Nous avons deux produits P1 et P2. P1 possède un total de 1000 avis et p2 a 200 commentaires.Algorithme pour gérer la note positive s'il y a une énorme différence entre le nombre de commentaires
note positive de P1 est de 85% (85% des utilisateurs disent que c'est un bon produit) note positive de P2 est de 90% (90% des utilisateurs disent qu'il est un bon produit)
Maintenant, si nous voyons sur le plan technique P1 est meilleur que P2 parce que 850 utilisateurs disent que c'est un bon produit alors que seulement 180 utilisateurs disent que P2 est bon. Comment résoudre ce problème afin que nous puissions afficher un résultat juste? Si possible, partagez la logique ou l'algorithme.
Ceci n'est pas une question technique. C'est une décision de logique métier qui doit être prise. Vous pourriez également faire valoir que P1 est * pire * que P2 parce que 150 personnes disent que ce n'est pas un bon produit alors que seulement 20 disent que P2 n'est pas bon. Le point entier de prendre des moyennes est que vous pouvez les comparer. Personnellement, je dirais qu'une approbation moyenne de 90% est meilleure qu'une approbation moyenne de 85%. Si les 90% provenaient seulement d'un utilisateur, je pourrais m'inquiéter de son importance, mais une fois que vous aurez atteint un nombre raisonnable, vous pourrez compter sur les moyennes. – Chris
Si vous voulez vraiment vous soucier d'équilibrer le nombre de relecteurs, alors vous voudrez probablement aller sur l'un des autres sites de la pile qui traite des statistiques, où ils peuvent parler de la taille des échantillons et beaucoup plus en détail. Les sites de piles suivants peuvent être en mesure d'aider bien que je ne sois pas un utilisateur actif sur l'un d'eux, donc je ne peux pas dire si c'est plus sur le sujet là-bas qu'ici: https://stats.stackexchange.com, https://math.stackexchange.com/ – Chris
Voir https://stats.stackexchange.com/questions/4756/confidence-interval-for-bernoulli-sampling –