Fudbalska statistika
Veličina uzorka: kada rezultat prestaje da bude slučaj
Procenat pogodaka na malom uzorku mnogo zavisi od slučaja. Na 100 opklada sa 55% pogodaka 95% interval poverenja je od 45,25% do 64,75%, a na 1.000 opklada od 51,92% do 58,08%. Bez ikakve prednosti 60 ili više pogodaka od 100 po kvoti 1,80 dešava se u 21,41% slučajeva. Da bi se prednost od +5% po kvoti 2,00 razlikovala od slučaja, potrebno je oko 1.533 opklade.
Sadržaj
Pojmovi
- Uzorak
- Skup opklada, mečeva ili prognoza na kome se nešto meri. Veličina uzorka je njihov broj.
- Procenat pogodaka
- Udeo opklada koje su prošle. Ne kaže ništa bez kvota: 55% je odlično po kvoti 2,00, a loše po kvoti 1,50.
- Interval poverenja (95%)
- Raspon u kome bi se stvarna vrednost nalazila u 95% ponovljenih uzoraka. Što je uzorak veći, interval je uži.
- Standardna greška
- Koliko procenat pogodaka u proseku skače od uzorka do uzorka: √(p × (1 − p) / n).
Koliko se procenat pogodaka menja slučajno?
± 1,96 × √(p × (1 − p) / n)| Opklada | ± procentnih poena | 95% interval |
|---|---|---|
| 20 | ±21,80 | 33,20% – 76,80% |
| 50 | ±13,79 | 41,21% – 68,79% |
| 100 | ±9,75 | 45,25% – 64,75% |
| 250 | ±6,17 | 48,83% – 61,17% |
| 500 | ±4,36 | 50,64% – 59,36% |
| 1.000 | ±3,08 | 51,92% – 58,08% |
| 5.000 | ±1,38 | 53,62% – 56,38% |
Interval se sužava sa korenom iz broja opklada: za dvostruko uži interval potreban je četiri puta veći uzorak.
Primer: 60 pogodaka od 100
Neko ima 60 pogodaka od 100 opklada, sve po kvoti 1,80. ROI je 0,60 × 1,80 − 1 = +8%.
Prag isplativosti je 1 / 1,80 = 55,56%. Ako je stvarna verovatnoća svake opklade tačno toliko, dakle bez ikakve prednosti:
- 60 ili više pogodaka od 100 dešava se u 21,41% slučajeva;
- 600 ili više pogodaka od 1.000 dešava se u 0,25% slučajeva.
Isti procenat pogodaka na deset puta većem uzorku znači sasvim drugo. Na 100 opklada +8% se lako dobija slučajno, a na 1.000 retko.
Za male uzorke i procente blizu 0% ili 100% normalna aproksimacija nije dobra, pa se koristi Wilsonov interval. Za 60 od 100 on je od 50,20% do 69,06% i obuhvata prag od 55,56%. Za 600 od 1.000 je od 56,93% do 62,99%, ceo iznad praga.
Koliko opklada treba da se vidi prednost?
Broj opklada posle kog je očekivani plus 1,96 standardnih devijacija iznad nule:
n ≈ 1,96² × σ² / EV²
σ² = (1 + EV) × (kvota − 1 − EV)| Kvota | EV +5% | EV +2% |
|---|---|---|
| 1,50 | 727 | 4.703 |
| 2,00 | 1.533 | 9.601 |
| 3,00 | 3.147 | 19.397 |
| 5,00 | 6.374 | 38.989 |
Manja prednost traži mnogo više opklada: EV od +2% umesto +5% traži više od šest puta veći uzorak. Viša kvota traži više opklada, jer svaka opklada više skače. Zašto je tako, pokazuje vodič Varijansa u klađenju.
Trendovi i mali uzorci u fudbalu
Fudbalska statistika je često na malim uzorcima. Liga od 20 klubova ima 380 mečeva po sezoni, a svaki tim igra 19 kod kuće.
- „Tim je dao gol u 8 od poslednjih 10 mečeva“: 80%, ali Wilsonov 95% interval je od 49,02% do 94,33%.
- „Tim je dao gol na 15 od 19 domaćih mečeva“: 78,95%, a interval je od 56,67% do 91,49%.
Oba trenda su tačna, ali iz njih se ne može zaključiti da je verovatnoća gola sledeći put baš 80%. Trend je podatak o prošlim mečevima, a procena za sledeći meč treba i druge podatke.
Kako StatsAI meri uzorak na strani Učinak AI modela:
- interval za razliku Brier skora AI modela i tržišta dolazi iz ponovnog uzorkovanja celih dana, 1.000 ponavljanja, jer mečevi istog dana nisu nezavisni;
- kalibracija prikazuje 95% Wilsonov interval, a korpe sa manje od 100 procena nisu na grafikonu;
- grupe liga se prikazuju samo ako imaju bar 1.000 događaja.
Ograničenja
- Formule pretpostavljaju nezavisne opklade sa istom verovatnoćom. Opklade na isti meč, dan ili ligu često nisu nezavisne, pa je potreban uzorak veći.
- Broj opklada iz tabele je približan i ne garantuje da rezultat neće biti u minusu.
- Procenat pogodaka bez kvota ne govori o isplativosti. Poredi se sa pragom 1 / kvota.
- Prošli rezultati na velikom uzorku i dalje ne znače isti rezultat u budućnosti, jer se tržište i timovi menjaju.
Povezani vodiči
Izvori
- Wilson, E. B. (1927). Probable inference, the law of succession, and statistical inference. Journal of the American Statistical Association, 22(158), 209–212.
- Efron, B. (1979). Bootstrap methods: another look at the jackknife. The Annals of Statistics, 7(1), 1–26.