ฉันจะทำนายราคาต่อรองที่ทีมดอดจ์บอลจะชนะได้อย่างไรโดยอ้างอิงจากประวัติการชนะของผู้เล่น

ลองนึกภาพมี 80 ผู้เล่นดอดจ์บอลในโลก แต่ละคนเล่นดอดจ์บอลหลายพันเกมกับผู้เล่น 79 คนตามลำดับแบบสุ่มมากหรือน้อย นี่คือโลกที่ไม่มีทีม (เช่นผู้เล่นทุกคนมีโอกาสถูกร่างในแต่ละทีมในแต่ละเกม) ฉันรู้ว่าอัตราการชนะก่อนหน้าของผู้เล่นแต่ละคน (เช่นหนึ่งชนะ 46% ของเกมก่อนหน้านี้ทั้งหมดและอีกชนะ 56% ของเกมก่อนหน้าของเขาทั้งหมด) ให้บอกว่ามีการแข่งขันขึ้นมาและฉันรู้ว่าใครกำลังเล่นในแต่ละทีม ฉันรู้อัตราการชนะครั้งก่อนของพวกเขาด้วย

วิธีที่ดีที่สุดในการคำนวณความน่าจะเป็นของแต่ละทีมที่ชนะขึ้นอยู่กับองค์ประกอบของทีมคืออะไร?

หากต้องการการคำนวณขั้นสูง (เช่นการถดถอยโลจิสติก) แจ้งให้เราทราบข้อมูลเฉพาะบางอย่าง ฉันค่อนข้างคุ้นเคยกับ SPSS แต่ฉันไม่ต้องการถามคำถามติดตาม

นอกจากนี้ฉันจะสำรวจความถูกต้องของวิธีการของฉันโดยใช้ข้อมูลเก็บถาวรได้อย่างไร ฉันรู้ว่ามันจะไม่ถูกตัดออกอย่างชัดเจนเนื่องจากผู้เล่นส่วนใหญ่วางตัวประมาณ 40-60% แต่ก็ยัง

โดยเฉพาะเจาะจงว่าอะไรคือโอกาสที่ทีม A จะชนะ?

A - ประกอบด้วยบุคคลที่มีอัตราการชนะก่อนหน้า 52%, 54%, 56%, 58%, 60% B - ประกอบด้วยบุคคลที่มีอัตราการชนะก่อนหน้านี้ 48%, 55%, 56%, 58%, 60%

(นี่เป็นเพียงตัวอย่างแบบสุ่มสำหรับวัตถุประสงค์ในการอธิบายสองทีมที่ดีงาม)

แก้ไข: มีวิธีเริ่มต้นด้วยอัลกอริทึมที่ง่ายมากแล้วดูว่ามันทำงานอย่างไร บางทีเราอาจสรุปเปอร์เซ็นต์ของแต่ละทีมและคาดการณ์ว่าส่วนที่มีเปอร์เซ็นต์สูงสุดจะชนะ แน่นอนการจัดประเภทของเราจะไม่ถูกต้อง แต่มีเกมที่เก็บถาวรมากกว่าพันรายการที่เราสามารถดูว่าเราสามารถทำนายได้ดีกว่าโอกาส

เสียงเหมือนงานสำหรับไร้เดียงสา Bayes ฉันไม่เข้าใจทฤษฎีที่อยู่เบื้องหลังดังนั้นโชคไม่ดีที่ฉันไม่สามารถยกตัวอย่างได้

ฉันคิดว่าเบย์สามารถใช้งานได้ในเซิร์ฟเวอร์สถิติของ SPSS เท่านั้นดังนั้นหากคุณสามารถเข้าถึงหนึ่งในนี้คุณโชคดี หรือคุณสามารถใช้Wekaซึ่งรวมถึงตัวแยกประเภทอื่น ๆ อีกมากมายดังนั้นบางทีคุณอาจทำการทดสอบของคุณและแจ้งให้เราทราบถึงผลลัพธ์

$A$$A$$B$$A$

ถูกต้องหรือไม่ที่คุณไม่เพียง แต่มีเปอร์เซ็นต์เหล่านั้นเท่านั้น จากนั้นฉันจะแนะนำแพ็คเกจ R Playerings แพคเกจนี้ไม่เพียง แต่เกี่ยวข้องกับปัญหาเช่นวิธีการคำนวณความแข็งแกร่งของผู้เล่น (ใช้อัลกอริทึมเช่น elo หรือ glicko) แต่มีฟังก์ชันที่สามารถทำนายผลลัพธ์ของเกมในอนาคตได้เช่นกัน

สำหรับตัวอย่างตรวจสอบ: http://cran.r-project.org/web/packages/PlayerRatings/vignettes/AFLRatings.pdf

มันไม่ใช่แค่การแบ่งค่าเฉลี่ยง่ายๆหรือ? AvgTeam1WinP/ AvgTeam2WinP? มันควรผลผลิตราคาที่จะเอาชนะteam1team2

ถ้าฉันพิจารณาต่อไปนี้:

ถ้าplayer1จะเล่นกับทีมplayer2"1 คน" คุณจะยอมรับว่าโอกาสที่ผู้เล่น 1 จะชนะต่อผู้เล่น 2 จะเป็นความน่าจะเป็นที่ผู้เล่น 1 จะชนะโดยการสุ่มหารด้วยความน่าจะเป็นที่ผู้เล่น 2 จะชนะโดยการสุ่ม ในกรณีที่คุณพิจารณาว่าการชนะ% ถูกต้องเช่นในขีด จำกัด เชิงเส้นกำกับ) เพียงแค่:

OddsP1VsP2 = WinProbabilityP1 / WinProbabilityP2 

หากคุณยืนยันว่าไม่มีผลกระทบต่อการโต้ตอบของผู้เล่นบางคนที่น่ากลัวและทำให้มีผลกระทบต่อคะแนนในเชิงลบมากกว่าที่คาด * หรือผู้เล่นบางคนที่ดีจริง ๆ ที่มีอิทธิพลต่อคะแนนมากกว่าที่คาด ** ก็ดูเหมือนว่าคุณสามารถ เพียงแค่ใช้ความน่าจะเป็นเฉลี่ยสำหรับผู้เล่นแต่ละคนในแต่ละทีม

* หากการรวมกันของ 60%, 60%, 60%, 60% ถือว่าดีกว่าทีมเช่น 70%, 70%, 70%, 30% ซึ่งผู้เล่นคนใดคนหนึ่งที่ไม่ดีจะส่งผลให้อัตราเดิมพันแย่ลงสำหรับทีมแม้ว่า ค่าเฉลี่ยเหมือนกัน หากไม่มีสมมติฐานเพิ่มเติมคำถามนั้นจะไม่สามารถตอบได้

** ในทำนองเดียวกันหาก 50,50,50,90 ไม่ถือว่ามีค่าเท่ากับ 60,60,60,60 ก็จะมีผลเช่นเดียวกัน