ආන්ඩුවෙ අවසාන අවුරුද්ද ද මෙ?

[හෙළයෙක්]

සජිත්ටයි අනුරටයි නොවැටුන වලංගු චන්ද 50:50 දෙන්නටම බෙදුවත් අනුරට > 0.5 ලැබෙනවා. ඒ නිසා මේ ප්‍රතිපලය bias නැහැ.

සජිත්ට දිනන්න අවස්ථාවක් එන්නේ (සජිත් > 0.5) වෙන්නෙ 70%ක් වැටෙනව නම් විතරයි. අනුරවයි සජිත්වයි දෙන්නවම එපා කියපු කණ්ඩායමකින් 70%ක් ගන්න එක නම් bias

එහෙම බෙදන්නේ කොහොමද 50ට 50. ඕකේ හැටියට මොක්කේටවත් ඔය කියන විදියේ තේරීමක් ආවේ නෑනේ. එතකොට නිකං බලෙන් වගේනේ ඔය තියරිය ඔබ්බන්නේ

 

[topkollek]

එහෙම බෙදන්නේ කොහොමද 50ට 50. ඕකේ හැටියට මොක්කේටවත් ඔය කියන විදියේ තේරීමක් ආවේ නෑනේ. එතකොට නිකං බලෙන් වගේනේ ඔය තියරිය ඔබ්බන්නේ

We can precisely quantify the bias introduced by the second preference count on Condorcet’s Jury Theorem (and therefore on the Law of Large Numbers guarantee that the majority picks the “best” candidate with probability → 1).


Here are the official numbers (Election Commission + Wikipedia consensus):

• First-preference total: 13,319,616 valid votes
• Final decisive jury (second count): n = 10,271,081 (only 77.11% of the electorate)
• Exhausted ballots: 3,048,535 (22.89%)
• Usable transfers from eliminated candidates: 273,131 votes only (just 2.66% of the final jury)
• Of those transfers: Sajith received 61.5% (≈168,000), Anura 38.5% (≈105,000)
• Anura’s final share: 55.8868% (5,740,179 votes)

Quantified Bias Components​

Bias Type	Exact Impact	Effect on Theorem (Condorcet + LLN)
Jury size reduction	n reduced by 22.89% (13.32M → 10.27M)	Convergence slower by factor 0.771 in the exponent of error probability. Still irrelevant at this scale.
Directional transfer bias	Sajith got 61.5% of transfers → 0.30 percentage-point drag against Anura (final 55.89% vs hypothetical 56.19% if transfers split 50-50)	Slightly lowers effective voter competence p by ~0.3 pp.
Selection / filtering bias	Only engaged voters who ranked a top-two candidate participate; exhausted are disproportionately low-engagement third-party supporters	Mild heterogeneous p (core voters likely higher competence). Non-random jury.
Overall net bias	~0.3–0.5 pp downward shift in observed proportion + 23% smaller jury	Weakens the “P(correct) → 1” guarantee marginally

Impact on Probability of “Wrong” Winner (Scenarios)​

We use the normal approximation to the binomial (extremely accurate at n > 10 million). Assume Anura was the “objectively best” candidate; we calculate P(majority picks wrong) under different bias assumptions.

Scenario	Effective p (Anura competence)	z-score vs 50%	P(majority wrong)	How much worse than ideal?
Ideal Condorcet (no bias, full n, p=0.5589)	0.5589	377.3	≈ 0 (<< 10⁻³⁰⁰)	Baseline
Observed (real second count)	0.5589	377.3	≈ 0 (<< 10⁻³⁰⁰)	Identical
Core supporters only (no transfers)	0.5636	402	Even smaller	Actually stronger
Pessimistic: transfers were pure coin-flips (p=0.50)	≈0.557	360	Still ≈ 0 (<< 10⁻²⁸⁰)	Negligible degradation
Extreme: transferred voters had p=0.51 only	≈0.556	355	Still ≈ 0	Tiny

Even in the worst plausible case (transferred voters barely better than random), the probability of the “wrong” winner remains astronomically smaller than 1 in 10²⁵⁰. You would need a ~8–10 percentage-point systematic bias in the transferred group (or exhaustion overwhelmingly one-sided) to start making the outcome uncertain — far beyond what actually occurred.

