피구 팀이 플레이어의 승리 기록을 바탕으로 이길 확률을 어떻게 예측할 수 있습니까?


13

세계에 80 명의 피구 선수가 있다고 상상해보십시오. 그들 각각은 다른 79 명의 플레이어와 무작위로 무작위로 수천 개의 피구 게임을했습니다. 이것은 팀이없는 세계입니다 (예를 들어, 모든 플레이어는 각 팀마다 게임 초안을받을 수 있습니다). 각 플레이어의 이전 승률을 알고 있습니다 (예 : 하나는 모든 이전 게임의 46 %를, 다른 하나는 그의 모든 이전 게임의 56 %를 이겼습니다). 경기가 다가오고 누가 각 팀에서 뛰고 있는지 알고 있습니다. 나는 또한 그들의 이전 승률을 알고 있습니다.

팀 구성에 따라 각 팀의 승리 확률을 계산하는 가장 좋은 방법은 무엇입니까?

비교적 고급 계산 (예 : 로지스틱 회귀)이 필요한 경우 몇 가지 세부 사항을 알려주십시오. SPSS에 익숙하지만 후속 질문을 할 필요는 없습니다.

또한 보관 데이터를 사용하여 분석법의 정확성을 어떻게 탐색 할 수 있습니까? 나는 대부분의 선수들이 약 40-60 %를 맴돌고 있기 때문에 분명하지 않을 것이라는 것을 알고 있습니다.

구체적으로, 팀 A가 이길 확률은 얼마입니까?

A-이전 승률이 52 %, 54 %, 56 %, 58 %, 60 % 인 개인으로 구성 B-이전 승률이 48 %, 55 %, 56 %, 58 %, 60 % 인 개인으로 구성

(이것은 설명을 목적으로하는 임의의 예일뿐입니다. 아주 좋은 두 팀.)

편집 : 매우 간단한 알고리즘으로 시작한 다음 어떻게 작동하는지 볼 수 있습니까? 어쩌면 우리는 단순히 각 팀의 비율을 합산하고 가장 높은 비율을 가진 팀이 이길 것이라고 예측할 수 있습니다. 물론 우리의 분류는 정확하지 않지만 수천 건의 아카이브 된 게임을 통해 우연보다 더 나은 예측을 할 수 있는지 확인할 수 있습니다.



평균의 단순한 나눗셈이 아닙니까? AvgTeam1WinP/ AvgTeam2WinP? team1승리 할 확률이 높아 team2집니다.
PascalVKooten

답변:


2

순진한 베이 즈 의 일처럼 들린다 . 나는 그 배후의 이론을 잘 이해하지 못하지만 불행히도 나는 당신에게 예제를 줄 수는 없지만 Bayes는 알려진 (아카이브) 데이터로 추론을 이끌어냅니다.

Bayes는 SPSS의 Statistic Server에서만 사용할 수 있으므로이 중 하나에 액세스 할 수 있으면 운이 좋을 것입니다. 또는 다른 분류기를 포함하는 Weka 를 사용할 수도 있으므로 실험을 실행하고 결과를 알려주십시오.

편집 : 베이와 관련 분류자는 또한 플레이어 자신으로부터 추론을 이끌어 낼 수 있습니다. 65 %의 점수하지만 경우가 와 반대 팀에서 플레이, 의 성능이 5 % 떨어을.A B AAABA


귀하의 의견과 편집에 감사드립니다. 베이지안이나 머신 러닝 접근법이 가장 좋을 것이라고 생각했습니다. 불행히도 나는 이러한 접근 방식에 비교적 익숙하지 않습니다.
Behacad

2

그 비율뿐만 아니라 모든 개별 게임 결과도 가지고있는 것이 맞습니까? 그런 다음 r 패키지 PlayerRatings를 제안합니다. 이 패키지는 (elo 또는 glicko와 같은 알고리즘을 사용하여) 플레이어 강도를 계산하는 방법과 같은 문제를 해결할뿐만 아니라 향후 게임 결과를 예측할 수있는 기능을 제공합니다.

예를 들어 확인 : http://cran.r-project.org/web/packages/PlayerRatings/vignettes/AFLRatings.pdf


0

평균의 단순한 나눗셈이 아닙니까? AvgTeam1WinP/ AvgTeam2WinP? team1승리 할 확률이 높아 team2집니다.

내가 다음을 고려하면 :

경우 player1에 재생 것이다 player2"한 남자"팀에, 당신은 동의 player2에 이길 재생기는 재생기는 물론만을 보유의 player2는 (무작위로이 승리 할 확률로 나눈 임의 상대로 승리 할 확률이 될 것이라고 확률이 무증상 한계와 같이 승리 %가 정확하다고 생각되는 경우 간단히 다음과 같습니다.

OddsP1VsP2 = WinProbabilityP1 / WinProbabilityP2 

일부 플레이어의 끔찍한 상호 작용 효과가 없다고 주장하여 예상보다 더 부정적인 점수에 영향을 미치거나 * 일부 플레이어가 실제로 예상보다 더 긍정적 인 점수에 영향을 미치는 경우 ** 각 팀의 각 선수에 대한 평균 확률을 취하십시오.

* 60 %, 60 %, 60 %, 60 %의 조합이 70 %, 70 %, 70 %, 30 %와 같은 팀보다 나은 것으로 간주되는 경우, 한 명의 나쁜 플레이어가 팀에게 더 나쁜 확률을 줄 수 있습니다. 평균은 같습니다. 추가적인 가설이 없다면, 그 특정한 질문은 다룰 수 없습니다.

** 마찬가지로, 50,50,50,90이 60,60,60,60과 같지 않은 경우에도 동일하게 적용됩니다.

당사 사이트를 사용함과 동시에 당사의 쿠키 정책개인정보 보호정책을 읽고 이해하였음을 인정하는 것으로 간주합니다.
Licensed under cc by-sa 3.0 with attribution required.