Εμφάνιση αναρτήσεων με ετικέτα Στοιχηματική Θεωρία. Εμφάνιση όλων των αναρτήσεων
Εμφάνιση αναρτήσεων με ετικέτα Στοιχηματική Θεωρία. Εμφάνιση όλων των αναρτήσεων
26/3/14
11/11/13
Φόρμα ομάδων: Πως αξιοποιείται στο Στοίχημα.
Η φόρμα των ομάδων είναι ένα από τα βασικά συστατικά που
χρησιμοποιούνται τόσο από τις εταιρείες για τη τιμολόγηση όσο και από τους
παίχτες για την τελική απόφαση τους.
7/7/13
CLUSTER GROUP BETTING METHOD
Στο παρόν άρθρο θα μιλήσουμε για την Cluster Group Betting Method (C.G.B.M) μαζί με τις έννοιες value betting και betting portofolio.
Αν και σε παλαιότερο άρθρο μου έχω τονίσει την δυσκολία της εφαρμογής του value betting, για την ερχόμενη στοιχηματική σεζόν 2013-2014 έχω ήδη αποφασίσει να ακολουθήσω την ιδέα του value betting σε συνδιασμό με αυτήν του betting portofolio.
Όπως έχω αναφέρει, την έννοια του Cluster Group την συνάντησα πρώτη φορά στον ιστότοπο soccerwidow. Τα όσα διάβασα εκεί με έβαλαν αμέσως σε σκέψεις και με παρακίνησαν στο να αναλύσω τα προσωπικά μου δεδομένα (ιστορικό αρχείο αποδόσεων-αποτελεμάτων απο Ο.Π.Α.Π) όσον αφορά την Premier League.
Στην ουσία Cluster Group σημαίνει ομαδοποιώ στατιστικά στην περίπτωση μας, βάσει κάποιας επιλεγμένης μεθόδου και κατόπιν αναλύω την απόδοση του κάθε Group.
Με έκπληξη ανακάλυψα ότι την τελευταία 5ετία υπήρξαν αρκετά Cluster Groups τα οποία έστω και σε αποδόσεις Ο.Π.Α.Π, προσέφεραν κερδοφορία στο βάθος χρόνου. Για παράδειγμα συγκεκριμμένο Group έχει προσφέρει στο προαναφερόμενο χρονικό διάστημα κέρδος της τάξης του 39,5% παρακαλώ και επαναλαμβάνω σε αποδόσεις Ο.Π.Α.Π.
Στο σημείο όμως αυτό θα εισάγουμε την έννοια του betting portofolio. Μία φράση κλειδί που χρησιμοποίησα προηγουμένως είναι "βάθος χρόνου". Βλέπετε για να είχε καρπωθεί κάποιος το κέρδος 39,5% θα έπρεπε να ποντάρει σε κάθε ένα απο τα σημεία που θα του παρουσιάζονταν και θα ανήκαν στο συγκεκριμμένο Cluster Group.
Δηλαδή η διαδικασία βασικά έχει ώς εξής:
Έχουμε αποφασίσει βάσει ποιας μεθόδου θα διαχωρίσουμε τα Cluster Groups μας.
Κατόπιν βλέπουμε την απόδοση τους. Εάν προσφέρουν value ή όχι.
Στην συνέχεια ποντάρουμε κάθε φορά που εμφανίζεται σημείο που "ανήκει" σε κάποιο Cluster Group που προσφέρει value.
Στην ουσία αυτό ονομάζεται betting portofolio. Το να ποντάρεις σε όλα μα όλα τα σημεία που ανήκουν σε value Cluster Group. Αν ρωτάτε γιατί ορίστε ένα παράδειγμα λογικής. Έστω ότι ένα Cluster Group είναι στην ουσία όσα παιχνίδια έχουν απόδοση άσσου 2,00 και έστω ότι το Group αυτό προσφέρει σε βάθος χρόνου value. Αυτό μπορεί για παράδειγμα να σημαίνει ότι στα 100 μάτς θα επαληθευτούν τα 55. Το θέμα είναι ότι δεν ξέρουμε πότε ή πως θα εμφανιστούν τα 55 νικηφόρα σημεία απο τα 100. Άρα για να διεκδικήσουμε το κέρδος, το οποίο θα μας προσφέρουν τα 55 νικηφόρα σημεία θα πρέπει να ποντάρουμε σε όλα τα 100. Αυτά τα 100 σημεία αποτελούν το betting portofolio, με άλλα λόγια είναι όλα τα πονταρίσματα που θα πρέπει να γίνουν απλά διότι προκρίνονται βάσει κάποιας μεθόδου και ανήκουν σε κάποιο Cluster Group το οποίο περιέχει value.
