Hoe we mensen tellen die je nog niet kent

01 De korte versie

We beginnen met iedereen in het land dat je kiest, houden de mensen over van het geslacht waar je naar zoekt, knippen op jouw leeftijdscategorie en passen dan elke eis toe die je toevoegt. Aan het eind halen we de mensen weg die waarschijnlijk al getrouwd zijn of een relatie hebben. Wat overblijft, is het getal dat je ziet.

Hetzelfde rekenwerk draait voor zo’n 150 landen, dus we kunnen de wereld ook optellen en landen met elkaar vergelijken.

02 Wat erin gaat

Bevolking naar leeftijd en geslacht, aandelen gehuwden en partners per leeftijdsgroep, lengteverdelingen, inkomens- en vermogensverdelingen, BMI-klassen, werksituatie, opleidingsniveaus, levensstijlaandelen (roken, drinken, huisdieren, auto- en huisbezit enzovoort), religie en seksuele geaardheid.

Typische bronnen: UN World Population Prospects, Wereldbank, WHO en NCD-RisC, het UBS Global Wealth Report, OECD, Eurostat, ILO, Pew Research, Gallup en nationale volkstellingen. We gebruiken de nieuwste cijfers die we konden vinden en ronden ze af als verstandige volwassenen.

03 Hoe de cijfers worden gecombineerd

Lengte wordt gemodelleerd als normale verdeling per land en geslacht. Inkomen en vermogen volgen een lognormale vorm, gefit op medianen en ongelijkheidscijfers, en beide stijgen met de leeftijd. Lichaamsbouw komt uit BMI-klassen. Haar- en oogkleur komen uit regionale bevolkingstabellen, en haar grijst met de leeftijd.

Kansen naïef vermenigvuldigen klopt niet als kenmerken samenhangen (ouderen verdienen meer, bezitten meer en zijn vaker getrouwd), dus passen we leeftijdsbewuste effecten en een correlatiedempingsfactor toe. Zo storten lange lijstjes niet sneller naar nul dan de werkelijkheid zou doen.

We tonen ook een onzekerheidsmarge. Zie het hoofdgetal als het midden van een bereik, niet als een belofte.

04 Geaardheid en aantrekking

We tellen alleen mensen die aangetrokken zouden kunnen zijn tot iemand van jouw geslacht. Daarvoor gebruiken we aandelen hetero, homo, lesbische en biseksuele volwassenen per land uit enquêtes. Op plekken waar mensen minder durven op te geven, liggen de echte cijfers waarschijnlijk hoger.

05 Waar het gaat wiebelen

De datakwaliteit verschilt. Voor landen met schaarse statistieken lenen we van vergelijkbare buren en markeren we een lagere betrouwbaarheid. Enquêtes weerspiegelen het verleden, mensen veranderen en het echte leven zit vol verbanden die geen tabel vangt.

Het model werkt met twee geslachten omdat de meeste officiële statistieken dat doen. Belangrijke dingen als chemie, vriendelijkheid, humor en timing blijven buiten beeld. Het kan je niet vertellen wie jou leuk gaat vinden.

06 Wat we bewust weglaten

Nooit een filter op etniciteit of ras. We pikken ook nooit individuen eruit: alle cijfers zijn totalen.