Auteur Topic: De Mol ontmaskeren met data-analyse  (gelezen 9262 keer)

Offline Belgian Mol

  • Forumlid
  • Geslacht: Man
Re: De Mol ontmaskeren met data-analyse
« Reactie #40 Gepost op: 2-02-2023, 09:44:50 »
Heel cool! Ik ben grote fan van deze dingen.

Heeft iemand het chatGPT eigenlijk al gevraagd? :o

Offline foxhunter

  • Forumlid
Re: De Mol ontmaskeren met data-analyse
« Reactie #41 Gepost op: 2-02-2023, 09:51:01 »
Drie kandidaten met het hoogste bedrag en drie kandidaten met de laagste bedragen.
Je weet zeker dat er 1 kandidaat zit in de groep met de hoogste bedragen.

De kans op aanwezigheid van een mol:
In de groep met de  lage bedragen is het gemiddelde van 3 keer 3 op 5. is 60%
In de groep met de hoge bedragen is het gemiddelde van 2 keer 3 op 6 en 1 keer 3 op 5. is 54%

De kans op aanwezigheid van een kandidaat
In de groep met de  lage bedragen is het gemiddelde van 3 keer 3 op 5. is 60%
In de groep met de hoge bedragen is het gemiddelde van 2 keer 3 op op 6 en 1 keer 3 op 5 is 54%.
« Laatst bewerkt op: 2-02-2023, 09:53:30 door foxhunter »

Offline Belgian Mol

  • Forumlid
  • Geslacht: Man
Re: De Mol ontmaskeren met data-analyse
« Reactie #42 Gepost op: 2-02-2023, 09:53:34 »
Maar goed...

Offline JeaNinja

  • Forumlid
Re: De Mol ontmaskeren met data-analyse
« Reactie #43 Gepost op: 2-02-2023, 10:29:38 »
Ook naar mijn weten is ChatGPT gebaseerd op een dataset uit 2021. De bot crawlt het web dus niet in tegenwoordige tijd. Het zou me dus verbazen als hij al de goede mol van het vorige seizoen zou kunnen noemen. Maar dat terzijde.

Ik neem aan dat als komend weekend blijkt dat de personen met de hoogste bedragen de beste molposities hebben, dit invloed heeft op de statistiek? Om precies die reden weten wij ook nog niet zeker of de mol nou een hoog bedrag wilde hebben of juist niet.

Offline Mollem

  • Forumlid
  • love and understanding
Re: De Mol ontmaskeren met data-analyse
« Reactie #44 Gepost op: 3-02-2023, 21:44:42 »

Okť, prima. Na afl. 4 schrijft Erik:

! Aanpassing van mijn model:
Ik heb mijn code aangepast op bovenstaand type bewijs. Ik twijfelde hier wel over. Deze kennis sluit namelijk niet goed aan bij mijn hypothese (De mol heeft een voorkeur voor bepaalde groepen bij sommige opdrachten). Maar het vormt wel degelijk kennis over wie de mol kan zijn. …ťn van die drie personen had een rood scherm. Misschien ga ik hier spijt van krijgen. Mocht mijn model uiteindelijk niet juist zijn, dan kan ik deze stap nog eens terugdraaien en kijken of de uitkomst dan beter was geweest. Zo leer ik weer wat voor volgend jaar


Ik sluit niet uit dat dit is ingegeven door z'n anti-Soy bias. De reden die Erik noemt is een aparte:

"Bij de groep met de hoogste bedragen (DaniŽl, Nabiel en Soy) zit sowieso een rood scherm. Deze groep heeft dus een grotere kandidaat kans dan de andere groep."

Nee toch? In beide groepen (DaniŽl, Nabil, Soy en Anke, Ranomi, Jurre) zitten minstens 2 kandidaten. Meer kan ik er niet over zeggen. Wie het rode scherm had heeft geen invloed op de molkans m.i.

Waarom niet twee modellen naast elkaar? Of nog meer kleine variaties toevoegen en 10 modellen het werk laten doen en daar het gemiddelde uithalen, zoals de weerpluim? Of probeer ik appels nu met peren te vergelijken?

Offline Lo

  • Forumlid
  • Commy is een eitje
Re: De Mol ontmaskeren met data-analyse
« Reactie #45 Gepost op: 4-02-2023, 03:18:38 »
Maar goed...
Gewoon door blijven vragen dan zegt ie wel een keer ja  ::rofl::
Awel zulle, denk niet te moeilijk: Commy is de mol.

