diff --git a/backend/app/services/scoring.py b/backend/app/services/scoring.py
index ac705d2..ec7f93c 100644
--- a/backend/app/services/scoring.py
+++ b/backend/app/services/scoring.py
@@ -4,15 +4,30 @@
и ничьих (competition ranking). За партию из N игроков:
points = (N - place - (tie_size - 1)/2) / (N - 1)
1-е место = 1.0, последнее = 0.0; равные места делят сумму очков поровну.
-Рейтинговый счёт игрока = AVG(points) * 100.
+
+Рейтинговый счёт игрока — сглаженное среднее (байесовское, формула IMDB):
+ score = (PRIOR_GAMES * PRIOR_MEAN + SUM(points)) / (PRIOR_GAMES + games) * 100
+К реальным партиям «дописываются» PRIOR_GAMES виртуальных со средним PRIOR_MEAN:
+на малой выборке рейтинг держится около 50 и лишь с опытом сходится к чистому
+среднему — короткая удачная серия новичка не обгоняет стабильного ветерана.
"""
from __future__ import annotations
# Порог числа игр для попадания в ранжированный топ (ниже — «Новички»/provisional).
-MIN_GAMES = 5
+MIN_GAMES = 10
# Порог числа игр на фракцию для расчёта лучшей/худшей фракции.
FACTION_MIN_GAMES = 2
+# Сглаживание рейтинга: сколько «виртуальных» партий и с каким средним добавляем.
+PRIOR_GAMES = 10
+PRIOR_MEAN = 0.5
+
+# SQL-выражение сглаженного рейтинга поверх агрегата по строкам scored (s.points).
+# При 0 партий SUM = NULL → score = NULL (рейтинга без игр нет).
+SMOOTHED_SCORE_SQL = (
+ f"({PRIOR_GAMES} * {PRIOR_MEAN} + SUM(s.points)) / ({PRIOR_GAMES} + COUNT(*)) * 100"
+)
+
# SQL-выражение очков за участие (tie-aware). Использует поля m.player_count,
# mp.place и t.tie_size (размер группы игроков с тем же местом в партии).
MATCH_POINTS_SQL = (
diff --git a/backend/app/services/stats_service.py b/backend/app/services/stats_service.py
index a50e03b..ceec012 100644
--- a/backend/app/services/stats_service.py
+++ b/backend/app/services/stats_service.py
@@ -13,6 +13,7 @@ from app.services.scoring import (
FACTION_MIN_GAMES,
MATCH_POINTS_SQL,
MIN_GAMES,
+ SMOOTHED_SCORE_SQL,
leaderboard_sort_key,
)
@@ -76,7 +77,7 @@ def _leaderboard_rows(session: Session, group_id: int | None) -> list[dict]:
SUM(s.is_win) AS wins,
AVG(CAST(s.is_win AS FLOAT)) AS win_rate,
AVG(s.place) AS avg_place,
- AVG(s.points) * 100 AS score
+ {SMOOTHED_SCORE_SQL} AS score
FROM scored s
JOIN users u ON u.id = s.user_id
{where}
@@ -112,7 +113,7 @@ def _overall_for_user(session: Session, user_id: int, group_id: int | None) -> d
SUM(s.is_win) AS wins,
AVG(CAST(s.is_win AS FLOAT)) AS win_rate,
AVG(s.place) AS avg_place,
- AVG(s.points) * 100 AS score
+ {SMOOTHED_SCORE_SQL} AS score
FROM scored s
{cond}
"""
@@ -139,7 +140,8 @@ def _faction_breakdown(session: Session, user_id: int, group_id: int | None) ->
SUM(s.is_win) AS wins,
AVG(CAST(s.is_win AS FLOAT)) AS win_rate,
AVG(s.place) AS avg_place,
- AVG(s.points) * 100 AS score
+ AVG(s.points) * 100 AS score -- фракции: чистое среднее (служебная метрика
+ -- «лучшая/худшая», сглаживание задавило бы её к 50)
FROM scored s
JOIN factions f ON f.id = s.faction_id
JOIN expansions e ON e.id = f.expansion_id
diff --git a/backend/tests/test_scoring_smoothing.py b/backend/tests/test_scoring_smoothing.py
new file mode 100644
index 0000000..af06321
--- /dev/null
+++ b/backend/tests/test_scoring_smoothing.py
@@ -0,0 +1,39 @@
+"""Сглаживание рейтинга: score = (C·m + сумма очков) / (C + игр) × 100, C=10, m=0.5."""
+from __future__ import annotations
+
+from fastapi.testclient import TestClient
+
+from tests.conftest import add_group_member, create_finished_match, csrf_headers, login
+
+
+def test_leaderboard_and_profile_score_are_smoothed(client: TestClient, engine):
+ me = login(client, "Хозяин")
+ gid = client.post(
+ "/api/groups", json={"name": "Группа", "expansion_ids": []}, headers=csrf_headers(client)
+ ).json()["id"]
+ b = add_group_member(engine, gid, "Гость")
+ factions = client.get(f"/api/groups/{gid}/factions").json()
+ f1, f2 = factions[0]["id"], factions[1]["id"]
+
+ create_finished_match(
+ client,
+ gid,
+ [
+ {"user_id": me["id"], "faction_id": f1, "place": 1},
+ {"user_id": b, "faction_id": f2, "place": 2},
+ ],
+ )
+
+ board = client.get("/api/stats/leaderboard").json()
+ by_id = {e["user_id"]: e for e in board["entries"] + board["provisional"]}
+ # Победитель: 1 очко за партию → (10·0.5 + 1) / (10 + 1) × 100 = 54.5.
+ # Проигравший: 0 очков → (10·0.5 + 0) / 11 × 100 = 45.5.
+ assert by_id[me["id"]]["score"] == 54.5
+ assert by_id[b]["score"] == 45.5
+ # 1 игра < MIN_GAMES=10 → оба пока «Новички», ранжированный топ пуст.
+ assert board["entries"] == []
+ assert board["min_games"] == 10
+
+ # Профиль показывает тот же сглаженный рейтинг, что и топ.
+ prof = client.get("/api/users/me/stats").json()
+ assert prof["overall"]["score"] == 54.5
diff --git a/frontend/src/pages/HelpPage.tsx b/frontend/src/pages/HelpPage.tsx
index 10fbf77..d3765f5 100644
--- a/frontend/src/pages/HelpPage.tsx
+++ b/frontend/src/pages/HelpPage.tsx
@@ -34,8 +34,16 @@ export function HelpPage() {
Выбывшие из партии считаются как последнее место.
- Итоговый рейтинг игрока = среднее «очков за место» по всем его партиям × 100
- (шкала от 0 до 100).
+ Итоговый рейтинг игрока — сглаженное среднее: к реальным партиям
+ «дописываются» 10 виртуальных со средним результатом 0.5 (шкала от 0 до 100):
+
+
+ рейтинг = (10 × 0.5 + сумма очков) / (10 + число партий) × 100
+
+
+ Пока партий мало, рейтинг держится около 50 и с опытом сходится к реальному
+ среднему — стабильные результаты на длинной дистанции ценятся выше короткой
+ удачной серии.
@@ -55,7 +63,7 @@ export function HelpPage() {
Попадание в топ
- Чтобы попасть в ранжированный топ, нужно сыграть минимум 5 партий. До этого
+ Чтобы попасть в ранжированный топ, нужно сыграть минимум 10 партий. До этого
игрок показывается в блоке «Новички» — предварительно, без места в рейтинге.