Вероятность выигрыша - Win probability

Вероятность выигрыша представляет собой статистический инструмент, который показывает шансы спортивной команды на победу в любой момент игры на основе результатов предыдущих команд в той же ситуации.[1] Искусство оценки вероятности выигрыша включает выбор того, какие элементы контекста имеют значение. Бейсбол Оценка вероятности победы часто включает в себя, находится ли команда дома или в гостях, иннинг, количество аутов, какие базы заняты и разницу в счете. Поскольку в бейсболе «тесто за тестом», каждое новое тесто вводит дискретное состояние. Существует ограниченное количество возможных состояний, поэтому инструменты определения вероятности выигрыша в бейсболе обычно содержат достаточно данных, чтобы сделать обоснованную оценку.

Американский футбол Оценка вероятности победы часто включает в себя, находится ли команда дома или в гостях, расстояние и расстояние, разницу в счете, оставшееся время и положение на поле. В американском футболе существует гораздо больше возможных состояний, чем в бейсболе, с гораздо меньшим количеством игр, поэтому оценки футбола имеют большую погрешность. Первый анализ вероятности выигрыша был проведен в 1971 г. Роберт Э. Махол и бывший НФЛ защитник Вирджил Картер.

В качестве краткого примера, предположение, что каждая команда, играющая дома, выиграет, основано на преимущество дома. Это предположение использует один контекстный фактор и включает очень большое количество игр. Но только с одним фактором точность этого предположения ограничивается самим преимуществом хозяев (около 55–70% в разных видах спорта) и не меняется в игре в зависимости от игровых факторов.

Добавлена ​​вероятность выигрыша - это изменение вероятности победы, часто то, как игра или член команды повлияли на вероятный исход игры.[2]

Текущее исследование

Текущая исследовательская работа включает измерение точности оценок вероятности выигрыша, а также количественную оценку неопределенности отдельных оценок.[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 такой же скоростью 24%? Для оценки на основе скрытых данных используются такие инструменты тестирования, 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, вступающих 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, возможно, увеличивая ее точность.[6]

Рекомендации

  1. ^ FanGraphs: ожидаемая победа на Wayback Machine (архивировано 9 ноября 2014 г.)
  2. ^ Добавлены объяснения вероятности выигрыша и вероятности выигрыша на Wayback Machine (архивировано 15 декабря 2014 г.)
  3. ^ Танго, Том (2 октября 2006 г.). "Непонимание ожидаемой победы".
  4. ^ Танго, Том; Лихтман, Митчел; Дельфин, Андрей (2007). Книга: Процентные ставки в бейсболе. Потомак Букс, Инк. ISBN  978-1-59797-129-4.
  5. ^ Футбольный комментарий: описание модели динамического программирования на Wayback Machine (архивировано 21 ноября 2014 г.)
  6. ^ Sabermetrics 101: состояние игры, ожидаемые результаты и ожидаемые результаты на Wayback Machine (архивировано 11 апреля 2014 г.)

внешняя ссылка