สูตรจริง · ค่าเฉลี่ย → percentile

ศาสตร์ทั้ง 26 ต่างคำนวณ sub-score ของตัวเองจากวันเกิดคุณ — ในการสุ่ม 1,500 ดวง เลขรายศาสตร์อยู่ในช่วงราว 520–960. Cosmic Score ไม่ถ่วงน้ำหนักเลขเหล่านั้น และทำ 2 ขั้น:

ขั้นที่ 1 · ค่าเฉลี่ยของ 26 ศาสตร์
level_raw = mean(sub-scores ของ 26 ศาสตร์)
ใช้ ค่าเฉลี่ย (mean) แบบไม่ถ่วงน้ำหนัก ทุกศาสตร์มีเสียงเท่ากัน 1 ใน 26. เดิมเราใช้ค่ามัธยฐาน (median) เพราะตอนนั้นทุกศาสตร์มีเลขสุ่มบวกเข้าไปในคะแนน median จึงช่วยกันค่าโดดที่เป็นแค่สัญญาณรบกวน. เมื่อตัดเลขสุ่มออกหมด (ส.ค. 2026) ค่าที่ต่ำหรือสูงโดดคือคำอ่านจริง ไม่ใช่ noise และ median ทิ้งตัวเลขไป 25 จาก 26 ตัว — วัดจาก 3,000 ดวง median ดิบกอง 35% ของทุกคนไว้ที่ค่าเดียว ส่วนค่าเฉลี่ยกระจายได้ราว 70 ค่า. Biorhythm เป็นชั้นรายวันที่เปลี่ยนทุกวัน (ศาสตร์ที่ 27) จึงไม่นับในค่าเฉลี่ยนี้.
ขั้นที่ 2 · percentile เทียบประชากร
Cosmic Score = 300 + 699 × percentile(level_raw ใน reference CDF) · ปัดทีละ 10
ค่าเฉลี่ยดิบเพียงอย่างเดียวบอกอะไรไม่ได้ถ้าไม่มีจุดอ้างอิง. เราจึงนำมันไปจัดอันดับเทียบ reference distribution แล้วแปลงเป็นสเกล 300–1,000. คะแนน 900 ไม่ได้แปลว่า "ดวงดี 90%" — มันแปลว่าค่าเฉลี่ยดวงคุณสูงกว่าประชากรอ้างอิงราว 86% (กลางประชากรพอดีคือ 650).
Cosmic Score ไม่ใช่ weighted average. ใน breakdown คุณจะเห็นเลข weight ต่อศาสตร์ — นั่นเป็นตัวช่วยให้อ่านง่าย ไม่ใช่ตัวคูณที่เข้าไปในคะแนน. ตัวเลข Cosmic Score จริงมาจากค่าเฉลี่ยที่ไม่ถ่วงน้ำหนักล้วน ๆ ทุกศาสตร์มีส่วน 1 ใน 26 เท่ากัน ไม่มีศาสตร์ไหน (ต่อให้ "ละเอียด" กว่า) ได้น้ำหนักมากกว่า.

reference distribution มาจากไหน · random charts ไม่ใช่คนดัง

percentile ต้องเทียบกับ "ประชากร" สักชุด. เราเลือกไม่เทียบกับชุดคนดัง (Steve Jobs · Einstein · ฯลฯ) เพราะชุดคนดัง cherry-pick ได้ + มี selection bias หนัก (บันทึกวันเกิดที่เชื่อถือได้ over-represent คนตะวันตก). แทนที่ เราสร้าง reference จาก:

