由买买提看人间百态

boards

本页内容为未名空间相应帖子的节选和存档,一周内的贴子最多显示50字,超过一周显示500字 访问原贴
History版 - Re: 我对1959、1960、1961三年非正常死亡人口的一个简单计算((转载)
相关主题
问了我岳父,坚定的毛的支持者矮帝饿死3000万和计划生育死4亿都是一个目的
我对1959、1960、1961三年非正常死亡人口的一个简单计算(原创(转载)三年自然灾害的饿死人数的数据怎么来的
[合集] 我对1959、1960、1961三年非正常死亡人口的一个简单计算(原好蛋来看看---》金小丁:“饿死三千万”质疑(转贴)
原来不止3000万:饿死了两个亿!“大跃进”究竟“饿”死了多少人?——兼读《中国共产党历史第二卷(1949—1978)》ZT
风中的枫:黑色数字——试估大饥荒非正常死亡人数北国游子:1959-1961大饥荒“非正常死亡”
3000万的方法论,50年代的人口数据外推减去62年人口这三年到底饿死了多少人?
关于三年自然灾害的非正常死亡人口到底是多少1931─1934年死亡率
数学关于三年自然灾害非正常死亡人数 的原帖从新会县志看建国后的人口变化
相关话题的讨论汇总
话题: 死亡率话题: 非正常话题: 数据话题: 死亡话题: 人口
进入History版参与讨论
1 (共1页)
q*d
发帖数: 22178
1
【 以下文字转载自 ChinaNews 讨论区 】
发信人: qed (左将军领司隶校尉豫荆益三州牧宜城亭侯), 信区: ChinaNews
标 题: Re: 我对1959、1960、1961三年非正常死亡人口的一个简单计算((转载)
发信站: BBS 未名空间站 (Tue May 8 19:20:23 2012, 美东)
发信人: qed (左将军领司隶校尉豫荆益三州牧宜城亭侯), 信区: Military
标 题: Re: 我对1959、1960、1961三年非正常死亡人口的一个简单计算(原创
发信站: BBS 未名空间站 (Tue May 8 19:19:32 2012, 美东)
1.首先承认饿死人,而且承认饿死上千万,这个态度是客观的,
是值得欢迎和肯定的,而且楼主贴的数据,与我在其它地方
所见相同,我的讨论也使用同样的数据.
2.纯技术讨论,感觉你的方法有点过于粗糙了,
2.1如附图1所示,从1949开始,死亡率就是不断下降的,用55,56,57,58的
平均死亡率外推59至61的数据,那和用62,63一样的不合理.
2.2按图1所示,死亡率在57到62期间,构成了一个非常明显的任何人
都无法否认的peak,这个死亡率的peak从1958年就开始了,用58年的死亡率
当正常值显然非正常死亡人数是不合理的.
2.3 1964年也有小的死亡率peak,其幅度明显超过一般的涨落.有解释说
是前几年为了隐瞒真相,把死亡率报低了,64年补上造成了这个也很明显的峰值,
楼主的帖子里对此没有讨论.
3.给出一个改进的办法.把楼主的数据抛去1958,59,60,61和1964的数据后,
用三次样条函数插值得出正常状况死亡率,其结果如图2空心五星数据点所示.
同样按楼主的算法,用实测死亡率减去插值死亡率得出非正常死亡率,
用前年年末人口乘这个非正常死亡率并加和,得出非常死亡人口:1821万.
结论:
1.考虑到政府的信用度和那年月亩产万斤作假的传统,原始统计数据
的真实性的令人可疑.政府到底在死亡率里掺了多少水?网上有
技术帖子企图从这个被认为已经伪造了数据里发现真相,个人认为
纯属xjb折腾.一个被垄断被伪造了的数据,除非提供者提供真相,
别无可为.
2.即便是这个被认为注了水修饰的数据,一个简单的插值得出非正常死亡
1800万接近2000万.饿死3000万很可能离真相距离没某些人鼓噪的那么远.
等。
1 (共1页)
进入History版参与讨论
相关主题
从新会县志看建国后的人口变化风中的枫:黑色数字——试估大饥荒非正常死亡人数
韩战美国的非战斗死亡也太低了3000万的方法论,50年代的人口数据外推减去62年人口
【我的1949】母叮嚀:跟著軍帽有太陽的…关于三年自然灾害的非正常死亡人口到底是多少
关于熵,给文科生一个案例研究一下吧数学关于三年自然灾害非正常死亡人数 的原帖
问了我岳父,坚定的毛的支持者矮帝饿死3000万和计划生育死4亿都是一个目的
我对1959、1960、1961三年非正常死亡人口的一个简单计算(原创(转载)三年自然灾害的饿死人数的数据怎么来的
[合集] 我对1959、1960、1961三年非正常死亡人口的一个简单计算(原好蛋来看看---》金小丁:“饿死三千万”质疑(转贴)
原来不止3000万:饿死了两个亿!“大跃进”究竟“饿”死了多少人?——兼读《中国共产党历史第二卷(1949—1978)》ZT
相关话题的讨论汇总
话题: 死亡率话题: 非正常话题: 数据话题: 死亡话题: 人口