Δεν θέλω να σας κουράσω περισσότερο, πιστεύω ότι γενικά καταλάβατε το νόημα.
Έχω λοιπόν εντοπίσει κάποια Cluster Groups που στο πέρας της τελευταίας 5ετίας κλείνουν με κέρδος και ίσως ο τρόπος με τον οποίο κατηγοριοποιήθηκαν να αποδειχτεί διαχρονικός άρα να οδηγεί και σε διαχρονική κερδοφορία. Προσοχή όμως τίποτα δεν μας λέει ότι οπωσδήποτε τα Cluster Groups αυτά θα κλείσουν με κερδοφορία μέσα σε 1 μόλις σεζόν δηλαδή για την 2013-2014. Το ζητούμενο είναι να αποδόσουν στην 2ετία ή 3ετία.
Άρα θα συμπληρώσω ότι καλό θα ήταν και θα εφαρμοστεί από μέρους μου, να μπουν κάποια stop loss ώστε να αποφύγουμε την καταστροφή του bank roll μας.
Όποιος ενδιαφέρεται να παρακολουθήσει την όλη διαδικασία δεν έχει παρά να αποστείλει ένα απλό mail στο betakos@hotmail.com γράφοντας "παρατηρητής για την Oddstats Cluster Group Betting Method"
Για κάθε αγωνιστική της Premier League θα γίνονται πονταρίσματα εφόσον τα σημεία ανήκουν σε Cluster Groups με value και ένα PDF θα στέλνεται στο mail σας πριν την έναρξη των αναμετρήσεων.
23/2/13
Προγνωστικά Premier League (23-24 Φεβ)
Ένα ακόμα 3ήμερο αγωνιστικής δράσης μπροστά μας όσον αφορά την Premier League. Ας ρίξουμε μία ματιά από στοιχηματικής άποψης. Με φρέσκο ακόμα το πρόσφατο άρθρο μου ετοίμασα έναν συγκριτικό πίνακα μεταξύ αποδόσεων και ποσοστών ΟΠΑΠ και του «μοντέλου μου».
Ο πίνακας φαίνεται παρακάτω:

Ας σχολιάσουμε ένα δύο πραγματάκια.
Παρατηρούμε ότι τα πιο δυνατά σημεία
είναι ο άσσος της Arsenal και το διπλό της Manchester United. Μάλιστα ο
άσσος της Arsenal με ποσοστό βάσει Poisson 84,4% καθιστά ακόμα και το
1,25 του ΟΠΑΠ απόδοση με αξία. Από την άλλη το 1,40 της Manchester
United φαίνεται πετσοκομμένο σε σχέση με το 1,60 περίπου που θα
θεωρούνταν δίκαιη απόδοση. Αίσθηση βέβαια προκαλεί το πόσο κοντά είναι
το 62,40% του ΟΠΑΠ με το 61,90% βάσει του μοντέλου μας. Από κει και πέρα
η ύπαρξη γκανιότας 12,63% είναι υπεύθυνη για την απόδοση 1,40.
Το 1,25 σε άσσο της Arsenal έχει
εμφανιστεί 4 φορές από το 2008-09 έως σήμερα με την γηπεδούχο να μετρά
ισάριθμες νίκες με 9 τέρματα υπέρ και μόλις 1 κατά. Το ζευγάρι Arsenal
εναντίον Aston Villa έχει δώσει 2 άσσους και 2 διπλά πρόσφατα, με την
περυσινή όμως συνάντηση να έχει νικήτρια τη γηπεδούχο σε απόδοση και
πάλι 1,25 (3-0).
Το 1,40 τώρα στο διπλό η αλήθεια είναι
ότι δεν προσφέρει κερδοφορία στην διάρκεια, ούτε και στην περίπτωση
ακόμα που τιμολογείται η Manchester United αφού στις τελευταίες 12
εμφανίσεις του με φιλοξενούμενη αυτή, έχει 1-4-7 (1-Χ-2). Αν και η
απόδοση εδώ δεν είναι value βάσει ιστορικού της θα τολμήσω να στηρίξω το
σημείο για αυτή τη φορά.
Μάλιστα θα πάω με λίγα για πολλά ως
εξής: θα επενδύσω ένα μικρό ποντάρισμα στις νίκες Arsenal και Manchester
United σαν κάλυψη και θα κυνηγήσω τα σκορ 2-0 και 0-2 σε μία απόδοση
40,50 από τον ΟΠΑΠ. 2 δελτιάκια λοιπόν για τους παίκτες του ΟΠΑΠ:
- 153 (1),155 (2) 6 ευρώ
- 153 (2-0 Α.Σ), 155 (0-2 Α.Σ) 3 ευρώ.