Offline Amethyst

  • Forumlid
  • Geslacht: Vrouw
Re: De Mol ontmaskeren met data-analyse
« Reactie #46 Gepost op: 7-02-2023, 09:33:34 »
Na afl. 5

Code Erik (vorige week tussen haakjes)

Jurre 0.516 (0.390)
DaniŽl 0.363 (0.255)
Soy 0.314 (0.354)
Anke 0.310 (0.351)

de molkans van Ranomi is heel laag, maar is gestegen. Nabil blijvend extreem laag.


Moldel

Soy 30.2 (31.6)
Nabil 25.3 (26.2)
Anke 21.2 (15.4)
Jurre 13.5 (16.6)
Ranomi 9.6 (10.2)
DaniŽl 0.1 (0.1)

Offline Amethyst

  • Forumlid
  • Geslacht: Vrouw
Re: De Mol ontmaskeren met data-analyse
« Reactie #47 Gepost op: 17-02-2023, 19:49:58 »
Na afl. 6

Code Erik

geen nieuwe informatie


Moldel

Soy 38.2 (30.2)
Jurre 36.3 (13.5)
Anke 15.2 (21.2)
Ranomi 10.2 (9.6)
DaniŽl  0.1 (0.1)

Offline VK

  • Forumlid
  • Geslacht: Man
  • Mollenvanger, soms met succes.
Re: De Mol ontmaskeren met data-analyse
« Reactie #48 Gepost op: 17-02-2023, 21:42:12 »
Tja, ik heb het Chat GPT gevraagd:

Mijn vraag:
Chat GPT, wie is de mol in het Nederlandse  televisieprogramma "Wie is de mol?" 2023? Annick, Anke, Ranomi, Nabil, Sander, Jurre, Soy of DaniŽl?

Het antwoord
Nabil.

 :o :o :o

Nu weten we gelukkig dat Chat GPT vaak de domste antwoorden geeft, maar toch.  :-)


 ::ohno:: ::ohno:: ::ohno:: ::ohno:: ::ohno:: ::ohno:: ::ohno:: ::ohno:: ::ohno:: ::ohno:: ::ohno:: ::ohno:: ::ohno::
ďEr zijn veel tunnels die naar verdoemenis leidenĒ

Offline Amethyst

  • Forumlid
  • Geslacht: Vrouw
Re: De Mol ontmaskeren met data-analyse
« Reactie #49 Gepost op: 19-02-2023, 14:11:20 »
afl. 7

Moldel

Jurre 87.3
Soy 12.3
Ranomi 0.4
DaniŽl 0.0

Offline Timetxu17

  • Forumlid
  • Geslacht: Man
Re: De Mol ontmaskeren met data-analyse
« Reactie #50 Gepost op: 21-02-2023, 11:15:04 »
Kom nu pas deze draad tegen, maar ik ben helemaal enthousiast! Bij Wie is de Mol weet ik dat ik zo overgeleverd ben aan de regie en dat voorkennis van de Mol vaak betekent dat Follow the Money niet werkt, dat ik sinds een paar jaar ook gewoon tel hoe vaak welke persoon in een molpositie zit. Dat werkt tot nu toe 50/50, wat al beter is dan ťťn keer de Mol goed hebben in de 18 seizoenen ervoor  ::rofl::

Anyway, wat me wel meteen opvalt is inderdaad de lichte mate van subjectiviteit van de invloedspositie van de Mol. Na aflevering 1 vielen voor mij alle kandidaten die bij de kooropdracht op het podium stonden meteen af. Ja, het klopt dat je daar direct geld kan verliezen door eruit gepikt te worden, maar je kan daar slechts 1/5 van de hele opdracht beÔnvloeden. De groep die juist de deelopdrachten deed, kon het het jurylid moeilijker maken en de hele opdracht potentieel doen slagen of falen.

De aflevering erna was er ook een verdeling van de opdrachten met een duidelijke molvoorkeur waardoor vanaf dat moment volgens deze redenering alleen DaniŽl en Ranomi de Mol konden zijn. Terwijl zij in het model van CodeErik juist nu helemaal onderaan staan. Ik vraag me daarom ook af in hoeverre een opdracht aan het begin anders classificeren het hele model onderuit haalt. Vooral ook omdat ik het idee krijg dat de Baynesiaanse methode sequentieel lijkt.