Disons que nous avons une simple question "oui / non" à laquelle nous voulons savoir une réponse. Et il y a N personnes "votant" pour la bonne réponse. Chaque électeur a une histoire - une liste de 1 et de 0, montrant s'ils avaient raison ou tort au sujet de ce type de questions dans le passé. Si nous supposons que l'histoire est une distribution binomiale, nous pouvons trouver la performance moyenne des électeurs sur ces questions, leur variation, l'IC et tout autre type de mesure de confiance.
Fondamentalement, ma question est: comment intégrer les informations de confiance dans le système de vote ?
Par exemple, si nous considérons uniquement les performances moyennes de chaque électeur, nous pouvons alors construire un système de vote pondéré simple:
Autrement dit, nous pouvons simplement additionner les poids des électeurs multipliés soit par (pour «oui»), soit par (pour «non»). Cela a du sens: si l'électeur 1 a une moyenne de réponses correctes égale à et l'électeur 2 n'en a que , alors, probablement, le vote de la première personne devrait être considéré comme plus important. D'un autre côté, si la 1ère personne n'a répondu qu'à 10 questions de ce type, et la 2ème personne a répondu à 1000 de ces questions, nous sommes beaucoup plus confiants quant au niveau de compétence de la 2ème personne qu'à ceux de la 1ère - il est possible que la 1ère personne ait eu de la chance , et après 10 réponses relativement réussies, il continuera avec des résultats bien pires.
Donc, une question plus précise peut ressembler à ceci: y a-t-il une métrique statistique qui incorpore à la fois - la force et la confiance au sujet de certains paramètres?