制審計相比，貝葉斯方法在靈活性、透明度與計算需求方面有何差異？
• RQ4 若因資源限制而提前終止審計，貝葉斯審計是否仍能提供有意義且可解釋的風險估計？
• RQ5 在單一審計過程中對各管轄區採用可變抽樣率，其實際影響為何？

主要发现

• 貝葉斯計票審計可支援任何投票規則，包括排序選擇投票，因其將結果判定視為黑箱處理。
• 該方法自然適應混合證據類型——例如部分管轄區有 CVR 而其他無——無需統一審計程序。
• 審計提供自動且可解釋的風險度量：報告結果錯誤的後驗機率，即使審計提前終止亦可報告。
• 審計管理更為簡化，因各管轄區無需採用相同抽樣率，可實現針對性、高效率的抽樣。
• 審計過程完全可重現：獨立專家可使用公開的審計資料與公開的隨機種子驗證結果。
• 與手動計票相比，該方法計算輕量，適用於大規模審計。