Και αν σου κάτσει;
Θα κλείσω το άρθρο αυτό με μία
παρατήρηση. Τσεκάρετε στον πίνακα τα ματς Norwich-Everton και West
Ham-Tottenham. Για το μοντέλο μας έχουν και τα 2 ίδια διαφορά τερμάτων
(-23) με συνέπεια το μοντέλο να τους δίνει ένα 38% περίπου. Αντίθετα ο
ΟΠΑΠ δίνει 46,65% και 42,19% αντίστοιχα με αποδόσεις 1,90 και 2,10. Το
θέμα είναι ότι το 1,90 διπλό τις 16 τελευταίες φορές έχει μόλις 4 διπλά,
ενώ το 2,10 9 διπλά στα τελευταία 20. σαφώς πιο value το
2,10. Ειδικότερα η Everton στο 1,90 διπλό έχει δώσει 2 ισοπαλίες 0-0 τις
2 φορές που έχει εμφανιστεί από το 08-09, ενώ η Tottenham τις 2
τελευταίες φορές έχει δώσει 2 διπλά 1-2!!
Αν τα τελευταία νέα για τα παιχνίδια αυτά βγάζουν «σχετική» είδηση προσαρμόστε το παίξιμο σας.
Καλή επιτυχία σε ότι επιλέξετε και πάντα
να θυμάστε : Διαβάζουμε όσα πιο πολλά μπορούμε, αξιολογούμε όσα
διαβάζουμε και πάντα επιλεγούμε εμείς και μόνο τι θα παίξουμε.
Μοντέλο Στοιχηματικών Προβλέψεων
Με το παρόν άρθρο μου έρχομαι να
γνωστοποιήσω κάποια ευρήματα στατιστικής ανάλυσης και τη δημιουργία ενός
«βασικού» μοντέλου στοιχηματικών προβλέψεων.
Ας πάρουμε τα πράγματα από την αρχή όμως. Έχω αναφερθεί στο παρελθόν στο «Απόλυτο Στοιχηματικό Σύστημα»,
και το άρθρο που θα διαβάσετε αφορά στο 1 από τα 2 βασικά υποσυστήματα,
αυτό της μεθόδου της πρόβλεψης ή αλλιώς της επιλογής σημείων. Επίσης
στο παρελθόν έχω αναφέρει ότι μου αρέσει η Στατιστική σαν εργαλείο και
θεωρώ ότι μπορεί να συνεισφέρει και όσον αφορά το Στοίχημα. Προσωπικά
δεν μπορώ να εμβαθύνω αρκετά, παρόλα αυτά προσπαθώ χρησιμοποιώντας τα
βασικά να αποκομίσω ότι είναι δυνατόν.
Με απασχολεί συνεχώς η ιδέα δημιουργίας
ενός μοντέλου στοιχηματικών προβλέψεων οπότε συχνά πυκνά αναρωτιέμαι για
τα συστατικά του. Λέγοντας συστατικά του εννοώ φυσικά τι θα πρέπει να
λαμβάνει υπόψιν του το οποιοδήποτε μοντέλο. Αν κάνετε την ερώτηση στον
εαυτό σας σίγουρα θα σας έρθουν στο μυαλό διάφορες ιδέες. Για παράδειγμα
μπορεί να σκεφτείτε ότι όσο περισσότερη κατοχή έχει μία ομάδα τόσο πιο
πολλές πιθανότητες έχει να κερδίσει. Επίσης κάποιος μπορεί να σκεφτεί
ότι όσο περισσότερα φάουλ στο αντίπαλο τρίτο κερδίζει μία ομάδα αυξάνει
τις πιθανότητες νίκης. Επόμενη ιδέα είναι τα κόρνερ, οι σέντρες από τα
πλάγια, τα κλεψίματα, τα σουτ προς την εστία και πολλά άλλα.
Καταλαβαίνουμε όμως ότι η συλλογή και η
επεξεργασία των στατιστικών αυτών είναι σίγουρα χρονοβόρα για τον μέσο
παίχτη του στοιχήματος. Επίσης όσο πιο πολλά τα συστατικά τόσο πιο
πολύπλοκο το μοντέλο και προσωπικά δεν έχω τις απαιτούμενες γνώσεις για
να πετύχω κάτι τέτοιο.
