Aşağıda birkaç basit model var. Her ikisi de en az bir şekilde eksikler, ama belki de inşa edilecek bir şey sağlayabilirler. İkinci model aslında (oldukça) OP senaryosunu ele almıyor (aşağıdaki açıklamalara bakınız), ancak bir şekilde yardımcı olması durumunda bırakıyorum.
Model 1 : Bradley-Terry modelinin bir çeşidi
Öncelikle, her takımdaki oyunculara dayanarak bir takımın diğerini yenip yenmeyeceğini tahmin etmekle ilgilendiğimizi varsayalım. Sadece oyuncuların takım her maç için takım 2'yi geçmediğini kaydedebilir ve nihai skoru göz ardı edebiliriz. Elbette, bu bazı bilgileri atıyor, ancak çoğu durumda bu hala çok fazla bilgi sağlıyor.( k , ℓ )( i , j )( k , ℓ )
Bu durumda model
l o g i t ( P (Takım 1 Takım 2'yi yener))= αben+ αj- αk- αℓ.
Yani, her oyuncu için, oyuncunun takımının kazanma şansını ne kadar geliştirdiğini etkileyen bir "yakınlık" parametresine sahibiz. Oyuncunun "kuvvetini" . Daha sonra, bu model
P ( Takım 1 Takım 2'yi yener ) = s i s jsben= eαben
P (Takım 1 Takım 2'yi geçiyor)= sbensjsbensj+ sksℓ.
Burada çok güzel bir simetri vardır, zira tepkinin yordayıcılarla tutarlı olduğu sürece nasıl kodlandığının önemi yoktur. Yani,
l o g i t ( P (Takım 2 Takım 1'i yener))= αk+ αℓ- αben- αj.
Bu, göstergeler (her oyuncu için bir tane) olan tahmincilerle, söz konusu oyun için 1. Takımda ise 1, yoksa 2. ve ise değerini alan bir lojistik regresyon olarak kolayca sığabilir. oyuna katıl.i - 1 0+ 1ben- 10
Bundan da oyuncular için doğal bir sıralama var. Daha büyük (veya ), daha fazla oyuncu kazanma onu takımın şansını artırır. Yani, oyuncuları tahmini katsayılarına göre sıralayabiliriz. ( parametrelerinin yalnızca ortak bir ofsete kadar tanımlanabilir olduğunu unutmayın. Bu nedenle, modeli tanımlanabilir yapmak için düzeltmek tipiktir .)s α 1 = 0αsα1= 0
Model 2 : Bağımsız puanlama
Not : OP'nin sorusunu yeniden okuduktan sonra, aşağıdaki modellerin kurulumu için yetersiz olduğu açıktır. Özellikle, OP bir takım veya diğeri tarafından sabit sayıda puan alındıktan sonra sona eren bir oyuna ilgi duyar. Aşağıdaki modeller, belirli bir süreye sahip oyunlar için daha uygundur. OP'nin çerçevesi içinde daha iyi uyması için değişiklikler yapılabilir, ancak bunun geliştirilmesi için ayrı bir cevap gerekir.
Şimdi skorları takip etmek istiyoruz. Her takımın, herhangi bir aralıktan bağımsız aralıktan bağımsız olarak herhangi bir aralıkta atılan puan sayısı ile birbirlerinden bağımsız olarak puan almasının makul bir yaklaşım olduğunu varsayalım. Daha sonra her takımın puanları Poisson rasgele değişkeni olarak modellenebilir.
Böylece, oyuncularından oluşan bazı takımların skorları bir Poisson GLM kurabiliriz.benj
günlük( μ ) = γben+ γj
Bu modelin sadece puanlamaya odaklanarak takımlar arasındaki gerçek eşleşmeleri göz ardı ettiğini unutmayın.
σben= eγben( i , j )( k , ℓ )
P (Takım 1, Takım 2'yi ani ölümle yener)= σbenσjσbenσj+ σkσℓ.
ρbenδben( i , j )( k , ℓ )
günlük( μ1) = ρben+ ρj- δk- δℓ
günlük( μ2) = ρk+ ρℓ- δben- δj
Bu modelde puanlama hala bağımsızdır, ancak şimdi her takımdaki oyuncular arasında skoru etkileyen bir etkileşim var. Oyuncular ayrıca afinite-katsayı tahminlerine göre sıralanabilir.
Model 2 (ve varyantları) da nihai bir skorun tahmin edilmesine izin verir.
Uzantılar : Her iki modeli genişletmenin kullanışlı bir yolu, pozitif göstergelerin "ev" ekibine karşılık gelen bir siparişi ve "dış" ekibine negatif göstergeleri dahil etmektir. Modellere kesişme terimiyle ekleme daha sonra bir "ev alanı avantajı" olarak yorumlanabilir. Diğer uzantılar, Model 1'e bağlanma şansını dahil etmeyi içerebilir (aslında Model 2'de zaten bir olasılıktır).
Yan not : Amerikan kolej futbolunda Bowl Şampiyonası Serisi için kullanılan bilgisayarlı anketlerden ( Peter Wolfe's ) en az biri , sıralamalarını üretmek için (standart) Bradley – Terry modelini kullanır.