Imagina que hay 80 jugadores de dodgeball en el mundo. Cada uno de ellos ha jugado miles de juegos de dodgeball con los otros 79 jugadores en un orden más o menos aleatorio. Este es un mundo sin equipos (por ejemplo, cada jugador tiene la posibilidad de ser reclutado en cualquier equipo en cada juego). Sé la tasa de ganancias anterior de cada jugador (por ejemplo, uno ha ganado el 46% de todos los juegos anteriores, otro ha ganado el 56% de todos sus juegos anteriores). Digamos que hay un partido por venir y sé quién está jugando en cada equipo. También sé su tasa de victorias anterior.
¿Cuál es la mejor manera de calcular la probabilidad de que cada equipo gane en función de la composición del equipo?
Si requiere un cálculo relativamente avanzado (por ejemplo, regresión logística), hágame saber algunos de los detalles. Estoy bastante familiarizado con SPSS, pero prefiero no hacer una pregunta de seguimiento.
Además, ¿cómo exploraría la precisión de mi método utilizando datos de archivo? Sé que no será claro, ya que la mayoría de los jugadores rondan el 40-60%, pero aún así.
Para ser específicos, ¿cuáles son las probabilidades de que el equipo A gane?
A - compuesto por individuos con una tasa de ganancia previa del 52%, 54%, 56%, 58%, 60% B - compuesto por individuos con una tasa de ganancia previa del 48%, 55%, 56%, 58%, 60%
(este es solo un ejemplo aleatorio con fines ilustrativos. Dos equipos bastante buenos).
Editar: ¿Hay alguna manera de comenzar con un algoritmo muy simple y luego ver cómo funciona? Quizás podríamos simplemente sumar los porcentajes de cada equipo y predecir que ganará el que tenga el porcentaje más alto. Por supuesto, nuestra clasificación no sería precisa, pero en miles de juegos archivados podríamos ver si podemos predecir mejor que el azar.
AvgTeam1WinP
/ AvgTeam2WinP
? Debería generar las probabilidades de team1
ganar contra team2
.