Wilson的Confidence Interval分别将值设为TRUE或FALSE，或“upvotes”和“downvotes”。从这些投票中产生一个评级。
出于我的项目的目的，我认为WCI是完美的。然而，标量upvote和downvote不足以描述我评价的东西。
这就是5星评级的地方，这就是我需要有人反驳我的逻辑的地方。 现在我想，如果我要用WCI实施5星评级，那么以下内容应该可以在不破解置信区间内部的情况下工作。
对于评级小部件中的每个星，我们分配一个唯一的整数值。每个值都计为正（upvote）或负（downvote）。所以以下值将是：
1/5星：-2 2/5星：-1 3/5星：1 4/5星：2 5/5星：3
总结以上数值。 1星的最低投票被归类为2个downvotes。 2星投票被列为1投票。对于3星的中等投票，我们给1个upvote。对于4颗星，我们给出2个赞成票。对于最多5颗星，我们给出了3个赞成票。
请反驳这个逻辑，为什么这不起作用？也许这与星级评定系统的“普通人的理解”背道而驰？
答案 0 :(得分：4)
很容易想到以下＆＃39;解决方法＆＃39;它将多级系统转换为二进制“upvote / downvote”式排名（然后可以使用Wilson得分置信区间的下限进行评分）：
假设您拥有受欢迎的5星评级系统。所以我们有多个投票，每个投票的值为：1,2,3,4或5。
转换＆＃39;这些评级为上/下投票，使用以下规则：
For star rating -- Add
* - 0.00 to up votes and 1.00 to down votes (i.e. a full down vote)
** - 0.25 to up votes and 0.75 to down votes
*** - 0.50 to up votes and 0.50 to down votes
**** - 0.75 to up votes and 0.25 to down votes
***** - 1.00 to up votes and 0.00 to down votes (i.e. a full up vote)
在我们将5星评级降低到上/下评级后，我们可以继续进行Evan Miller的文章中描述的通常评分计算。
由于我不是统计学家或数学家，我很乐意听到其他人是否有意义，以及这种方法可能存在的问题。
答案 1 :(得分：2)
首先，试着了解WCI背后的直觉。或者，甚至更简单的正态近似区间（http://en.wikipedia.org/wiki/Binomial_proportion_confidence_interval）。
所有这种区间计算背后的直觉很简单。您计算样本均值和标准差。间隔是平均值+ -z *标准。
在你的情况下，计算平均值很简单。这是评级本身的意思。假设p1是1星评级的分数，p2，...，p5。 p1 + p2 + ... + p5 = 1.并假设您使用n个样本计算这些统计数据。您的数据的平均值是1 * p1 + 2 * p2 + ... + 5 * p5。
你的数据的方差是（E（x ^ 2） - （E（x））^ 2）/ n =（（p1 * 1 ^ 2 + p2 * 2 ^ 2 .. + p5 * 5 ^ 2 ） - （1 * p1 + 2 * p2 + .. + 5 * p5）^ 2）/ n
由于std = sqrt（var），因此计算正态近似区间非常简单。我会让你努力将其扩展到WCI。
答案 2 :(得分：1)
此计划的最大问题是，单个5星评级将重达3个2星评级。此外，300个3星评级（应该是平庸的评分）的项目将与具有100个5星评级（应该是完美分数）的项目具有相同的分数。
你可以做的是计算每个可能得分的威尔逊置信区间。然后，每个区间的下限是该分数对（加权）平均值的权重。