Новости хоккея

Если мы хотим применить нелогический метод для прогнозирования результата матча между Calgary Flames и Minnesota Wild, можно использовать статистические модели или эвристические подходы, которые не опираются на логические правила или байесовские вероятности. Одним из таких методов является линейная регрессия или метод экспертных оценок. Рассмотрим оба подхода.

1. Линейная регрессия

Линейная регрессия — это статистический метод, который позволяет предсказать результат на основе линейной зависимости между входными переменными (факторами) и целевой переменной (результатом).

Шаги:

Определение факторов:

Выберите ключевые факторы, которые могут влиять на результат матча:

Среднее количество голов за игру (P/G) для каждой команды.

Среднее количество пропущенных голов за игру (PA/G).

Процент успешности power play и penalty kill.

Домашнее преимущество (1 для домашней команды, 0 для гостевой).

Статистика голкиперов (SV%, GAA).

Сбор данных:

Соберите данные по этим факторам для предыдущих матчей обеих команд.

Построение модели:

Используйте линейную регрессию для построения зависимости между факторами и результатом матча (например, разницей голов).

Прогнозирование:

Подставьте данные для текущего матча в модель и получите прогноз.

Пример расчета:

Предположим, модель линейной регрессии выглядит следующим образом:

Разница голов

=

0.5

⋅

(

P/G Calgary

−

PA/G Minnesota

)

+

0.3

⋅

(

Power Play Calgary

)

−

0.2

⋅

(

Penalty Kill Minnesota

)

+

0.4

⋅

(

Домашнее преимущество

)

Разница голов=0.5⋅(P/G Calgary−PA/G Minnesota)+0.3⋅(Power Play Calgary)−0.2⋅(Penalty Kill Minnesota)+0.4⋅(Домашнее преимущество)

Подставим данные:

P/G Calgary: 2.7

PA/G Minnesota: 2.9

Power Play Calgary: 43.3%

Penalty Kill Minnesota: 56.7%

Домашнее преимущество: 1 (Minnesota играет дома).

Разница голов

=

0.5

⋅

(

2.7

−

2.9

)

+

0.3

⋅

43.3

−

0.2

⋅

56.7

+

0.4

⋅

1

Разница голов=0.5⋅(2.7−2.9)+0.3⋅43.3−0.2⋅56.7+0.4⋅1

Разница голов

=

−

0.1

+

12.99

−

11.34

+

0.4

=

1.95

Разница голов=−0.1+12.99−11.34+0.4=1.95

Это означает, что Minnesota, скорее всего, выиграет с разницей в 1.95 голов.

2. Метод экспертных оценок

Этот метод основан на субъективной оценке экспертов, которые учитывают множество факторов, не формализуемых в строгие математические модели.

Шаги:

Определение факторов:

Текущая форма команд.

Травмы и составы.

Домашнее преимущество.

Психологическое состояние команд.

Оценка экспертов:

Эксперты оценивают шансы каждой команды на победу на основе своего опыта и знаний.

Агрегация оценок:

Усредните оценки экспертов для получения итогового прогноза.

Пример оценки:

Эксперт 1: Calgary — 40%, Minnesota — 60%.

Эксперт 2: Calgary — 45%, Minnesota — 55%.

Эксперт 3: Calgary — 50%, Minnesota — 50%.

Итоговая оценка:

Calgary:

40

+

45

+

50

3

=

45

%

3

40+45+50

​

=45%.

Minnesota:

60

+

55

+

50

3

=

55

%

3

60+55+50

​

=55%.

Итоговый прогноз

Линейная регрессия: Minnesota выиграет с разницей в 1.95 голов.

Метод экспертных оценок: Minnesota имеет 55% шансов на победу, Calgary — 45%.

Оба метода показывают, что Minnesota имеет небольшое преимущество, особенно с учетом домашнего преимущества и текущей формы Calgary. Однако Calgary может быть опасным соперником благодаря сильному power play и хорошей игре голкипера.