Άρα αποφάσισα να επικεντρώσω την
προσπάθεια μου σε κάτι όσον το δυνατόν πιο εύχρηστο απλό και
κατανοητό. Για να καταλήξω εκεί πρώτα κατέληξα στο εξής: Ρώτησα τον
εαυτό μου:
«Τι είναι αυτό που ζητάς από το μοντέλο σου;»
Να σου υποδεικνύει την ομάδα που θα
παίζει «την καλύτερη μπάλα» ή την ομάδα με τις περισσότερες πιθανότητες
επικράτησης; Ασφαλώς και από στοιχηματικής άποψης θέλουμε το μοντέλο να
επιλέγει νικητές έστω και αν έχουν μόλις 30% κατοχή, μηδέν κόρνερ και 1
σουτ προς την εστία.
Ποια ομάδα κερδίζει λοιπόν στο
ποδόσφαιρο; Μα φυσικά και απλά εκείνη που θα πετύχει τα περισσότερα
τέρματα. Άρα θα πρέπει να επικεντρωθούμε στα τέρματα και συγκεκριμένα
στη διαφορά τερμάτων για ένα ματς. Δηλαδή διαφορά τερμάτων γηπεδούχου
μείον διαφορά τερμάτων φιλοξενούμενου στα συνολικά τους τέρματα.
Αν η ομάδα Α πριν το ματς με την ομάδα Β
έχει τέρματα υπέρ 12 και κατά 9 έχει διαφορά τερμάτων 3. Αν η Β έχει
υπέρ 15 και κατά 16 έχει διαφορά τερμάτων -1. Η διαφορά λοιπόν τερμάτων
για την αναμέτρηση είναι 3- (-1)=3+1=4.
Θα πρέπει λοιπόν να ερευνήσουμε αν
υπάρχει κάποια σχέση μεταξύ της τιμής της διαφοράς των τερμάτων και της
πιθανότητας επαλήθευσης του σημείου του άσσου ή του διπλού. Η διαφορά
τερμάτων είναι πιστεύω ένα εύκολο στην εύρεση του στατιστικό. Από την
άλλη εύκολα έχουμε και ποσοστά σημείων εκ των αποδόσεων. Οπότε ας ερευνήσουμε πιθανή σχέση διαφοράς τερμάτων και ποσοστού άσσου/διπλού βάσει αποδόσεων bookmaker.
Στο πρακτικό κομμάτι λοιπόν σαν δείγμα
έλαβα αποδόσεις ΟΠΑΠ από τη σαιζόν 2001-2002 εώς 2010-2011 για την
Premier League και χρησιμοποίησα τη σαιζόν 2011-2012 για τεστ. Από κάθε
σαιζόν έλαβα υπόψη τα παιχνίδια του Β’ Γύρου ώστε να έχουμε μία εικόνα
των ομάδων αφού έχουν αντιμετωπίσει όλες τις υπόλοιπες ομάδες έστω μόνο
εντός ή μόνο εκτός.
Το σκεπτικό λοιπόν είναι το εξής:
- Σχέση τιμής διαφοράς τερμάτων και ποσοστού Άσσου και Διπλού βάσει αποδόσεων ΟΠΑΠ
- Σχέση ποσοστού των πάνω σημείων και του μέσου όρου τερμάτων γηπεδούχου και φιλοξενούμενου
- Χρήση μέσου όρου τερμάτων σε Poisson για την παραγωγή ποσοστών πιθανοτήτων σημείων
- Αξιολόγηση των ποσοστών μέσω Poisson με τα πραγματικά αποτελέσματα.
Για την εξεύρεση πιθανής συσχέτισης
δεδομένων θα χρησιμοποιήσουμε διαγράμματα διασποράς στο excel ώστε να
υπολογίσουμε τις συναρτήσεις που συνδέουν τα χ και ψ και να υπολογίσουμε
την τιμή R2 η οποία όσο πλησιέστερα στη μονάδα είναι τόσο καλύτερη διασπορά δεδομένων γύρω από τη γραμμή συνάρτησης έχουμε.
Ας δούμε λοιπόν αρχικά τα διαγράμματα διασποράς διαφοράς τερμάτων και ποσοστών βάσει αποδόσεων ΟΠΑΠ.

Στο παραπάνω γράφημα διασποράς έχουμε τη
συνάρτηση ευθείας που συνδέει τα Χ (διαφορά τερμάτων) και Ψ (ποσοστό %
Άσσου βάσει αποδόσεων). Η τιμή R2 μας κάνει λόγο για μία
αρκετά καλή σχέση των δεδομένων. Παρατηρούμε ότι όσο μεγαλώνει η διαφορά
τερμάτων μεταξύ γηπεδούχου και φιλοξενούμενου τόσο αυξάνεται και η
πιθανότητα άσσου (τουλάχιστον από πλευράς ΟΠΑΠ).
