Traducido de Libertarian News por TierraPura.org

Por Michael Suede

El Dr. Shiva Ayyadurai, que es un científico de datos, con cuatro títulos del MIT y becario Fulbright, junto con Bennie Smith, un demócrata, que es ingeniero de software, analista de datos y comisionado electoral, y Phil Evans, que también es ingeniero capacitado y analista de datos, discuten algunos hallazgos muy preocupantes después de revisar los datos electorales que provienen de Michigan. 

El Dr. Ayyadurai es un candidato al Senado de los EE.UU. en Massachusetts, lo cual es un factor que contribuye a la razón por la que comenzó a investigar la integridad de nuestros sistemas de votación.

El Dr. Ayyadurai descubrió a través de una serie de solicitudes de FOIA (Ley de Libertad de Información, por sus siglas en ingles) relacionadas con su propia elección que las máquinas de conteo de votos no cuentan directamente las boletas. En su lugar, toman una imagen de la boleta que se les presenta, y luego tabulan los votos basados en las imágenes de las boletas recolectadas.

Lea también: Las revelaciones de «Q» están duramente censuradas, pero sus predicciones y advertencias se están cumpliendo en EE. UU. y tocan a todo el mundo (Parte 1)

Las leyes electorales federales dictan que todos los registros electorales deben mantenerse durante 22 meses. Sin embargo, el Dr. Ayyadurai descubrió que muchos estados no conservan las imágenes de las boletas producidas por las máquinas. La configuración por defecto de las máquinas almacena automáticamente las imágenes de la boleta, lo que significa que los funcionarios electorales deshabilitan manualmente la función de almacenamiento de imágenes.

El análisis dl Dr. Shiva Ayyadurai sobre los votos de Michigan. (video en inglés)

Debido a que las imágenes de la boleta no se retienen en estados como Massachusetts y Michigan, los resultados de las elecciones no pueden ser auditados de manera significativa, dejando ambigüedad en cuanto al resultado real de las elecciones. La única forma de auditar los resultados de una elección sin imágenes de la boleta sería contar manualmente las boletas, lo cual es muy difícil de hacer.

Lea también: ¿Qué pasó en Texas?: Trump superó expectativas con el voto latino

El Dr. Ayyadurai se enteró de que en 2001 se añadió una característica de carrera ponderada a los sistemas de votación de Global Election Systems (GEMS 1.18.1). Esta característica permite que las elecciones sean sesgadas a un candidato u otro basado en la configuración del software. Esto no es un hack, sino una característica incorporada del software. Nunca se ha explicado por qué esta característica existe en las máquinas de tabulación de votos de EE.UU.

El software no solo permite la ponderación de los resultados de las elecciones, sino que también es problemática la forma en que se almacenan y cuentan los votos. Los sistemas almacenan los votos como decimales fraccionados en lugar de números enteros. Esto significa que las máquinas pueden ser configuradas para tabular la mitad de un voto, lo cual no tiene ningún sentido, pero así es como fueron diseñadas.

Después de que se reportaron “fallas” en la votación en Michigan, el equipo del Dr. Ayyadurai decidió analizar los cuatro condados más importantes de Michigan en busca de irregularidades. 

Observaron los datos de los condados de Oakland, Macomb, Kent y Wayne. Lo que encontraron fue absolutamente impactante. El análisis de los datos muestra que, como mínimo, 69.000 votos fueron TRANSFERIDOS de Trump a Biden en estos cuatro condados, en un patrón que es consistente con la ponderación algorítmica de una carrera.

En Michigan, hay dos tipos diferentes de boletas que una persona puede elegir para votar.  Una persona puede elegir votar por una boleta de un partido directo o por cada candidato individual por separado. No pueden hacer ambas cosas. Esto significa que las boletas del partido y las boletas de selección individual se tabulan en pilas separadas, lo que produce dos conjuntos de datos.

El hecho de que las boletas de los partidos y las individuales estén separadas en el MI permitió a los científicos de datos comparar las diferencias entre la frecuencia con que la gente en un determinado distrito electoral votó por Trump vs. la frecuencia con que la gente votó por una boleta republicana directa.