Mathematical Intuition (Chernoff/Hoeffding bound)​

The theorem’s error probability decays exponentially:


P(wrong)≤2exp⁡(−2n(p^−0.5)2)P(\text{wrong}) \leq 2 \exp(-2 n (\hat{p} - 0.5)^2)P(wrong)≤2exp(−2n(p^−0.5)2)

• With full n and observed p^ \hat{p} p^: exponent ≈ –69,400
• With 23% smaller jury + 0.3 pp drag: exponent ≈ –53,400 Both give numbers so small they are zero for any practical purpose (smaller than the chance of a proton decaying in the next 10²⁰⁰ years).

Bottom line The second preference count does introduce measurable bias (mainly 23% jury shrinkage + 0.3 pp directional drag against Anura), but its impact on Condorcet’s Jury Theorem is tiny in practice. The Law of Large Numbers with over 10 million voters completely overwhelms the bias.


The guarantee that “the majority picked the best of the two finalists with near-certainty” remains essentially intact — the probability of error is still effectively zero under any reasonable model of voter competence.


Sri Lanka’s 2024 result is still one of the cleanest real-world demonstrations of the theorem at massive scale. The bias exists mathematically, but it is negligible.

 

[shenat]

නෑමොල් ජනාධිපති වෙන්න ඔන්න මෙන්න ඉන්නෙ කියල හීන මවන අසරණ බයිපාවුන් තවත් අඬවන්න එපා.

 

[හෙළයෙක්]

We can precisely quantify the bias introduced by the second preference count on Condorcet’s Jury Theorem (and therefore on the Law of Large Numbers guarantee that the majority picks the “best” candidate with probability → 1).


Here are the official numbers (Election Commission + Wikipedia consensus):

• First-preference total: 13,319,616 valid votes
• Final decisive jury (second count): n = 10,271,081 (only 77.11% of the electorate)
• Exhausted ballots: 3,048,535 (22.89%)
• Usable transfers from eliminated candidates: 273,131 votes only (just 2.66% of the final jury)
• Of those transfers: Sajith received 61.5% (≈168,000), Anura 38.5% (≈105,000)
• Anura’s final share: 55.8868% (5,740,179 votes)

Quantified Bias Components​

Bias Type	Exact Impact	Effect on Theorem (Condorcet + LLN)
Jury size reduction	n reduced by 22.89% (13.32M → 10.27M)	Convergence slower by factor 0.771 in the exponent of error probability. Still irrelevant at this scale.
Directional transfer bias	Sajith got 61.5% of transfers → 0.30 percentage-point drag against Anura (final 55.89% vs hypothetical 56.19% if transfers split 50-50)	Slightly lowers effective voter competence p by ~0.3 pp.
Selection / filtering bias	Only engaged voters who ranked a top-two candidate participate; exhausted are disproportionately low-engagement third-party supporters	Mild heterogeneous p (core voters likely higher competence). Non-random jury.
Overall net bias	~0.3–0.5 pp downward shift in observed proportion + 23% smaller jury	Weakens the “P(correct) → 1” guarantee marginally

Impact on Probability of “Wrong” Winner (Scenarios)​

We use the normal approximation to the binomial (extremely accurate at n > 10 million). Assume Anura was the “objectively best” candidate; we calculate P(majority picks wrong) under different bias assumptions.

