基于Dirichlet-树模型的即时决选投票选举的选票轮询审计

即时决选投票（IRV）在世界多国使用。它要求选民按偏好顺序对候选人排序，并使用比领先者当选或计分规则等系统更复杂的计票算法。当需选出多名候选人时，使用更为复杂的单可转移票（STV）系统。这些系统的复杂性使得审计选举结果十分困难。目前除选票的完整人工清点外，尚无已知的STV风险限制审计（RLA）方法。近期提出了一种基于Dirichlet-树模型审计这些系统的新方法。我们对该方法用于IRV选举的选票轮询贝叶斯审计进行了详细分析。我们比较了先验分布的若干选择，包括一些使用贝叶斯自助法（等价于不适当先验）的方法。我们的发现包括：基于自助法的方法可调整至实践中与完整贝叶斯模型表现相似，以及过度信息性的先验会产生反直觉结果。通过精心选择的例子，我们展示了用该模型创建RLA为何具有挑战性，但也提出了克服此困难的方法。除提供实用且计算可行的贝叶斯IRV审计实现外，我们的工作还为STV选举的RLA奠定基础，具有重要意义。