泡网俱乐部

TOP 20，和流行歌曲排名榜一样， 能反映读者最为之疯狂的形式。 从统计学的角度看， 如果是为了衡量读者的整体好恶， TOP 20和 BOTTOM 20 可以划入 statistical outlier (统计例外) 的范畴。

如果要统计江湖色片子，我觉得最上面10%和最下面的10%去除后做出的统计比较反映真实。这和体育比赛里，有裁判人为因素给分的评判(如体操) 中掐头去尾的做法类似。具体排除的首尾百分比建议由社会艺术统计学家议定。

排除首位后，将所有片子的点击率做成直方图：横轴是点击数分格子， 0-100， 101-200， 201-300。。。 或者50一格 (为观察的直观，可以用最高点和最低击率的差别，然后分隔成20格)； 纵轴是落入这个范围的片子数量。

好奇结果会是单模还是多模分布。

所谓单模，就是只出现一个峰值；多模，则是有几个峰。

多模统计比较简单，从各个峰的点击数，随机取20个片子，可以判断读者的口味。

如果是单模，峰值的点击随机取样是读者的一般兴趣。在峰的左右侧 2/3处各取样20，也能大概判断这里读者的好恶。

说了容易，但具体操作的技术实现就难乐。。。。

过节无聊。。供大家苦笑吧。

• 相关回复