Wyobraź sobie, że na świecie jest 80 graczy w zbijaki. Każdy z nich rozegrał tysiące gier typu dodgeball z pozostałymi 79 graczami w bardziej lub mniej losowej kolejności. To świat bez drużyn (np. Każdy gracz ma szansę na losowanie w każdej drużynie w każdej grze). Znam poprzedni wskaźnik wygranych każdego gracza (np. Jeden wygrał 46% wszystkich poprzednich gier, inny wygrał 56% wszystkich swoich poprzednich gier). Powiedzmy, że zbliża się mecz i wiem, kto gra w każdej drużynie. Znam również ich poprzedni wskaźnik wygranych.
Jaki jest najlepszy sposób na obliczenie prawdopodobieństwa wygranej każdej drużyny na podstawie składu zespołu?
Jeśli wymaga względnie zaawansowanych obliczeń (np. Regresji logistycznej), daj mi znać niektóre szczegóły. Znam dość dobrze SPSS, ale raczej nie muszę zadawać pytań uzupełniających.
Co więcej, jak zbadałbym dokładność mojej metody przy użyciu danych archiwalnych? Wiem, że nie będzie to jasne, ponieważ większość graczy unosi się wokół 40-60%, ale nadal.
Mówiąc konkretnie, jakie są szanse, że drużyna A wygra?
A - składa się z osób z poprzednim wskaźnikiem wygranych 52%, 54%, 56%, 58%, 60% B - składa się z osób z poprzednim wskaźnikiem wygranych 48%, 55%, 56%, 58%, 60%
(to tylko przypadkowy przykład w celach ilustracyjnych. Dwie całkiem dobre drużyny.)
Edycja: Czy jest sposób, aby zacząć od bardzo prostego algorytmu, a następnie zobaczyć, jak to działa? Może moglibyśmy po prostu zsumować wartości procentowe każdej drużyny i przewidzieć, że ta z najwyższym procentem wygra. Oczywiście nasza klasyfikacja nie byłaby dokładna, ale w tysiącach zarchiwizowanych gier mogliśmy sprawdzić, czy możemy przewidzieć lepiej niż przypadek.
AvgTeam1WinP
/ AvgTeam2WinP
? Powinien dać szanse na team1
wygraną team2
.