Reference sample · วันเกิดสุ่ม
CDF สร้างจากการรัน engine กับวันเกิดสุ่ม 6,000 ดวง (ปีเกิด 1950–2010)
รันวันเกิดสุ่มจำนวนมากผ่าน engine เดียวกัน → ได้การกระจายของ level_raw ที่ "เป็นไปได้ทั้งหมด". percentile ของคุณจึงตอบคำถามที่ชัดเจน: ค่าเฉลี่ยดวงคุณอยู่ตรงไหนในอวกาศของวันเกิดที่เป็นไปได้ทั้งหมด. นี่เป็น relative rank ที่ซื่อสัตย์ — ไม่ได้อ้างว่าคนคะแนนสูง "สำเร็จในชีวิตจริง" แค่บอกว่า chart อ่านได้เข้มข้นแค่ไหนเทียบทุก chart.
ข้อจำกัดที่มาคู่กัน · แถบค่าเฉลี่ยแคบ. ค่าเฉลี่ยของ 26 ศาสตร์กระจุกตัวในแถบแคบจริง — ใน reference ทั้งชุดอยู่ระหว่าง 705–782 และ 98% อยู่ในช่วงราว 721–769 (~50 คะแนน). การแปลงแถบแคบให้กลายเป็นสเกล 300–1,000 จึง ขยาย ช่องเล็ก ๆ ให้ดูห่างกว่าที่เป็น. เราเลือกวิธีนี้เพราะการทำ band ให้กว้างเทียม ๆ จะทำให้ percentile "โกหก". ผลคือ Cosmic Score เป็น อันดับเชิงเปรียบเทียบที่ซื่อสัตย์ ไม่ใช่หน่วยวัดสัมบูรณ์ที่ละเอียด — เราระบุไว้ตรงนี้ชัด ๆ.

แกนที่สอง · Consensus reading

ควบคู่กับ "ระดับ" (level) เรารายงานอีกหนึ่งเลข: Consensus reading (agreement). มันวัด การกระจายตัว ของคะแนน 26 ศาสตร์ (median absolute deviation) แล้วแปลงกลับด้านเป็นเปอร์เซ็นไทล์ — ตอบว่า "26 ศาสตร์เห็นตรงกันแน่นแค่ไหน". เราจงใจไม่ให้ Consensus เป็นเลขใหญ่สุดบนหน้า: สถิติการกระจายตัวไม่ควรเป็นตัวชี้วัดหลัก เพราะ chart ที่อ่อนสม่ำเสมอกับ chart ที่แข็งสม่ำเสมอจะได้ "agreement สูง" เท่ากัน. level = คุณอยู่ระดับไหน · Consensus = ศาสตร์เห็นตรงกันแค่ไหน. สองคนละคำถาม.

ทำไมไม่ใช่ supervised learning

คำถามตรง ๆ: "ทำไมไม่ใช้ ML — เก็บ user input → ผลลัพธ์ → train neural net?" คำตอบตรง ๆ:

Cosmic Score จึงเป็น สูตร deterministic ที่เปิดเผยได้ — ค่าเฉลี่ยแล้ว percentile — ไม่ใช่ "AI ที่ learn". เราไม่ปกปิดว่ามันคือ arithmetic ที่ verify ได้ ไม่ใช่กล่องดำ.

ทำไม reference ถูก freeze

ถ้า reference distribution เปลี่ยนได้ → คะแนนของคุณวันนี้ ≠ คะแนนของคุณปีหน้า แม้วันเกิดยังคงเดิม. นั่น break "version-locked deterministic engine" promise. เรา freeze CDF เป็นเวอร์ชัน และปรับเฉพาะเมื่อสูตรคะแนนเปลี่ยน — ทุกครั้งบวกเลขเวอร์ชันพร้อมเหตุผลในโค้ด. ตั้งแต่ ก.ค. 2026 ปรับมาแล้ว 6 ครั้ง (v3 → v8) เช่น ตอนตัดเลขสุ่มออกจากทุกศาสตร์ ตอนเปลี่ยน median เป็นค่าเฉลี่ย และล่าสุด cdf_v8 (5 ต.ค. 2026) ตอนคะแนนเปลี่ยนเป็นดวงตอนเกิดอย่างเดียว ไม่มีปีหรือทศาปัจจุบันปน — ก่อนหน้านั้นคนเดิมได้คะแนนขยับปีต่อปี. ผลคือวันเกิดเดียวกันอาจได้คะแนนต่างกันข้ามเวอร์ชัน แต่ภายในเวอร์ชันเดียวกันเท่ากันเสมอ.

Concrete: ค่าคงที่อยู่ไหน? CDF ทั้งสอง (_CDF_MED สำหรับ level — ชื่อเดิมยังเป็น MED แต่ตอนนี้ fit บนค่าเฉลี่ย, _CDF_MAD สำหรับ Consensus) พร้อมฟังก์ชัน _pctInCdf() ที่ทำ interpolation อยู่ในไฟล์ dist/engine/calc.cjs ของแพ็กเกจ engine ที่แจกผ่าน mythsensus-mcp on npm (MIT license).

