Για τους λάτρεις των σπορ, το March Madness είναι ένα από τα καλύτερα σημεία της χρονιάς. Ξεκινώντας στα μέσα Μαρτίου, η ετήσια διοργάνωση βάζει τις καλύτερες ομάδες στο μπάσκετ κολέγιο NCAA μεταξύ τους, σε ένα τεράστιο τουρνουά νοκ-άουτ που αποτελείται από 64 ομάδες.
Εδώ τα πράγματα γίνονται ενδιαφέροντα. Η πτυχή νοκ άουτ σημαίνει ότι υπάρχει πάντα μια ευκαιρία για αναστάτωση και απροσδόκητη δόξα. Ποιος θα κερδίσει το τουρνουά; Θα υπάρξουν αναταραχές καθώς η ομάδα "Σταχτοπούτα" προχωρεί περισσότερο από ό, τι θα περίμενε κανείς, ή θα ξεπεράσουν όλοι στους πρώτους γύρους; Μπορώ εσείς προβλέπει ολόκληρο το βραχίονα;
Για να δούμε πιο βαθιά, θα πρέπει να χρησιμοποιήσουμε κάποια μαθηματικά και να μάθουμε πώς εφαρμόζονται τα στατιστικά στοιχεία στο March Madness.
ICYMI: Ανατρέξτε στον οδηγό του Sciencing για 2019 March Madness, συμπληρώστε με στατιστικά στοιχεία που θα σας βοηθήσουν να συμπληρώσετε μια νικηφόρα ομάδα.
Τα βασικά των πιθανοτήτων
Προτού ξεκινήσουμε την εφαρμογή στατιστικών και πιθανότητας στο March Madness, είναι σημαντικό να καλύψουμε τα βασικά των πιθανοτήτων.
Η πιθανότητα να συμβεί κάτι είναι απλά:
\ text {Probability} = {\ text {αριθμός αποτελεσμάτων που θέλετε} \ πάνω {1pt} \ text {αριθμός πιθανών αποτελεσμάτων}}
Αυτό ισχύει μόνο για οποιοδήποτε κατάσταση με εξίσου πιθανά πιθανά αποτελέσματα. Έτσι, για παράδειγμα, μια ρίψη ενός τυπικού εξαπλάσιου καλουπιού έχει 1/6 πιθανότητα να εμφανιστεί ο αριθμός έξι, επειδή υπάρχει μόνο ένα αποτέλεσμα που θέλετε και έξι πιθανά αποτελέσματα. Οι πιθανότητες είναι πάντοτε αριθμοί (εκφραζόμενοι ως κλάσματα ή δεκαδικά) μεταξύ 0 και 1, με 0 που σημαίνει ότι δεν υπάρχει καμία πιθανότητα να συμβεί το συμβάν και 1 σημαίνει ότι είναι βεβαιότητα.
Αλλά αν σκέφτεστε κάτι πιο περίπλοκο, όπως ένα παιχνίδι μπάσκετ, υπάρχουν πολλά περισσότερα να σκεφτείτε. Θα μπορούσατε να πείτε ότι οι πιθανότητες οποιασδήποτε ομάδας να κερδίσει εναντίον άλλης είναι 1/2, αλλά ένα παιχνίδι μεταξύ του Duke και του Πίτσμπουργκ δεν είναι σχεδόν ένα κέρμα. Εδώ παίζουν το σύστημα σποράς και στατιστικών της NCAA.
Πιθανότητες τρελών Μαρτίου
Λοιπόν, πώς αντιμετωπίζετε το πρόβλημα της εφαρμογής πιθανότητας στο March Madness; Πρώτον, χρειάζεστε κάποιον τρόπο για να εξετάσετε την πραγματική πιθανότητα ότι οποιαδήποτε ομάδα θα νικήσει την άλλη. Αυτό είναι ένα πολύ δύσκολο έργο, αλλά το σύστημα σποράς επινοείται από το NCAA διαχωρίζει ουσιαστικά τις ομάδες σε «βαθμίδες» με βάση το πόσο καλά είναι.
Για παράδειγμα, σε παιχνίδια από το 1985 όπου ένας σπόρος Νο 1 έχει παίξει έναν σπόρο Νο. 16, ο σπόρος Νο. 1 κέρδισε το 99% του χρόνου. Δηλαδή, από τα 100 παιχνίδια (επειδή το ποσοστό είναι "ανά εκατό"), μπορείτε να περιμένετε ότι ο Νο 16 σπόρος θα κερδίσει σε ένα από αυτά.
Κοιτάξτε ξανά τον βασικό τύπο:
\ text {Probability} = {\ text {αριθμός αποτελεσμάτων που θέλετε} \ πάνω {1pt} \ text {αριθμός πιθανών αποτελεσμάτων}}
Από τα 100 πιθανά αποτελέσματα «νίκης», υπήρξε μόνο μία νίκη (το αποτέλεσμα που θέλουμε). Αυτό δίνει αμέσως την πιθανότητα 1/100.
