Fler brutala sanningar från materialet.
De 10 högst överrepresenterade efternamnen med minst 1000 personer. Då syns ett annat mönster
...
Mohammad 1492 107 7,17% 402,65% 1,78%
Amin 1078 70 6,49% 364,58% 1,78%
Abdullah 1159 75 6,47% 363,32% 1,78%
Saleh 1337 83 6,21% 348,54% 1,78%
Ali 8607 527 6,12% 343,77% 1,78%
Karim 1099 66 6,01% 337,18% 1,78%
Said 1875 111 5,92% 332,38% 1,78%
Aziz 1255 74 5,90% 331,05% 1,78%
Mohammed 2928 165 5,64% 316,39% 1,78%
Omar 1902 107 5,63% 315,85% 1,78%
Ahmadi 1049 59 5,62% 315,78% 1,78%
De 10 högst överrepresenterade efternamnen med minst 1000 personer. Då syns ett annat mönster
...Mohammad 1492 107 7,17% 402,65% 1,78%
Amin 1078 70 6,49% 364,58% 1,78%
Abdullah 1159 75 6,47% 363,32% 1,78%
Saleh 1337 83 6,21% 348,54% 1,78%
Ali 8607 527 6,12% 343,77% 1,78%
Karim 1099 66 6,01% 337,18% 1,78%
Said 1875 111 5,92% 332,38% 1,78%
Aziz 1255 74 5,90% 331,05% 1,78%
Mohammed 2928 165 5,64% 316,39% 1,78%
Omar 1902 107 5,63% 315,85% 1,78%
Ahmadi 1049 59 5,62% 315,78% 1,78%
Citat:
Fler brutala sanningar från materialet.
De 10 högst överrepresenterade efternamnen med minst 1000 personer. Då syns ett annat mönster ...
Mohammad 1492 107 7,17% 402,65% 1,78%
Amin 1078 70 6,49% 364,58% 1,78%
Abdullah 1159 75 6,47% 363,32% 1,78%
Saleh 1337 83 6,21% 348,54% 1,78%
Ali 8607 527 6,12% 343,77% 1,78%
Karim 1099 66 6,01% 337,18% 1,78%
Said 1875 111 5,92% 332,38% 1,78%
Aziz 1255 74 5,90% 331,05% 1,78%
Mohammed 2928 165 5,64% 316,39% 1,78%
Omar 1902 107 5,63% 315,85% 1,78%
Ahmadi 1049 59 5,62% 315,78% 1,78%
De 10 högst överrepresenterade efternamnen med minst 1000 personer. Då syns ett annat mönster
...Mohammad 1492 107 7,17% 402,65% 1,78%
Amin 1078 70 6,49% 364,58% 1,78%
Abdullah 1159 75 6,47% 363,32% 1,78%
Saleh 1337 83 6,21% 348,54% 1,78%
Ali 8607 527 6,12% 343,77% 1,78%
Karim 1099 66 6,01% 337,18% 1,78%
Said 1875 111 5,92% 332,38% 1,78%
Aziz 1255 74 5,90% 331,05% 1,78%
Mohammed 2928 165 5,64% 316,39% 1,78%
Omar 1902 107 5,63% 315,85% 1,78%
Ahmadi 1049 59 5,62% 315,78% 1,78%
Mmmm. är du säker på att detta är ifrån Svenska Lexbase, och inte Turkiska eller Syrianska Lexbase.
Skämt åsido skulle man lätt kunna få intrycket av att det inte står helt rätt till i Konungariket dessa dagar.....
Citat:
Det här börjar bli riktigt intressant. Med allt material kan var och en nu plocka ut statistik på eget bevåg och få fram fakta som myndigheterna i så många år nu gjort allt för att dölja för allmänheten.
Tja, kolla länken i TS och lek lite med Excel och utnyttja lite grundläggande statistikkunskaper ...
Citat:
Hej alla,
Jag gjorde ett litet skript som läste av de 10000 vanligaste efternamnen från allt om föräldrar och krossmatchade detta med Lexbase. Tyvärr började Lexbase få prestandaproblem när jag nästan hade checkat klart så det blev bara 9939 efternamn.