Scenario	Effective p (Anura competence)	z-score vs 50%	P(majority wrong)	How much worse than ideal?
Ideal Condorcet (no bias, full n, p=0.5589)	0.5589	377.3	≈ 0 (<< 10⁻³⁰⁰)	Baseline
Observed (real second count)	0.5589	377.3	≈ 0 (<< 10⁻³⁰⁰)	Identical
Core supporters only (no transfers)	0.5636	402	Even smaller	Actually stronger
Pessimistic: transfers were pure coin-flips (p=0.50)	≈0.557	360	Still ≈ 0 (<< 10⁻²⁸⁰)	Negligible degradation
Extreme: transferred voters had p=0.51 only	≈0.556	355	Still ≈ 0	Tiny

Even in the worst plausible case (transferred voters barely better than random), the probability of the “wrong” winner remains astronomically smaller than 1 in 10²⁵⁰. You would need a ~8–10 percentage-point systematic bias in the transferred group (or exhaustion overwhelmingly one-sided) to start making the outcome uncertain — far beyond what actually occurred.

Mathematical Intuition (Chernoff/Hoeffding bound)​

The theorem’s error probability decays exponentially:


P(wrong)≤2exp⁡(−2n(p^−0.5)2)P(\text{wrong}) \leq 2 \exp(-2 n (\hat{p} - 0.5)^2)P(wrong)≤2exp(−2n(p^−0.5)2)

• With full n and observed p^ \hat{p} p^: exponent ≈ –69,400
• With 23% smaller jury + 0.3 pp drag: exponent ≈ –53,400 Both give numbers so small they are zero for any practical purpose (smaller than the chance of a proton decaying in the next 10²⁰⁰ years).

Bottom line The second preference count does introduce measurable bias (mainly 23% jury shrinkage + 0.3 pp directional drag against Anura), but its impact on Condorcet’s Jury Theorem is tiny in practice. The Law of Large Numbers with over 10 million voters completely overwhelms the bias.


The guarantee that “the majority picked the best of the two finalists with near-certainty” remains essentially intact — the probability of error is still effectively zero under any reasonable model of voter competence.


Sri Lanka’s 2024 result is still one of the cleanest real-world demonstrations of the theorem at massive scale. The bias exists mathematically, but it is negligible.

The analysis misapplies Condorcet’s Jury Theorem by assuming voter “competence” and an objectively “correct” candidate—assumptions that are neither observable nor justified in political elections, making the near-zero error probability claim mathematically precise but conceptually meaningless.

Chatgpt එකෙන් මෙහෙම කිව්වේ ඔය දාලා තියෙන ටික දුන්නම.

 

[Janatha Jhon]

නෑමොල් ජනාධිපති වෙන්න ඔන්න මෙන්න ඉන්නෙ කියල හීන මවන අසරණ බයිපාවුන් තවත් අඬවන්න එපා.

සෙනෙවිරත්න අන්කල්ගේ පඩියෙන් කකා ඉන්නේ නැතුව මේ වපර නාකිච්චිටයි කලිසම හැලෙන පොන්නයාටයි කීයක් හරි යවපන් දත නැති වපරයා.

නාකිච්චිට ගූ ගහන්න ලගයි ගමේ උන්. නාකියාගේ කලිසම ඔලුවෙන් ගලවයි.

 

[topkollek]

The analysis misapplies Condorcet’s Jury Theorem by assuming voter “competence” and an objectively “correct” candidate—assumptions that are neither observable nor justified in political elections, making the near-zero error probability claim mathematically precise but conceptually meaningless.

Chatgpt එකෙන් මෙහෙම කිව්වේ ඔය දාලා තියෙන ටික දුන්නම.

චැට් එක සම්පුර්ණයෙන්ම දාන්න

 

[Walter White]

ඒමද ආස?

මෙන්න මේ වේසිගෙ පුතාට අවදානය පොඩ්ඩක් දීපන්. ජනේලෙන් පුක අල්ලාගෙන ඉන්නේ

 

[Tramadol]

ඒමද ආස?

PayPal වලින් barida gas cylinder ගන්න?