Μπορείτε να το προχωρήσετε περαιτέρω χρησιμοποιώντας τις θέσεις που έχουν τελειώσει διαφορετικές ομάδες στο τουρνουά για να δείτε την πιθανότητα νίκης κάθε ομάδας. Σε 32 από τα τελευταία 34 τουρνουά, τουλάχιστον ένα Νο. 1 Ο σπόρος έφτασε στο Final Four, δίνοντας σε κάθε Νο 1 σπόρο φέτος 32/34 (ή 16/17) πιθανότητα να φτάσει εκεί. Επιπλέον, τουλάχιστον ένας σπόρος Νο. 1 έχει φτάσει στο παιχνίδι πρωταθλήματος 26/34 φορές, δίνοντας πιθανότητα 13/17. Για τους αριθμούς 2, αυτό μειώνεται σε 22/34 (ή 11/17) για το Final Four και 13/34 για το πρωτάθλημα. Επιπλέον, ο Νο 1 σπόρος έχει κερδίσει 21/34 φορές και ο νικητής είναι μεταξύ των τριών πρώτων σπόρων 30/34 = 15/17 φορές.
Μπορείτε επίσης να χρησιμοποιήσετε αυτά τα ίδια στατιστικά στοιχεία για να σκεφτείτε ομάδες χωρίς ουσιαστικά καμία πιθανότητα νίκης. Η ανάλυση των τουρνουά από το 1985 δείχνει ότι κανένας σπόρος από το Νο. 9 έως το Νο 16 δεν έχει φτάσει ποτέ στον τελικό, οπότε η επιλογή ενός από αυτά ως νικητής θα ήταν πιθανώς τεράστιο λάθος.
Όσον αφορά την προσπάθεια επιλογής ολόκληρου βραχίονα, τα ίδια στατιστικά στοιχεία δείχνουν ότι υπάρχει κατά μέσο όρο οκτώ αναταραχές κάθε χρόνο. Αυτό δεν σας βοηθά να πείτε όπου θα είναι, αλλά εάν έχετε προβλέψει πολύ περισσότερα ή λιγότερα προβλήματα από αυτό, ίσως θελήσετε να ξανασκεφτείτε τις επιλογές σας.
Είναι αρκετό για να επιλέξετε νικητή;
Έτσι, μια βασική ανάλυση που εξετάζει τις πιθανότητες με βάση τον αριθμό σπόρων μπορεί να σας φτάσει αρκετά μακριά όταν πρόκειται να προβλέψετε τι πρόκειται να κερδίσει το March Madness, αλλά είναι πραγματικά αρκετά να κάνετε την επιλογή σας;
Φαίνεται αρκετά προφανές ότι υπάρχουν περισσότερα για ένα παιχνίδι μπάσκετ από την κατάταξη της ομάδας ή ακόμα και την προηγούμενη απόδοσή τους. Άλλα βασικά στατιστικά στοιχεία, όπως το ποσοστό επιτυχημένων ελεύθερων βολών για μια ομάδα, ο μέσος αριθμός κύκλων εργασιών ανά παιχνίδι, το ποσοστό επιτυχίας επί τόπου και πολλοί άλλοι παράγοντες.
Η επινόηση μιας σαφούς φόρμουλας για πιθανότητα νίκης με βάση όλα αυτά θα ήταν περίπλοκη, αλλά αυτό σάς δίνει μια ιδέα για το είδος των πραγμάτων που θα πρέπει να λάβετε υπόψη για να συμπληρώσετε επίσης την αγκύλη σας δυνατόν.
Για παράδειγμα, εάν έχετε μια ομάδα σπόρων Νο 2 που ηγείται του πακέτου στο ποσοστό γκολ στο πεδίο και έχετε πολύ λίγους κύκλους εργασιών ανά παιχνίδι, είναι μια σταθερή επιλογή ως νικητής, παρόλο που μια ανάλυση με βάση μόνο τους σπόρους θα έδειχνε ότι δεν ήταν η ιδανική επιλογή. Η καλύτερη συμβουλή είναι να βασίσετε τις αρχικές επιλογές σας σε σπόρους και, στη συνέχεια, να χρησιμοποιήσετε άλλα στατιστικά στοιχεία για να αλλάξετε διανοητικά τον τύπο σας έως ότου εγκατασταθείτε σε μια ομάδα με την οποία είστε ευχαριστημένοι.
Νιώθετε το πνεύμα της τρέλας του Μαρτίου; Ρίξτε μια ματιά στο δικό μας συμβουλές και κόλπα για τη συμπλήρωση ενός βραχίονα και διαβάστε γιατί είναι τόσο δύσκολο να προβλέψετε αναστατώσεις και επιλέξτε ένα τέλειο βραχίονα.