Но если 5 лучше чем 4 и одновременно 5 хуже чем 1 то получается что и 4 тоже хуже чем 1. Так?

Если бы при тестировании применялся метод за который я готов был бы "майку на груди рвать":), то такая логическая цепочка была бы применима. А так... я бы не удивился если бы вдруг 4 оказался лучше 1 при этом 4 хуже чем 5, а 5 хуже 1. Вся логика летит к чёрту.