Moyenne pondérée avec un nombre négatif

Question

Le mot Let vous devez afficher une représentation graphique de la façon dont une équipe de base-ball est en train de faire (mon problème de logiciel n'est pas lié au sport, mais ...).

Disons que vous avez choisi que 25% d'une jauge est liée au pourcentage de frappeurs qui a frappé pendant la première fois à la batte. Les 25% suivant lié au pourcentage de cruches sur l'équipe qui avait n nombre de grèves dans un jeu. La finale de 50% en rapport avec le pourcentage de frappeurs de l'équipe qui a marqué lors d'un match.

Le calcul est évident (* .25 pourcentage1) + (* .25 percentage2) + (0,5 * percentage3). Ce sera égal à un certain calcul final <100.

Soit s dire que vous vouliez ajouter une partie « négative » à l'algorithme. Exemple, le pourcentage de joueurs de champ qui a une erreur au cours du jeu. Comment cela fonctionnerait dans le cadre du Algoritm? Je ne pense pas qu'on puisse dire que ce pourcentage est de -50% (négatif), puis ajoutez une part supplémentaire de 50% pour atteindre 100%. Cela ne marchera pas parce que vous finirez potentiellement avec un calcul final> 100.

MISE À JOUR: (pour donner l'exemple réel)

• Pourcentage 1 à 25%
• Pourcentage 2 à 25%
• Pourcentage 3 (ce qui est négatif) à -50%
• Pourcentage 4 à ??? 100%

Si nous additionnons les pourcentages alors nous sommes à 100%, mais les calculs peuvent sortir> 100.

Answer 1

Il suffit de l'ajouter dans Si les joueurs de champ sont parfaits, leur taux d'erreur est 0, 0 *.. (-. 5) = 0, le calcul a encore un maximum possible de 1. Vous ne avez pas besoin de facteur de correction

Answer 2

Vous pouvez évaluer dans quelle mesure une équipe a fait par rapport à une limite arbitraire, ou peut-être la pire de toutes les équipes.

Donc, si vous voulez compter les erreurs de 50%, avec une limite arbitraire de 100

.5 * (100 - NumberOfErrors)

Ou vous pouvez mesurer une équipe contre le pire dans la ligue

.5 * 100 * (MostErrorsInTheLeague - NumberOfErrors) / MostErrorsInTheLeague

De cette façon, la pire équipe obtiendra un score de zéro pour ce facteur, et une équipe avec zéro erreurs obtiendra la cinquante complète.

Answer 3

erreur quadratique moyenne
Root Mean Square Déviation

L'un de ces deux termes devrait bien fonctionner pour comparer deux algorithmes où l'erreur peut être négatif et positif.