Vielleicht solltest du aufmerksamer die Postings durchlesen auf die du antwortest:

Jörg Oster hat zwar das Datum nicht dazu geschrieben, aber die gleiche Tabelle habe ich vorher im Thread mit den dazugehörenden Versionsdatum gepostet.



Es geht darum, daß Stefan Pohl mit einer einzelnen herausgepickten Rosine  seine Testmethode auf 100%ige Korrektheit beweisen möchte und dabei übersieht, daß der Kurvenverlauf (also alle Rosinen aneinandergereiht) von seiner Testmethode seit dem 12.12.2016 im Zickzack verläuft  und selbst nach über 4 Monaten keinen Fortschritt nachweist, während der  Regressionstest des Stockfish Frameworks in den letzten 4 Monaten eine ständig steigende Spielstärke ergibt, also ohne einen einzigen zick-zack Verlauf.

Mit statistischen Fehlern kannst du hier nicht herkommen. Die 40.000 Partien aus dem Stockfish Framework sind so umfangreich, daß hier der Fehler im Bereich von 0 oder einem oder in sehr seltenen fällen 2 Elo beträgt.

Stefan's Testmethode ist natürlich insgesamt trotzdem im großen und ganzen aktzeptabel, aber es gab damals am 12.12.16 ein Testergebnis mit einem Plus von 17 ELO während das Stockfish Framework zur gleichen Zeit (31.12) ein Ergebnis von nur +5.21 ELO  attestierte.
Für mich wäre das ein Indiz dafür, daß an dem Testlauf etwas falsch lief oder systematisch falsch läuft. Die lapidare Ausrede "statistischer Zufall" ist in Anbetracht der großen Anzahl an Partien auf beiden Seiten zu bequem.

Und jetzt, 4 Monate später, nachdem die Testergebnisse doch einmal übereinstimmen pickt er sich diese Rosine heraus und will damit die absolute Fehlerlosigkeit seines Testaufbaus nachweisen.

Zu aller Einfältigkeit zieht er sich dann auch noch mit dem Kommentar

Zitat Stefan Pohl:

aus der Diskussion heraus.