Применение к другим видам спорта

В футболе много дискретных событий. Разработку моделей ограничивают лишь воображение разработчика и наличие данных. Но можно применить подобные модели в регби и американском футболе

Реализация, штрафные удары и атаки из глубины поля дают отличную возможность изучить влияние погодных условий, ветра, осадков, высоты местности, даже того факта, что игрок левша, уж не говоря о дальности и угле удара. Каждый из этих параметров может влиять на вероятность успешного исхода события.

Оценить математическую вероятность гола после удачного удара с 40 ярдов из глубины поля на стадионе «Ламбо Филд» при снегопаде с ветром по сравнению с ударом с той же дистанции в безветренный день где-то в горах достаточно легко для того, кто приложит усилия для сбора необходимых данных.

Американцы любят, чтобы любое соревнование заканчивалось победой одной из сторон. Поэтому данный простейший метод анализа здесь применим. Разве что в футбол они играют по общим правилам, но в большинстве американских видов спорта ничьи крайне редки, поэтому исход можно определять как выбор из двух вариантов – успех или неудача.

В играх NFL, NBA, NHL или MLB очень много числовых показателей, которые повторяются от игры к игре, в отличие от видов спорта, где успех больше зависит от индивидуального таланта спортсмена. Такие показатели эффективности, как пройденная с мячом дистанция, переданный или полученный пас, выражают общекомандную подготовку, особенно с учетом неизбежной неравномерности игрового графика.

Собирая такие независимые непрерывные переменные с разбивкой по матчам и местам их проведения, объединяя их с дихотомическим исходом реального домашнего поражения или выигрыша, закодированного как 1 или 0 в логистической регрессии, можно начать, во-первых, оценивать текущую позицию команды в чемпионате, а во-вторых, предсказывать вероятность домашней победы, если подобные исходные данные будут повторяться в будущем.

Поэтому такой анализ может быть как информативным, так и предсказательным. Трудно найти распространенный вид спорта, к которому нельзя было бы в какой-то степени применить этот тип регрессивного анализа. Те, кто может глубже проработать свои модели с использованием инструментария, доступного в имеющемся программном обеспечении по регрессиям, могут выявить команды, которые, за счет своей необычной или неумелой игры, не подчиняются данной модели.

Имеется множество статистических методов, способных описать любой вид спорта, не умаляя его привлекательности, как это делают многие скептики. Наиболее сложным является сформулировать вопрос так, чтобы он сочетался с выбранным методом. Например, каковы шансы участвующей в чемпионате команды, которая к Новому году имеет 6% от очков, набранных всеми командами, на финише сезона занять место не ниже четвертого? Я ответа не знаю, но знаю метод, который поможет это узнать.

Поиск по сайту: