Wiele konkurencyjnych gier ma liczbową miarę poziomu umiejętności graczy, czasami nazywaną oceną. Być może najbardziej znanym jest ranking Elo dla szachistów, który typowego początkującego ocenia na około 800, a mistrza świata zwykle gdzieś powyżej 2800. Chociaż rankingi Elo mają podstawę statystyczną, zawierają pewne elementy ad hoc. Możemy opracować schemat oceny Bayesa w następujący sposób: każdy gracz i ma podstawowy poziom umiejętności Umiejętność(i); w każdej grze g rzeczywista wydajność i to Wydajność (i;g), która może różnić się od podstawowego poziomu umiejętności; a zwycięzcą g jest gracz, którego gra w g jest lepsza. Jako RPM model wygląda tak:
gdzie β2 to wariancja rzeczywistej wydajności gracza w dowolnej konkretnej grze w stosunku do podstawowego poziomu umiejętności gracza. Mając zestaw graczy i gier, a także wyniki niektórych gier, silnik wnioskowania RPM może obliczyć rozkład a posteriori umiejętności każdego gracza i prawdopodobny wynik każdej dodatkowej gry, w którą można zagrać.
W przypadku gier zespołowych przyjmiemy jako pierwsze przybliżenie, że ogólna wydajność zespołu t w grze g jest sumą indywidualnych występów zawodników na t:
Mimo że poszczególne występy nie są widoczne dla silnika ocen, poziomy umiejętności zawodników można oszacować na podstawie wyników kilku meczów, o ile składy drużyn różnią się w zależności od gry. Silnik oceny TrueSkill firmy Microsoft wykorzystuje ten model wraz z wydajnym algorytmem wnioskowania przybliżonego, aby codziennie obsługiwać setki milionów użytkowników. Model ten można rozwijać na wiele sposobów. Na przykład możemy założyć, że słabsi gracze mają większą rozbieżność w swoich wynikach; możemy uwzględnić rolę gracza w zespole; możemy też rozważyć określone rodzaje wydajności i umiejętności – np. obronę i atak – w celu poprawy składu zespołu i dokładności predykcyjnej.