ทำไม recalibrate · เม.ย. → ต.ค. 2026

เราเปิดเผยการเปลี่ยนแปลงด้วย: เวอร์ชันแรก (เม.ย. 2026) ใช้ weighted-median ที่ tune ให้ median ของประชากรตกที่ ~500. ปัญหาที่เจอเมื่อรันจริง: median ของ 26 ศาสตร์ collapse spread — คนส่วนใหญ่กระจุกในแถบแคบ และการถ่วงน้ำหนักตาม "granularity" แทบไม่ขยับผลลัพธ์. เราจึงย้ายมาเป็น median (ไม่ถ่วงน้ำหนัก) → percentile (ก.ค. 2026) ซึ่งสะท้อน "ระดับเทียบประชากร" ได้ตรงกว่า และแยก agreement ออกไปเป็น Consensus reading ต่างหาก. การ review ภายใน (ก.ค. 2026) ยืนยันหลักการหนึ่งข้อ: สถิติการกระจายตัวไม่ควรเป็นเลขหลักบนหน้า — ระดับต่างหากที่ควรเป็น.

ส.ค. 2026 เราพบว่าทุกศาสตร์มีเลขสุ่มจากวันที่บวกเข้าไปในคะแนนของตัวเอง จึงตัดออกทั้งหมด แล้วเปลี่ยนจาก median เป็น ค่าเฉลี่ย (ไม่ถ่วงน้ำหนัก) → percentile ด้วยเหตุผลในขั้นที่ 1. ต.ค. 2026 ตัดส่วนที่ขึ้นกับปีปัจจุบันออกจากคะแนน (ปีชง · ทศาปัจจุบัน) ให้คะแนนเป็นดวงตอนเกิดอย่างเดียว แล้ว refit CDF เป็น v8.

Honest disclosure · gap ที่เหลือ

Gap 1 · self-referential. percentile เทียบกับ output ของ engine เอง (การกระจายของค่าเฉลี่ยจากวันเกิดสุ่ม) — ไม่ได้ validate กับ outcome จริงในโลก. มันตอบได้แค่ "ค่าเฉลี่ยดวงคุณอยู่อันดับไหนในบรรดา chart ที่เป็นไปได้" ไม่ได้ตอบ "ดวงนี้ดีในชีวิตจริงไหม". เรายอมรับว่านี่คือ internal ranking ไม่ใช่ external truth.

Gap 2 · แถบค่าเฉลี่ยแคบ → relative rank. เพราะค่าเฉลี่ยของ 26 ศาสตร์ 98% กระจุกในช่วงราว 50 คะแนน การแปลงเป็นสเกล 300–1,000 จึงขยายช่องเล็ก. คะแนนจึงเป็น อันดับเชิงเปรียบเทียบ ที่ไวต่อความต่างเล็กน้อย ไม่ใช่หน่วยวัดสัมบูรณ์ที่ละเอียด. widen band แบบเทียมจะทำให้ percentile โกหก เราจึงไม่ทำ และเลือกบอกข้อจำกัดนี้แทน.

Gap 3 · ไม่มี predictive validation. เราไม่ได้พิสูจน์ว่า "คนคะแนนสูงทำเงินได้มากกว่า · ดวงดีจริงไหม". ไม่มี outcome variable ที่ engine optimize. เราพิสูจน์เฉพาะ internal consistency. ถ้าผู้ใช้คาดหวัง "แม่นเพราะ ML predict outcome ของฉัน" — engine ไม่ทำเช่นนั้น และไม่ควรขายว่าทำเช่นนั้น.

The reproducibility loop

ถ้าคุณเป็น engineer อยากจะ verify methodology นี้:

ลอง Cosmic Score ของคุณ — ฟรี
วันเกิดเดียวกัน → คะแนนเดียวกันทุกครั้ง · เปิด DevTools ได้ ดูเองว่าไม่ส่งวันเกิดออก
เริ่มเลย →

บทความนี้เปิดสูตรตรง ๆ เพราะถ้า engineer audience จะ tear apart ก็ tear apart ก่อนที่ marketing copy จะอ้างเกินจริง. ปรับปรุง 29 ต.ค. 2026 ให้ตรงกับ engine ปัจจุบัน (ค่าเฉลี่ย → percentile · cdf_v8).