Se logra la mejor precisión en la predicción del hockey sobre hielo

¿Cuál es la mejor precisión jamás lograda para predecir el ganador del juego de hockey sobre hielo? He encontrado muchos sitios donde algunos modelos matemáticos pueden predecir el ganador del juego de la NHL con una precisión del 55 % al 60 %. ¿Es esta la mejor precisión que podemos obtener?

¿Cuándo podemos decir que un modelo tiene una buena precisión? Estos modelos con un 60 % de precisión son realmente complicados y tienen en cuenta tantas estadísticas y, aun así, creo que si elijo al azar un ganador con un poco de conocimiento sobre juegos anteriores, tendré una precisión superior al 60 %.

"Creo que si elijo al azar un ganador con un poco de conocimiento sobre juegos anteriores, tendré una precisión superior al 60%". Si realmente puede hacer esto, debería poder ganar mucho dinero en los mercados de apuestas deportivas. Vuelva en un año y cuéntenos su ganancia.
De hecho, hice unas cuantas centenas a partir de unas pocas apuestas de decenas con una apuesta de 1 euro :D Y cuando tomas en cuenta que la propina absolutamente aleatoria tiene una probabilidad del 50% de ser correcta.
El sesgo de supervivencia es una falacia. Una persona que gana dinero a través de una serie de apuestas aleatorias no supera a los muchos cientos que perdieron, lo que reduce el valor real esperado básicamente al teórico, alrededor del 90% dependiendo de la vig. Si todas las apuestas son iguales, el EV sigue siendo 0. Especialmente con la cantidad de juegos en una temporada, es una suerte excepcional pasar mucho más allá de los 50, mucho menos por encima del 60%.
Por supuesto, pero no estaba preguntando por apostar inicialmente. Solo tengo curiosidad por lo bien que se puede predecir un juego de hockey sobre hielo, solo el ganador. Tenemos tantos datos de los partidos y aún así es totalmente impredecible. El 50% de precisión no es precisión en absoluto, y este pequeño porcentaje hasta el 60 realmente no es sorprendente, en el mundo práctico.
Parece que tienes una idea muy diferente de lo que significa ser práctico y de lo que cuenta como asombroso en ese sentido.
¿Por qué? 50% de precisión no dice nada. Un pequeño porcentaje seguro que no es sorprendente. Ni el entrenador, ni los entrenadores, ni los mejores, ni nadie más puede usarlo en la práctica.
Los apostadores usan ganancias predichas o simuladas todo el tiempo. Algunos son mejores que otros. Los gerentes y entrenadores tienden a enfocarse en la acción que les da una mejor oportunidad de ganar, por supuesto que no usan predicciones para decidir si deberían molestarse en jugar bien o no.
Más importante aún, si pudiera predecir el resultado de los juegos de hockey con más del 65% de precisión, nunca en un millón de años te lo diría (ni a nadie), o lo que es más importante, te divulgaría mi método (ni a nadie). Simplemente valdría demasiado para alguien.

Respuestas (1)

El mejor equipo no siempre gana

Los mejores equipos de hockey en la temporada 2020-1 fueron Colorado Avalanche y Vegas Golden Knights, con 82 puntos. Ganaron el 69,6% y el 71,4% de sus juegos respectivamente. Entonces, incluso si supieras a priori que son los mejores equipos y los eligieras para ganar, solo obtendrías alrededor del 70%.

El peor equipo fue el Buffalo Sabres, con 37 puntos. Perdieron el 73,2% de sus juegos.

No todos los equipos ganan o pierden el 70% de sus juegos

Esos ejemplos son los más extremos. Pero muchos juegos no incluyen Avalanche, Knights o Sabres. ¿Qué sucede cuando los New York Rangers se enfrentan a los Montreal Canadiens? ¿Quién es el mejor equipo? En juegos como ese, tus posibilidades de equivocarte son mucho mayores.

No todos los oponentes son promedio

Avalanche y Golden Knights están en la misma división. Algunas veces, juegan entre ellos. Una vez más, sus posibilidades de equivocarse son mucho mayores.

Mire los playoffs para ver más ejemplos. En ocho partidos de la primera ronda, ganaron cinco carteleras, incluidos dos de los sembrados número uno que perdieron ante los sembrados número cuatro, a pesar de la ventaja de la pista de local. En los cuatro partidos de la segunda ronda, el sembrado inferior ganó todos. Incluyendo a los Montreal Canadiens, que tuvieron un récord perdedor en la temporada regular pero llegaron a la final. En general, la mejor semilla solo ganó cinco de quince partidos. Por supuesto, el año anterior , la mejor semilla ganó la mayoría de los partidos.

más decisivo

Nos es tan útil que un equipo esté en la parte inferior de la clasificación como en la parte superior. De cualquier manera, nos dice cómo es probable que le vaya a ese equipo en los juegos. Entonces, en lugar de pensar que los Sabres ganan solo el 26,8% de sus juegos, piense que su oponente gana el 73,2%. Si pensamos en todos los equipos así, los Sabres fueron el equipo más decisivo. Si adivináramos que perderían, acertaríamos el 73,2% de las veces. El peor equipo sería un equipo que ganó y perdió la misma cantidad de juegos. Tal equipo solo sería 50% decisivo.

Dar a cada equipo una puntuación de decisión. Todos estarán entre el 50% y el 73,2% (en la temporada 2020-1). Si promedia esos números juntos, obtiene que el equipo promedio es alrededor del 60% más o menos decisivo. ¡Oye, eso es casi lo mismo que las predicciones!