Por ejemplo, en esta imagen, el porcentaje inferior del eje X indica la frecuencia con la que la gente de un distrito electoral votó por una candidatura republicana directa. El eje Y indica la frecuencia con la que la gente votó específicamente por Trump en una boleta individual menos el porcentaje que votó una boleta republicana directa.

Así que si en un distrito dado el 50% de la gente votara por una candidatura republicana y el 50% de ellos votara por Trump en una boleta individual, veríamos un punto en el 50% en el eje X y en el 0% en el eje Y.  Intuitivamente, esperaríamos que la mayoría de los puntos caigan a lo largo de la línea del eje Y.

En otras palabras, si un distrito tiende a votar 60% de boletas republicanas, esperaríamos que el 60% de la gente en ese distrito que vota en las boletas individuales elija también a Trump.

En cambio, lo que los datos muestran es una clara relación lineal que comienza en el eje X del 20%, donde cuanto más republicano es un distrito, basado en boletas de partido, menos gente que vota en boletas individuales en ese distrito votará por Trump.

No solo esta relación se invierte de lo que esperábamos ver, la forma en que se muestra es lo que realmente revela el fraude. Observe la rectitud de esa línea. Esta linealidad solo puede ser el producto de un algoritmo. La perfección de la pendiente y la distribución es lo que delata el juego.

Esta misma pendiente se observa en tres de los condados que fueron analizados.  Aparece en los datos de la votación anticipada así como en los datos del día de las elecciones.  El patrón es consistente tanto espacial como temporalmente.  No hay absolutamente ninguna manera de que esto sea el producto de algo más que un algoritmo.

Considere lo que estos datos nos dicen. Estos datos nos están diciendo que cuanto más probable es que un distrito sea republicano, más probable es que los republicanos de ese distrito hayan votado por Biden sobre Trump, y lo hicieron a un ritmo matemáticamente perfecto.

Esto es imposible. La gente va a la cárcel en casos de fraude con mucha menos evidencia que esta.

Si esta fuera una elección legítima, esperaríamos ver una distribución de dispersión a lo largo del eje Y de 0% donde está la flecha roja, con quizás un sesgo positivo o negativo a lo largo del eje dependiendo de cuánto le gustaba o odiaba la gente a Trump.

Así es como se ven los resultados del condado de Wayne donde no se detectó ningún algoritmo. El condado de Wayne es fuertemente demócrata, así que es probable que no se molestaran en amañar los votos aquí. Todavía podría haber trampas aquí, pero así es como esperaríamos que se vieran todos los gráficos. Podemos ver que a los votantes de aquí les gustó Trump mucho más que al partido republicano.

Cuando el Dr. Ayyadurai comenzó a denunciar en Twitter la falta de transparencia y el hecho de que las imágenes de la boleta electoral estaban siendo borradas, fue atacado por una organización llamada La Asociación Nacional de Directores de Elecciones Estatales (NASED).  

Esta organización es financiada por intereses corporativos con lazos a los Rockefeller y otros conglomerados de negocios internacionales. La NASED en realidad contactó a Twitter y trató de que lo prohibieran. Tengan en cuenta que es un candidato al Senado. Esta organización ha estado trabajando con las compañías de software electoral involucradas en este fraude.

Este software está en uso mucho más allá de los cuatro condados que fueron analizados por el equipo del Dr. Ayyadurai. Explica cómo Joe Biden, un hombre que no pudo conseguir que más de un puñado de personas se presentaran a uno de sus “mítines” consiguió más votos que Donald Trump, un hombre que rutinariamente celebraba mítines que atraían a más de 50.000 fans gritando “¡TE QUEREMOS!”.

Biden no ganó esta elección, y ahora hay CERO dudas sobre ese hecho.

Envía tu comentario

Subscribe
Notify of
guest
9 Comentarios
Más antiguos
Recientes
Inline Feedbacks
Ver todos los comentarios

Últimas