Αυτό ίσως και να σημαίνει ότι οι εταιρείες στοιχήματος λαμβάνουν υπόψιν τους τη διαφορά τερμάτων για την τιμολόγηση των σημείων.
Με γνωστό λοιπόν το Χ μπορούμε να έχουμε
μία εκτίμηση του ποσοστού του Άσσου (Ψ) βάζοντας την τιμή του Χ(διαφορά
τερμάτων) στην εξίσωση Ψ=0,005Χ+0,445. Για παράδειγμα αν για κάποιο
ματς η διαφορά τερμάτων (Χ) είναι 10 τότε το ποσοστό άσσου (Ψ) είναι:
0,005*10+0,445=0,05+0,445=0,50 το οποίο το μετατρέπουμε σε ποσοστό % δηλαδή 50%.
Αν η διαφορά τερμάτων ήταν -10 τότε το ποσοστό άσσου θα ήταν 40%. Ας δούμε τώρα και το διάγραμμα εκτίμησης ποσοστού % για το διπλό βάσει διαφοράς τερμάτων.

Στο διάγραμμα πάνω λοιπόν βλέπουμε την
συνάρτηση εξίσωσης που «περιγράφει» όσο γίνεται καλύτερα τη σχέση μεταξύ
διαφοράς τερμάτων και ποσοστού % του διπλού. Εδώ η τιμή R2 είναι
χαμηλότερη από το πρώτο διάγραμμα αλλά το θετικό είναι ότι είναι πάνω
από 0,7 ώστε να θεωρείται κάπως αξιόλογη. Και εδώ μπορούμε να
εφαρμόσουμε το παράδειγμα της διαφοράς τερμάτων με τιμή 10(Χ) και να
υπολογίσουμε το % διπλού (Ψ).
Το Ψ λοιπόν θα είναι 0,26 δηλαδή σε ποσοστό 26%.
Άρα αν θέλουμε να συνδέσουμε τα 2
παραδείγματα μπορούμε να πούμε ότι σε ένα ματς με διαφορά τερμάτων
(διαφορά τερμάτων γηπεδούχου-διαφορά τερμάτων φιλοξενούμενου στα
συνολικά τέρματα τους) 10 ο άσσος από την πλευρά του ΟΠΑΠ θα έχει κατά
προσέγγιση ποσοστό 50% ενώ το διπλό 26%. Η ισοπαλία λοιπόν γύρω στο 24%.
Τα ποσοστά αυτά είναι πάντοτε κατά
προσέγγιση όσον αφορά τον ΟΠΑΠ αφού το μοντέλο μας «γυμνάστηκε» με
δεδομένα από τον ΟΠΑΠ. Άρα λοιπόν με αυτές τις 2 συναρτήσεις και έχοντας
σαν δεδομένο απλά τη διαφορά τερμάτων έχουμε μία κατά προσέγγιση ιδέα
του πως βλέπει ο ΟΠΑΠ το εκάστοτε ματς (πάντα για την Premier
League). Και τονίζω το κατά προσέγγιση διότι το οποιοδήποτε μοντέλο δεν
«γνωρίζει» τις όποιες ειδικές συνθήκες διεξαγωγής του αγώνα π.χ
απουσίες, καιρός, παράδοση κτλ.
Η επόμενη σχέση που ερεύνησα ήταν αυτή
μεταξύ του ποσοστού % για τον άσσο και τα τέρματα που πετυχαίνει ο
γηπεδούχος από την μία και το ποσοστό % του διπλού με τα τέρματα που
πετυχαίνει ο φιλοξενούμενος. Τακτοποιώντας τα ποσοστά % των σημείων ανά
κλάσεις των 5 δηλαδή 1-5% 6-10% πήρα τους μέσους όρους των κλάσεων (σαν
τα Χ) και τους μέσους όρους τερμάτων (σαν τα Ψ). Κατασκεύασα λοιπόν και
για αυτές τις περιπτώσεις διαγράμματα διασποράς τα οποία είναι τα
παρακάτω.

Στο πάνω διάγραμμα λοιπόν έχουμε την
εξίσωση ψ=2,896χ+0,261 όπου χ= το % άσσου και ψ= ο εκτιμώμενος μέσος
όρος τερμάτων για τον γηπεδούχο.
Παρατηρούμε την υψηλή τιμή R2 πράγμα το οποίο είναι απολύτως θετικό.