Entonces, ¿qué te está diciendo esto? El problema fundamental de adivinar constantemente el ganador con más del 60 % de precisión es que los juegos tienen solo un 60 % de precisión para determinar quién es el mejor equipo. Si tuviéramos un sistema perfecto que pudiera decir quién es el mejor equipo, solo tendría un 60% de precisión en la predicción de juegos. Porque, en promedio, los juegos en sí solo tienen un 60% de precisión. Esto no debería ser terriblemente sorprendente. Después de todo, es la razón por la cual los partidos de los playoffs son de siete juegos y no solo juegos individuales.

Más rigor

Sería mejor para este análisis observar los enfrentamientos directos en lugar de los registros generales. Pero pude encontrar fácilmente los registros generales (gracias a Wikipedia) y no pude encontrar tan fácilmente los resultados de cabeza a cabeza. Además, dudo que haya suficientes datos para un examen verdaderamente riguroso. Tenga en cuenta que 31 equipos jugaron 56 juegos cada uno. Eso es menos de 2 juegos por enfrentamiento. Incluso en una temporada completa de 82 juegos, eso es menos de 3 juegos por promedio de enfrentamiento con 2 (otra conferencia) a 4 (misma división, tal vez) siendo los números reales.

Ni 2 ni 4 es una muestra lo suficientemente grande. Realmente, 82 es bastante pequeño. Las estadísticas suelen trabajar con cientos, si no miles. Pero eso ayuda a explicar el problema. No hay suficientes datos para hacer predicciones realmente precisas.

Sesgo de supervivencia

Uno de los problemas con su análisis inicial es que sospecho firmemente que está buscando principalmente emparejamientos fáciles. The Avalanche o los Golden Knights generalmente vencerán a los Sabres (al menos como lo fueron los equipos en 2020-1). Pero otros equipos estarán mucho más igualados. Por ejemplo, en los playoffs, tuvieron marca de 4-2 (por lo que el mejor equipo solo ganó el 67 % de las veces, suponiendo que los Golden Knights fueran el mejor equipo; tal vez el mejor equipo solo ganó el 33 % de las veces).

Si puede elegir qué enfrentamientos, puede hacerlo mejor que el 60%. Pero si tienes que elegir todos los juegos, entonces tienes que elegir muchos juegos en los que cualquier equipo podría ganar. Y, naturalmente, los enfrentamientos que mides son aquellos en los que tomaste una decisión. Si no pudiste elegir entre dos equipos igualados, no te puntúas con un fallo. Solo te das cuenta de que no tuviste tiempo. Pero esos enfrentamientos difíciles deberían reducir su porcentaje.

Es por eso que los comentarios te siguen diciendo que lo pruebes. Porque si realmente intentaras elegir todos los juegos esta temporada, es muy poco probable que lo hicieras mucho mejor que el 60% en general. Sin embargo, es posible que lo hagas mejor que eso para algunos equipos.

Uso práctico

No me queda claro que incluso un predictor perfecto tenga un uso práctico. ¿Qué cambia para los gerentes y entrenadores? Cualquier cosa menos que perfecta, todavía tienen que jugar los juegos. Tal vez podría ayudarlos a planificar un poco cuándo descansar a los jugadores (si va a perder, también podría perder con su segundo equipo en el hielo). Pero incluso entonces, ¿y si ese hubiera sido el juego en el que hubieras superado las probabilidades?

Para los apostantes, para tener una apuesta, necesitas dos lados. Entonces, el porcentaje de ganancia ponderado en las apuestas es siempre del 50%. Puede parecer que estás apostando contra el corredor de apuestas, pero por lo general eso no es cierto. Los corredores de apuestas normalmente no eligen un lado. En cambio, dejan sus apuestas con otros corredores de apuestas de tal manera que salen un poco adelante sin importar lo que suceda. Si hubiera un servicio que proporcionara predicciones perfectas, todo el mundo lo usaría y nunca podrías hacer una apuesta. No habría nadie para apostar al otro lado.

Con nuestro sistema imperfecto actual, lo que sucede es que usan las cuotas y/o el diferencial para equilibrar las cosas. Pero el retorno promedio es tal que si apuestas a ambos lados, perderás dinero. Porque las ganancias son menores que el costo de hacer la apuesta en ambos sentidos para que el corredor de apuestas tenga un margen de beneficio.

Eso no quiere decir que no puedas ganar apuestas individuales. O incluso superar las probabilidades en promedio. Pero todo el mundo no puede hacer eso todo el tiempo. Alguien tiene que tomar el lado perdedor. Las personas que tienden a superar las probabilidades son las que eligen juegos en los que es probable que los apostantes sean irracionales. Por ejemplo, cuando la gente apuesta por su equipo local, incluso cuando no es tan bueno. Eso puede sesgar las probabilidades.

¡Gracias por tu respuesta! Entonces, el problema es que los equipos de la NHL tienen una fuerza realmente equilibrada. Tal vez los modelos actuales utilizados para las predicciones deberían, en lugar de analizar cada equipo y jugador individualmente (en el contexto de otros equipos y jugadores), tratar de analizar y entrenar en tipos de equipos y jugadores, eso significaría que se podrían usar muchos más datos para predecir un partido único. Entonces, dos jugadores que juegan de manera similar se procesarían como uno solo.
"Entonces, el problema es que los equipos de la NHL tienen una fuerza realmente equilibrada" - cita requerida