Originally posted by Evan Miller ，写于2009/02/06:

原文链接： http://www.evanmiller.org/how-not-to-sort-by-average-rating.html

假设一个物品A有600个好评和400个差评（好评率为60%评分为200）；另一个物品B有5500个正面评价和4500个负面评价（好评率为55%，评分为1000）。这个算法导致一个好评率低的物品B的评分反而大于物品A。所以这种算法是错误的。

Originally posted by 从图中可知:

排名第二的物品有209个好评，50个差评（好评率80.69%，评分为159）；而排名第三的物品有118个好评，25个差评（好评率为82.52%，评分为93）。显然排名是十分不准确的，评分无法很好地反映出这个物品的受欢迎程度。

如果在总评论基数非常大的情况下，那么用好评率作为评分是比较客观的，但是如果假设一个物品A有两个好评和零个差评（好评率100%），物品B有100个好评和一个差评（好评率约为99%）。这个算法导致了一个有大量好评的物品A的评分小于只有几个好评的物品B，所以这个方法也是不对滴。

Originally posted by 从图中可知:

排名13的商品仅有一个人评价为5星，而它的综合评分也是5星；而排名14的商品有580人评价，综合评分是4.5星。

那么就引出了问题，要是排名13的商品同样让580人评价，综合评分还会有5星嘛？所以这个排名也是不准确的。

物品A现在有1个好评和0个差评（好评率100%），估计再有九个人的评价之后（总评价为10的时候），好评率是多少。我列出了所有的结果（好评率可以从10%-100%不等浮动）可以给出一个准确率为100%的置信区间[10%,100%]。这时候你们会说了，哎呀，你这跟没说一样啊，基本上什么都没告诉我们呐。所以说样本容量小的情况下置信区间的宽度太大了，貌似也解决不通呐，所以只能缩小可信度，取得更精确的范围。

好，那我们再看一下物品B，物品B现在有10个好评和1个差评（好评率约为90.0%）同样推算，再经过9人评价之后（总评价数量达到20个的时候），好评率为多少。我同样是列出了所有的结果，得出一个准确率为100%的置信区间为[50%,95%]。也就是说这个范围告诉你，就算再差，这个物品的好评率在多九个人评价之后也能保持50%。

那么，对比一下物品A和物品B的置信区间的宽度，很容易看出物品A的好评率低的风险是要大于物品B的。那么我们取置信区间的下限值，来比较现在的两个物品，10%<50%，那么就不会出现这种1个评价100%好评率的物品被排在10好评1差评甚至是100好评1差评的物品之前这种事了。