¿Cómo puedo predecir las probabilidades de que un equipo de balón prisionero va a ganar basan en la historia ganadora de sus jugadores?

Question

Imagino que hay 80 dodgeball jugadores en el mundo. Cada uno de ellos ha jugado miles de juegos de dodgeball con los otros 79 jugadores más o menos en orden aleatorio. Este es un mundo sin equipos (por ejemplo, cada jugador tiene una oportunidad de ser redactado en equipo de cada juego). Sé que la anterior tasa de ganancia de cada jugador (por ejemplo, se ha ganado el 46% de todos los juegos anteriores, otro ha ganado 56% de todos sus juegos anteriores). Digamos que no es un partido que viene y sé que está jugando en cada equipo. También sé que su anterior tasa de ganancia.

¿Cuál es la mejor manera de calcular la probabilidad de cada equipo de ganar dependen de la composición del equipo?

Si se requiere relativamente avanzada de cálculo (por ejemplo, la regresión logística) déjame saber algunos de los detalles. Estoy bastante familiarizado con el programa SPSS, pero prefiero no necesita preguntar a una pregunta de seguimiento.

Por otra parte, ¿cómo puedo explorar la exactitud de mi método mediante archivo de datos? Sé que no va a ser clara ya que la mayoría de los jugadores rondan el 40 a 60%, pero aún así.

Para ser más específicos, ¿cuáles son las probabilidades de que Un equipo va a ganar?

Un compuesto de individuos con la anterior tasa de ganancia de 52%, 54%, 56%, 58%, 60% B - se compone de individuos con la anterior tasa de ganancia de 48%, 55%, 56%, 58%, 60%

(este es sólo un ejemplo al azar con fines ilustrativos. Dos muy buenos equipos.)

Edit: Es allí una manera de comenzar con un algoritmo muy simple y, a continuación, vea cómo funciona? Tal vez podríamos simplemente la suma de los porcentajes de cada equipo y predecir que el uno con el porcentaje más alto se va a ganar. Por supuesto, nuestra clasificación no sería exacta, pero a lo largo de miles de archivado de los juegos vamos a ver si podemos predecir mejor que el azar.

Answer 1

Es correcto que usted tiene no sólo esos porcentajes, pero todos los resultados del juego así? Entonces yo sugeriría que el paquete de r PlayerRatings. Este paquete no sólo se ocupa de los problemas como en la forma de calcular el reproductor de fuerza (utilizando algoritmos como elo o glicko), pero ofrece funciones que puede predecir el futuro los resultados del juego así.

Para ejemplos de verificación: http://cran.r-project.org/web/packages/PlayerRatings/vignettes/AFLRatings.pdf

Answer 2

Suena como un trabajo para naive Bayes. No acabo de entender la teoría detrás de ella por lo que lamentablemente no te puedo dar un ejemplo pero de Bayes trabaja con conocidos (archivo) datos para sacar conclusiones.

Creo Bayes sólo está disponible en la Estadística de Servidor de SPSS así que si tienes acceso a uno de estos, usted está en suerte. Alternativamente, usted puede utilizar Weka , que también incluye un montón de otros clasificadores, así que tal vez de ejecutar el experimento y hacernos saber de los resultados?

EDITAR: De Bayes y relacionados con los clasificadores también se puede inferir, a partir de los propios jugadores, por ejemplo. $A$ tiene una puntuación de 65%, pero cuando se $A$ $B$ jugar en frente de los equipos, $A$'s rendimiento disminuye en un 5%.

Answer 3

No es sólo una simple división de los promedios? AvgTeam1WinP / AvgTeam2WinP? Se deben producir las probabilidades de que team1 va a ganar contra team2.

Si yo considero que es el siguiente:

Si player1 gustaría jugar contra player2 "1-hombre" de los equipos, usted estaría de acuerdo en que las probabilidades de que el player1 va a ganar contra player2 sería la probabilidad de que el player1 iba a ganar contra el azar dividido por la probabilidad de que player2 ganaría al azar (por supuesto, esto solo es cierto en el caso de considerarse la victoria % para ser exactos, como en su asymptotical límite), simplemente:

OddsP1VsP2 = WinProbabilityP1 / WinProbabilityP2 

Si te diría que no hay ningún efecto de la interacción de algunos jugadores de ser terrible y por lo tanto influir en la puntuación más negativa de lo esperado*, o, algunos jugadores de ser realmente buena que influyen en la puntuación más positiva de lo esperado**, entonces parece lógico que usted puede tomar el promedio de probabilidad para cada jugador en cada equipo.

* Si la combinación de 60%,60%,60%,60% se considera mejor que un equipo como 70%,70%,70%,30%, en la que un mal jugador, el resultado sería en el peor de probabilidades para el equipo aunque las medias son las mismas. Sin hipótesis adicionales, que pregunta en particular, no es posible abordar.

** Del mismo modo, si 50,50,50,90 no es considerado igual a 60,60,60,60, a continuación, se aplica el mismo.