Πάνω έχουμε και το διάγραμμα σχέσης μέσου όρου τερμάτων φιλοξενούμενου βάσει ποσοστού % του διπλού. Η τιμή R2 είναι
και εδώ αρκετή υψηλή γεγονός πολύ θετικό όπως είπαμε και πριν αφού η
συνάρτηση περιγράφει σχεδόν τέλεια την διασπορά των σημείων.
Στο σημείο αυτό ας συνδέσουμε όλες αυτές
τις εξισώσεις για να δούμε που φτάνουμε. Όλα αρχίζουν με την τιμή της
διαφοράς τερμάτων.
Έχουμε λοιπόν:
- Τιμή Διαφοράς τερμάτων 10
- Ποσοστό % Άσσου 50%
- Ποσοστό % Διπλού 26%
- Εκτιμώμενος Μ.Ο τερμάτων γηπεδούχου 1,70
- Εκτιμώμενος Μ.Ο τερμάτων φιλοξ/νου 0,94
Αν χρησιμοποιήσουμε τώρα τους μέσους όρους αυτούς στη POISSON
μπορούμε να υπολογίσουμε τα ποσοστά % για τα 3 σημεία 1-Χ-2 τα οποία
στο παράδειγμα μας είναι 54%-25%21% χοντρικά. Απο τη διαφορά τερμάτων
λοιπόν έχουμε φτάσει σε μία εκτίμηση ποσοστών % για τα σημεία βάσει
Poisson. Το τελικό στάδιο λοιπόν είναι να δοκιμαστεί η απόδοση της
Poisson.
Όπως ανέφερα χρησιμοποίησα την σαιζόν
11’-12’ για τον σκοπό αυτό λαμβάνοντας σαν δείγμα και πάλι τον Β’
Γύρο. Κατασκεύασα και εδώ διαγράμματα διασποράς ανάμεσα στην πρόβλεψη
της Poisson και στα πραγματικά αποτελέσματα. Κατασκεύασα ένα διάγραμμα
βάσει % Άσσου και ένα βάσει % Διπλού. Δηλαδή πρακτικά ζητάμε απάντηση
στην ερώτηση:
«Πόσο τοις % επαλήθευση έχουν τα σημεία του άσσου με ποσοστό 45% βάσει Poisson;»
Και αναλόγως την απάντηση για το
διπλό. Έτσι λοιπόν έχτισα σε κλάσεις των 10 (1-9%, 10-19% κ.τ.λ) τις
προβλέψεις της Poisson (Χ) για τα σημεία και υπολόγισα τους μέσους όρους
των κλάσεων. Απέναντι τοποθέτησα τα πραγματικά ποσοστά επαλήθευσης των
κλάσεων (Ψ). Τα διαγράμματα διασποράς είναι τα παρακάτω:


Το θετικό στα παραπάνω διαγράμματα είναι
ότι όσο μεγαλύτερη είναι η εκτίμηση βάσει Poisson τόσο μεγαλύτερη είναι
και η πραγματική επαλήθευση. Με άλλα λόγια είναι σαν να έχουμε μία
μετριόφρουσα Poisson.
Στο αρχικό μας παράδειγμα είχαμε φτάσει στα εξής ποσοστά σημείων βάσει Poisson: 54%-25%21% (1-Χ-2)
Βάσει των τελευταίων συναρτήσεων
θεωρούμε ως Χ για τη συνάρτηση του άσσου το 0,54 και για την συνάρτηση
διπλού το 0,21. Δηλαδή λέμε ότι όταν ένα σημείο άσσου έχει 0,51 βάσει
Poisson έχει περίπου το ίδιο ποσοστό 51% πραγματική
επαλήθευση. Αντίστοιχα όταν ένα σημείο διπλού έχει ποσοστό 21% (0,21 για
την εξίσωση) βάσει Poisson έχει ποσοστό πραγματικής επαλήθευσης περίπου
17%.
Υπενθυμίζω για ακόμα μία φορά ότι όλα
είναι κατά προσέγγιση. Ας συγκεντρώσουμε τώρα όλες τις συναρτήσεις που
απαρτίζουν το μοντέλο μας, ώστε να καταλάβουμε και πως συνδέονται.
Πρώτη ομάδα συναρτήσεων είναι οι συναρτήσεις υπολογισμού ποσοστού % για τα σημεία του Άσσου και του Διπλού.
- Για τον Άσσο έχουμε: ψ(α)=0,005χ+0,445
- Για το Διπλό έχουμε: ψ(δ)=-0,004χ+0,295
Όπου χ και στις 2 συναρτήσεις είναι η διαφορά τερμάτων.