 

[Janatha Jhon]

මෙන්න මේ වේසිගෙ පුතාට අවදානය පොඩ්ඩක් දීපන්. ජනේලෙන් පුක අල්ලාගෙන ඉන්නේ

ඕකාට වෙන්නේ අතුකෝරල මන්ත්‍රීතුමාට උන දේ.

ලපයාට වෙන්නේ කෙනඩිට උන දේ.

 

[Lovtus]

ඕකාට වෙන්නේ අතුකෝරල මන්ත්‍රීතුමාට උන දේ.

ලපයාට වෙන්නේ කෙනඩිට උන දේ.

බේරේ වැවේ නාපු හැටි තාම අමතක වෙලා නෑ නේද?

 

[හෙළයෙක්]

චැට් එක සම්පුර්ණයෙන්ම දාන්න

වැඩි දෙයක් නෑ මෙච්චරයි කිව්වේ. Critique this in one line

 

[Lovtus]

මෙන්න මේ වේසිගෙ පුතාට අවදානය පොඩ්ඩක් දීපන්. ජනේලෙන් පුක අල්ලාගෙන ඉන්නේ

ජනේලෙන් පුක දෙන්නේ උබනෙ බැල්ලිගෙ පුතෝ

 

[Walter White]

ජනේලෙන් පුක දෙන්නේ උබනෙ බැල්ලිගෙ පුතෝ

අවදානය ඉල්ලා ඉල්ලා ජනේලෙන් පුක දුන්නේ උබනේ හොරිකඩ වේසිගෙ පුතෝ
මුලින්ම හරියට වෙලාව බලන්න ඉගනගනින් රට හදන්න කලින්.

කුමෙනිව BBQ කරේ පොන්නයෝ, BBQ කරේ

 

[Lovtus]

අවදානය ඉල්ලා ඉල්ලා ජනේලෙන් පුක දුන්නේ උබනේ හොරිකඩ වේසිගෙ පුතෝ
මුලින්ම හරියට වෙලාව බලන්න ඉගනගනින් රට හදන්න කලින්.

කුමෙනිව BBQ කරේ පොන්නයෝ, BBQ කරේ

ඉරිච්ච කොන්ඩම් දාල හුකපුවාම උබල වගේ උන් ඉපදෙනවා. අපි පලිද?

 

[Don GasCan]

මුං 10 අදිනවා ඊට පස්සේ ඉවරයි

 

[dilann]

ඇත්ත, අනුරගෙ ගෙදරට යන පාරවත් හදාගන්න බැරුව මොන රට හැදිල්ලක්ද...?

මුගේ අත තුවාලවෙලා ද නැත්නම් ඒ පිරිත් නූල් ද ?

 

[Walter White]

ඉරිච්ච කොන්ඩම් දාල හුකපුවාම උබල වගේ උන් ඉපදෙනවා. අපි පලිද?

එක හොදටම තේරුනේ උබෙ තාත්ත නාමවර්ධන වෙලා උබ බාලසූරිය උන නිසානේ දිනුර

 

[Lovtus]

එක හොදටම තේරුනේ උබෙ තාත්ත නාමවර්ධන වෙලා උබ බාලසූරිය උන නිසානේ දිනුර

ඉරිච්ච කොන්ඩම් දාල හුකපුවාම උබල වගේ උන් ඉපදෙනවා. අපි පලිද?

 

[Walter White]

ඉරිච්ච කොන්ඩම් දාල හුකපුවාම උබල වගේ උන් ඉපදෙනවා. අපි පලිද?

මුලින්ම අම්මගෙන් අහපන් ඉරිච්ච කොන්ඩම් දැම්මේ කාටද කියලා? බාලසූරිය ද? නාමවර්ධන ද?

 

[Lovtus]

මුලින්ම අම්මගෙන් අහපන් ඉරිච්ච කොන්ඩම් දැම්මේ කාටද කියලා? බාලසූරිය ද? නාමවර්ධන ද?

ඉරිච්ච කොන්ඩම් දාල හුකපුවාම උබල වගේ උන් ඉපදෙනවා. අපි පලිද?