Onderzoek: Ontmasker zelf de mol met Bayesiaanse Statistiek

Als deze pagina leest, heb je al gelezen dat ik de Nederlandse mol van 2022, Everon, met Bayesiaanse Statistiek heb ontmaskerd. Zo niet, lees dat dan eerst op deze pagina.

Om erachter te komen hoe goed mijn model echt werkt, heb ik meer data nodig. En daar kan jij bij helpen. Op deze pagina lees je hoe je bij mij data kan aanleveren van een ander seizoen, zodat ik dat seizoen op eenzelfde manier kan analyseren. Eventuele andere seizoenen die geanalyseerd zijn vind je hier ook terug.

Data Aanleveren in een MollenMatrix

Je kan je informatie aanleveren in een Excel bestand. Deze moet één sheet hebben met daarin de informatie van een aflevering. Hieronder zie je een screenshot van de structuur, ingevuld voor seizoen 2022:

Zoals je hier ziet bevat de data twee type kolommen:

• Kandidaat kolom: de eerste kolom, kolom A, bevat informatie over de kandidaten. Vul hier de namen van de kandidaten in. Tip: zet een (m) achter de mol van dat jaar, dan zie je dat in de visualisatie meteen terug.
• Opdracht kolom: de ander kolommen, B t/m AB, bevat de informatie over opdrachten. Vul deze als volgt: als een deelnemer in de groep met de mol-voorkeur zit, gebruik dan de waarde 'm' (van mol). Zit de deelnemer in de groep zonder mol-voorkeur? Gebruik dan 'k' (van kandidaat). Is een kandidaat afgevallen? Vul vanaf dan al de cellen met 'x'. Wil je een opdracht overslaan (bijv. omdat het een individuele opdracht was), gebruik dan de waarde 'o' van overslaan. Let op: mijn code telt automatisch een nieuwe aflevering per drie opdrachten. Soms is er een aflevering met maar twee opdrachten (zoals in 2022 met het pijlen schieten i.c.m. magneetvissen). Vul in zo'n geval toch een derde opdracht in en vul deze met 'o' en 'x' (voor afgevallen deelnemers).

Let nog een keer op: als je al weet wie de mol is, is het extra moeilijk om verdeling per opdracht neutraal in te vullen. Probeer hier goed op te letten!

Nu de data klaar is, laat ik je zien hoe ik dit visualiseer.

Molkans Visualisatie

Hieronder zie je ontwikkeling van de molkans. De data die ik hiervoor gebruik is de data die je hierboven in de afbeelding terugziet. Deze zet ik om naar molkansen per kandidaat per aflevering en visualiseer ik met code (Python). Het resultaat:

In deze afbeelding zie je verticaal alle deelnemers en horizontaal de afleveringen. Is de molkans van een deelnemer gelijk aan de grootste molkans van die aflevering? Dan wordt het bolletje groen. Zo niet, dan is het bolletje donkergrijs. Je ziet hier duidelijk terug dat Everon vanaf aflevering drie de grootste molkans had, en dat ook zo is gebleven.

Lever je eigen MollenMatrix aan

Je kan helpen bij het onderzoek naar mijn model. Hoe meer seizoenen we analyseren, hoe meer we weten over de werking van het model. Onderzoek alleen, of samen met mede molloten, een seizoen en vul de MollenMatrix in. De oude Nederlandse seizoenen zijn eenvoudig per opdracht terug te kijken. Of dat ook geldt voor de Belgische, weet ik niet.

Download hier ter voorbeeld de Excel van seizoen 2022 (NL). Heb je je data klaar? Mail me dan met je data door @outlook.com achter erik.driessen te plakken. Dan draai ik de analyse voor je uit.

Voor een overzicht van reeds geanalyseerde seizoenen kijk je hieronder.

Voorgaande seizoenen

De volgende seizoenen zijn reeds geanalyseerd: NL2022, NL2021.

NL2022

NL2021