Δεύτερη ομάδα συναρτήσεων είναι εκείνες
που μας δίνουν τον εκτιμώμενο μέσο όρο τερμάτων του γηπεδούχου και του
φιλοξενούμενου βάσει ποσοστού % αυτών.
- Για τον μέσο όρο τερμάτων γηπεδούχου έχουμε: ψ(γ)=2,895χ+0,261
- Για τον φιλοξενούμενο: ψ(φ)=1,738χ2+1,405χ+0,480
Στις πάνω συναρτήσεις τα χ είναι τα ψ(α),ψ(δ) των 2 πρώτων.
Τα ψ των πάνω συναρτήσεων θα
χρησιμοποιηθούν στην Poisson για να υπολογιστούν τα ποσοστά % των 3
σημείων.
Η τρίτη ομάδα συναρτήσεων είναι οι συναρτήσεις με τις οποίες
αξιολογούμε τις προβλέψεις της Poisson.
- Για την αξιολόγηση των σημείων του άσσου της Poisson έχουμε: ψ(pγ)=1,229χ2-0,022χ+0,201.
- Για την αξιολόγηση των σημείων του διπλού της Poisson έχουμε: ψ(pφ)=1,151χ-0,067.
Ας τρέξουμε ένα αριθμητικό
παράδειγμα και πάλι. Έστω διαφορά τερμάτων μεταξύ 2 αντιπάλων ίση με
μηδέν. Από τις 2 πρώτες συναρτήσεις έχουμε την εκτίμηση για τα ποσοστά
άσσου και διπλού:
Ψ(α)=0,445=44,5%
Ψ(δ)=0,295=29,5%
Εν συνεχεία θα υπολογίσουμε τον μέσο όρο
τερμάτων που πετυχαίνει κάποιος γηπεδούχος με ποσοστό 44,5% ή 0,445 και
κάποιος φιλοξενούμενος με ποσοστό 29,5 ή 0,295:
Ψ(γ)=1,55
Ψ(φ)=1,05
Αν χρησιμοποιήσουμε τους μέσους όρους
αυτούς στη Poisson υπολογίζουμε τα ποσοστά των 3 σημείων 1-Χ-2 τα οποία
στην περίπτωση μας είναι:
48,06%-26,07%-25,87%
Με τις τελευταίες συναρτήσεις θα
αξιολογήσουμε τον άσσο με ποσοστό 48,06% και το διπλό με 25,87 τα οποία
τα έχουμε πάρει μέσω Poisson.
ψ(pγ)=47%
ψ(pφ)=23%
Εν τέλει μπορούμε να καταλήξουμε ότι τα
τελικά ποσοστά σημείων της αναμέτρησης είναι 47%-30%-23% βάσει του
μοντέλου μας και συνεπώς μπορούμε να υπολογίσουμε και ποιες θα έπρεπε να
είναι οι value αποδόσεις για το εκάστοτε σημείο, δηλαδή 2,13-3,33-4,35.
Κλείνοντας να τονίσω ότι τα δεδομένα που
παράγονται με το παραπάνω «μοντέλο» θα πρέπει να χρησιμοποιηθούν σαν
εργαλείο βελτίωσης των επιλογών μας και όχι να ακολουθούνται τυφλά για
τον στοιχηματισμό μας. Θα πρέπει και εσείς όπως και εγώ να
παρακολουθήσουμε για αρκετό χρόνο τις επιδόσεις του μοντέλου πριν
καταλήξουμε σε οποιαδήποτε συμπεράσματα. Κυρίως τροφή προς σκέψη και
έρευνα προσφέρει παρά οτιδήποτε άλλο.
Για οτιδήποτε διευκρινήσεις-ερωτήσεις
αλλά και για ανταλλαγή απόψεων και τυχόν διορθώσεις και προτάσεις
(ειδικότερα από άτομα που έχουν σπουδάσει στατιστική) μην διστάσετε να
επικοινωνήσετε στο betakos@hotmail.com.
17/1/13
Το κυνήγι της Στοιχηματικής αξίας
Αρκετοί είναι εκείνοι οι οποίοι πιστεύουν ότι για να είμαστε
κερδισμένοι στο στοίχημα όποιο και αν είναι το στοιχηματικό μας
σύστημα θα πρέπει να επικεντρωνόμαστε σε παιχνίδια στα οποία δεν υπάρχει
ξεκάθαρο φαβορί.
