Menu

Triangle Snowlink PL02

Der Triangle Snowlink PL02 ist ein Tourenwagen Winter Reifen für einen Personenkraftwagens.

2.8
Reifenbewertungen Basierend auf professionellen Tests
Limited Vertrauen Aufschlüsselung anzeigen
Trockenhaftung
0%
Nassgriff
0%
Straßenfeedback
0%
Progressivität
0%
Verschleiß
0%
Komfort
0%
Kaufempfehlung
0%
Schneegriff
0%
Eisgriff
0%
1 Tests (Durchschnitt: 41st)
Triangle Snowlink PL02

Triangle Snowlink PL02

Winter Economy
BETA
2.8 / 10
Basierend auf professionellen Tests · Limited Vertrauen · Aktualisiert 30 Jan 2026

Der Tyre Reviews Score ist das umfassendste verfügbare Reifenbewertungssystem. Er aggregiert professionelle Testdaten aus zahlreichen unabhängigen Publikationen, Nutzerbewertungen und Konsistenzanalysen mithilfe Bayes'scher statistischer Methoden, gewichteter Normalisierung und einer an die Aktualität angepassten Bewertung, um eine einzige, zuverlässige Leistungsbewertung zu erstellen.

Erfahren Sie mehr über unsere Methodik.
Wet
59.3
2x / 1 prüfen

Kategorienübergreifende Werte sind abgeleitete Kennzahlen, die Daten aus mehreren Testdisziplinen kombinieren, um Leistungsmerkmale in der realen Welt zu bewerten.

Braking
59.3
1 prüfen
Punktekomponenten
Professionelle Prüfungen
Gewicht: 80%
Tests: 1
Veröffentlichungen: 1
Zeitraum: 2023
Nutzerbewertungen
Gewicht: 15%
Rezensionen: 0
Durchschnittsbewertung: 0%
Mindestanforderung: 5
Konsistenz
Gewicht: 5%
Standardabweichung des Ergebnisses: 0.73
Historische Punkte: 6
Methodik & Konfiguration
Bewertungsprozess
  1. Testdaten sammeln: Sammeln Sie Ergebnisse professioneller Reifentests aus verschiedenen Publikationen. Mindestens prozentuale Testanzahl erforderlich.
  2. Positionen normalisieren: Die Testpositionen werden mithilfe der exponentiellen Gewichtung (Faktor: 1.2) in Perzentilwerte umgerechnet.
  3. Aktualitätsgewichtung anwenden: Neuere Tests werden höher gewichtet, wobei die Abklingrate 0.95 beträgt.
  4. Nutzerbewertungen einbeziehen: Nutzerbewertungen einbeziehen (mindestens 5 Bewertungen). Gewichtung: 15%.
  5. Bayes'sche Glättung: Wenden Sie Bayesian prior (score: 7, weight: 1.5) an, um extreme Werte bei begrenzten Daten zu vermeiden.
  6. Endergebnis berechnen: Kombinieren Sie alle Komponenten unter Verwendung des Normalisierungsfaktors 1.1. Maximaler Score bei begrenzten Daten: 9.5.
Komponentengewichte
Testdaten
80%
Nutzerbewertungen
15%
Konsistenz
5%
Alle Konfigurationsparameter
ParameterWertBeschreibung
safety_weight 0.7 Weight multiplier for safety-related metrics
performance_weight 0.55 Weight multiplier for performance metrics
comfort_weight 0.4 Weight multiplier for comfort metrics
value_weight 0.45 Weight multiplier for value-for-money metrics
user_reviews_weight 0.15 How much user reviews contribute to the final score
test_data_weight 0.8 How much professional test data contributes to the final score
consistency_weight 0.05 How much score consistency contributes to the final score
recency_decay_rate 0.95 Rate at which older test results lose influence (higher = slower decay)
min_test_count 1 Minimum number of professional tests required
min_review_count 5 Minimum number of user reviews required
score_version 1.8 Current version of the scoring algorithm
score_normalization_factor 1.1 Factor used to normalize raw scores to the 0-10 scale
confidence_factor_weight 0.2 How much data confidence affects the final score
position_penalty_weight 0.2 Penalty applied for poor test positions
gap_penalty_threshold 8 Score gap (%) that triggers additional penalties
min_metrics_count 2 Minimum number of test metrics needed per test
limited_data_threshold 2 Number of tests below which data is considered limited
single_test_penalty 0.1 Score multiplier when only one test is available
critical_metric_penalty 0.7 Penalty for poor performance on critical safety metrics
critical_metric_threshold 70 Score below which a critical metric penalty applies
position_exponential_factor 1.2 Exponent used to amplify position-based scoring
position_exponential_threshold 0.9 Position percentile below which exponential scoring applies
gap_multiplier_critical 3 Multiplier for critical gap penalties
max_category_weight 2 Maximum weight any single category can have
max_score_limited_data 9.5 Score cap when data is limited
bayesian_prior_weight 1.5 Weight of the Bayesian prior in smoothing
bayesian_prior_score 7 Prior score used for Bayesian smoothing
evidence_test_multiplier 1.9 Multiplier for test evidence in confidence calculation
evidence_metric_divisor 3 Divisor for metric count in evidence calculation
evidence_review_divisor 10 Divisor for review count in evidence calculation
Datenquellen
PrüfenVeröffentlichungDatumGrößePositionKennzahlen
Winterreifentest 2023 54 Satz Bremstest Auto Bild 2023 225/45 R18 41/54 1 Kennzahlen
1
Tests
41st
Durchschnitt
41st
Am besten
41st
Am schlimmsten
Reifentest-Highlights
41st/54

Fragen und Antworten für die Triangle Snowlink PL02

Frage stellen
Wir haben leider derzeit keine Fragen und Antworten für den Triangle Snowlink PL02. Bitte senden Sie Ihre Frage mit dem Formular an unsere Reifenexperten!
Frage stellen

Wir werden Ihre E-Mail Adresse nie veröffentlichen

captcha

Um zu bestätigen, dass Sie ein Mensch sind, geben Sie bitte das angezeigte Wort in das Feld unten ein.

Sind Sie gefahren mit dem Triangle Snowlink PL02 reife?

Leider haben wir noch keine Reifenbeurteilungen für den Triangle Snowlink PL02 aber Leute suchen diesbezüglich nach Informationen.

Bitte helfen Sie Millionen von anderen Autofahrern dabei, gut informierte Reifenentscheidungen für ihr Auto zu treffen, indem Sie eine Bewertung hinterlassen für den Snowlink PL02.

Bewerten Sie Ihre Reifen >>