普通民调说某候选人支持率上下浮动几个百分点，通常还能看懂。排序选择投票却没这么简单：选民要给候选人排顺序，末位者出局后，选票还会转给下一人。胜负取决于多轮相互关联的结果，单个百分比和传统“误差范围”都不够用。
Rosenman 与 Liang 2026 的做法，是直接估计每种完整排序的概率。以三类候选人为例，模型为 15 种可能排序设置 14 个参数；相比之下，exploded logit——把完整排序拆成连续选择的模型——只用 3 个参数，但依赖“无关选项独立性”（IIA），即两名候选人的相对胜算不受第三人进退影响。研究者再从这些排序概率的后验分布——结合模型与数据后得到的一组可能取值——反复运行即时决选计票，由每次谁获胜汇总出胜选概率。
在 2022 年 Alaska 众议院特别选举案例中，小样本下，点估计会判 Begich 获胜的区域占据最多概率质量；但纳入抽样不确定性后，所有候选人的胜选概率都约为 20%—40%，更诚实的结论是难以判断。作者目前聚焦抽样误差，其他民调误差并未在这套结果中展开。