stringtranslate.com

Вероятность выигрыша

Вероятность выигрыша — это статистический инструмент, который предполагает шансы спортивной команды на победу в любой момент игры, основываясь на результатах исторических команд в той же ситуации. [1] Искусство оценки вероятности выигрыша заключается в выборе того, какие части контекста имеют значение. Оценки вероятности выигрыша в бейсболе часто включают, находится ли команда дома или в гостях, иннинг, количество аутов, какие базы заняты и разницу в счете. Поскольку бейсбол продолжается отбивающим за отбивающим, каждый новый отбивающий вводит дискретное состояние. Существует ограниченное количество возможных состояний, и поэтому инструменты оценки вероятности выигрыша в бейсболе обычно имеют достаточно данных для проведения обоснованной оценки.

Оценки вероятности победы в американском футболе часто включают в себя то, находится ли команда дома или на выезде, даун и расстояние, разницу в счете, оставшееся время и позицию на поле. В американском футболе гораздо больше возможных состояний, чем в бейсболе, с гораздо меньшим количеством игр, поэтому оценки футбола имеют большую погрешность. Первый анализ вероятности победы был проведен в 1971 году Робертом Э. Махолом и бывшим квотербеком НФЛ Вирджилом Картером .

В качестве краткого примера, предположение, что каждая команда, играющая дома, победит, основано на домашнем преимуществе . Это предположение использует один контекстуальный фактор и включает в себя очень большое количество игр. Но при наличии только одного фактора точность этого предположения ограничена самим домашним преимуществом (около 55–70% по видам спорта) и не меняется в ходе игры на основе внутриигровых факторов.

Добавленная вероятность выигрыша — это изменение вероятности выигрыша, часто выражающееся в том, как игра или член команды повлияли на вероятный исход игры. [2]

Текущие исследования

Текущая исследовательская работа включает измерение точности оценок вероятности победы, а также количественную оценку неопределенности в отдельных оценках. [3] [4] То есть, если инструмент оценивает вероятность победы в 24%, потому что 24% предыдущих команд в этой ситуации выиграли свои игры, будут ли будущие команды выигрывать с той же ставкой в ​​24%? Оценка на основе скрытых данных использует инструменты тестирования, такие как перекрестная проверка .

В то время как многие модели включают частотный анализ прошлых событий, другие модели используют байесовские процессы. [5]

Некоторые модели включают меру силы команд, входящих в игру, в то время как другие предполагают, что каждая команда является средней. Включение оценок силы увеличивает количество возможных состояний и, следовательно, снижает мощность оценки, хотя, возможно, и увеличивает ее точность. [6]

Ссылки

  1. ↑ FanGraphs: Ожидания выигрыша на Wayback Machine (архив 9 ноября 2014 г.)
  2. ↑ Вероятность выигрыша и добавленная вероятность выигрыша объяснены на Wayback Machine (архивировано 15 декабря 2014 г.)
  3. ↑ Танго, Том (2 октября 2006 г.). «Непонимание побеждает ожидание».
  4. ^ Танго, Том ; Лихтман, Митчел; Долфин, Эндрю (2007). Книга: Игра в проценты в бейсболе. Potomac Books, Inc. ISBN 978-1-59797-129-4.
  5. ↑ Футбольный комментарий: Описание модели динамического программирования на Wayback Machine (архив 21 ноября 2014 г.)
  6. ↑ Sabermetrics 101: состояние игры, ожидание запуска и ожидание выигрыша на Wayback Machine (архивировано 11 апреля 2014 г.)

Внешние ссылки