Resultatet finns att ladda ner här: https://anonfiles.com/file/64d53d9b5...87fa8d4431acc8 Ni kan ladda in i excel om ni vill omstrukturera det. Just nu är det sorterat på överrepresentation.
....
Metodik:
Jag hämtade hem de 10000 vanligaste efternamnen enligt allt om föräldrar.
Jag gjorde sökningar på dessa efternamn på Lexbase, men kollade av varje svar för en exakt match. Orsaken till detta är att Lexbase söker på början av efternamnet. Så efternamnet ny hittar t.ex. nyström, nyberg o.s.v. Nackdelen med detta var att jag inte räknar med dubbelefternamn som Johansson-Lindqvist som Johansson och Lindqvist. Men dessa verkar vara försvinnande lite (5 på Johansson).
Exakt vad som skall diskuteras utifrån det här vet jag inte, men det kan säkert ni hitta något. Jag ville egentligen göra på förnamn för att se att Sonny, Conny, Denny och liknande Y-namn skulle vara maffigt överrepresenterade. Men det gick inte för sig på Lexbase, så det blev det här istället.
Jag gjorde ett litet skript som läste av de 10000 vanligaste efternamnen från allt om föräldrar och krossmatchade detta med Lexbase. Tyvärr började Lexbase få prestandaproblem när jag nästan hade checkat klart så det blev bara 9939 efternamn.
Resultatet finns att ladda ner här: https://anonfiles.com/file/64d53d9b5...87fa8d4431acc8 Ni kan ladda in i excel om ni vill omstrukturera det. Just nu är det sorterat på överrepresentation.
....
Metodik:
Jag hämtade hem de 10000 vanligaste efternamnen enligt allt om föräldrar.
Jag gjorde sökningar på dessa efternamn på Lexbase, men kollade av varje svar för en exakt match. Orsaken till detta är att Lexbase söker på början av efternamnet. Så efternamnet ny hittar t.ex. nyström, nyberg o.s.v. Nackdelen med detta var att jag inte räknar med dubbelefternamn som Johansson-Lindqvist som Johansson och Lindqvist. Men dessa verkar vara försvinnande lite (5 på Johansson).
Exakt vad som skall diskuteras utifrån det här vet jag inte, men det kan säkert ni hitta något. Jag ville egentligen göra på förnamn för att se att Sonny, Conny, Denny och liknande Y-namn skulle vara maffigt överrepresenterade. Men det gick inte för sig på Lexbase, så det blev det här istället.
Citat:
det här har inget att göra med debatten kring invandringen.
dessa släkter har bott här i 100 år eller mer, det är gamla "svenska" och "finska" zigenarsläkter. zigenarfrågan är överhuvudtaget ingen invandrarfråga då det inte hjälper att "stoppa invandringen". det är dels en inhemsk svensk och finsk problematik (dessa gamla släkter då) och dels en EU fråga (tiggarna, rumänska och bulgariska zigenare osv).
dessa släkter har bott här i 100 år eller mer, det är gamla "svenska" och "finska" zigenarsläkter. zigenarfrågan är överhuvudtaget ingen invandrarfråga då det inte hjälper att "stoppa invandringen". det är dels en inhemsk svensk och finsk problematik (dessa gamla släkter då) och dels en EU fråga (tiggarna, rumänska och bulgariska zigenare osv).
I Malmö bor det ca 10000 romer!!! (http://sverigesradio.se/sida/artikel...rtikel=5497493)
Av dessa heter fyra personer Taikon, och tre bessik.
Varför tror ni Skånepolisen gjorde sin egen lista?
En del av dessa "skåneromer" fullständigt utklassar Taikon på lexbaseskalan.
Över 50% är inget ovanligt
__________________
Senast redigerad av Skor 2014-01-31 kl. 12:29.
Senast redigerad av Skor 2014-01-31 kl. 12:29.
Stöd Flashback
Flashback finansieras genom donationer från våra medlemmar och besökare. Det är med hjälp av dig vi kan fortsätta erbjuda en fri samhällsdebatt. Tack för ditt stöd!
Swish: 123 536 99 96 Bankgiro: 211-4106