Ο λόγος είναι ότι σε τέτοιες περιπτώσεις οι αποδόσεις είναι
αρκετά ελκυστικές αφού λογικά η γνώμη του κοινού θα απλώνεται και στα 3 σημεία και
κατ’επέκταση οι εταιρείες τιμολογούν βάσει της τάσης αυτής. Σε αυτές τις
περιπτώσεις λένε οι «ειδικοί» αν είσαι σε θέση να φτάσεις σε σωστή επιλογή
χτυπάς φλέβα. Δεν έχει νόημα να επιλέγεις ένα σημείο το οποίο θα συγκεντρώσει
ένα 70% του τζίρου αφού η απόδοση θα είναι σίγουρα χαμηλή.
Μία περίπτωση παιχνιδιού όπου αν επιλέξουμε σωστά η απόδοση
θα είναι λογικά ζουμερή ίσως να είναι αυτό μεταξύ Swansea και Stoke στις 19/01/13 (17:00
Ελλάδος).
Κοιτώντας κανείς τις επιδόσεις τους θα χαρακτήριζε την
αναμέτρηση:
«Η μάχη των βαρόνων του Χ».
Με 6 ισοπαλίες και οι 2 (εντός/εκτός αναλόγως) σίγουρα ο μέσος παίχτης θα το ρίξει
«στάνταρ Χ» και θα είναι και ήσυχος ότι παίζει σωστά. Με αυτή την λογική τότε
ίσως η απόδοση στην ισοπαλία για την αναμέτρηση να είναι από τις χαμηλότερες.
Αυτό είναι ένα υποθετικό σενάριο βέβαια. Μπορεί για κάποιο λόγο όμως η
τιμολόγηση να γέρνει προς τον άσσο ή το διπλό;
Θα μπορούσε άραγε η βασική στατιστική να μας προσφέρει μία
πλατφόρμα από την οποία να μπορούμε να κάνουμε μία σωστή επιλογή;
Παρακάτω θα τρέξω μέσους όρους και τυπική απόκλιση και θα
υπολογίσω πιθανές αποδόσεις.
Η Swansea
λοιπόν στα 11 εντός παιχνίδια έχει πετύχει συνολικά 19 τέρματα. Μέσος όρος
δηλαδή 1,73 τέρματα με τυπική απόκλιση 1,05. Ούτε κρύο ούτε ζέστη δηλαδή όσον
αφορά συνοχή στο σκοράρισμα. Να έχουμε υπόψιν μας ότι έχει ήδη φιλοξενήσει Everton, Chelsea,Liverpool και Man.United.
Από την άλλη έχει δεχτεί 17 τέρματα με μέσο όρο 1,55 και
τυπική απόκλιση 1,16. Εδώ παρουσιάζει λίγο παραπάνω ανομοιογένεια.
Για την Stoke
τα αντίστοιχα μεγέθη είναι σε 11 εκτός έδρας ματς:
Μέσος όρος υπέρ 0,64 με τυπική απόκλιση 0,77
Μέσος όρος κατά 1,18 με τυπική απόκλιση 1,27.
Γενικά λοιπόν βλέπουμε κάπως μεγαλύτερη ανομοιογένεια στα
νούμερα της Stoke. Ενώ
έχει ήδη περάσει από το Manchester 2 φορές και επίσης από Chelsea,Liverpool.
Βάση Poisson έχουμε τα παρακάτω όσον αφορά την πιθανότητα σκοραρίσματος:
Για την Swansea 0 τέρματα 18%, 1 τέρμα 31%, 2 τέρματα 27% 3 τέρματα 15%
Για την Stoke 0 τέρματα 53%, 1 τέρμα 34%, 2 τέρματα 11% 3 τέρματα 2%
Βλέπουμε δηλαδή ένα ελαφρύ προβάδισμα για την γηπεδούχο,
αφού η πιθανότητα η Swansea να πετύχει 1 ακριβώς γκολ είναι 31%, ενώ η Stoke να πετύχει 0 τέρματα είναι 53%
Επίσης την παρούσα στιγμή η παραγωγικότητα της Swansea είναι υψηλότερη από τον μέσο όρο των προηγούμενων αντιπάλων της Stoke και μία απόδοση ισάξια του μέσου όρου αυτών θα απαιτούσε από την Swansea να
πετύχει 2 τέρματα, πράγμα που δεν απέχει πολύ από το 1,73 μ.ο.
Από την πλευρά της η Stoke εμφανίζεται πολύ κατώτερη από το
μέσο όρο απόδοσης των προηγούμενων αντιπάλων της Swansea αφού για πιάσει και αυτή την
μέση απόδοση θα πρέπει να πετύχει και αυτή 2 τέρματα πράγμα δύσκολο βάσει του 0,64
μ.ο αφού θα χρειαστεί να πιάσει και να ξεπεράσει (θετικά) και την τιμή της
τυπικής απόκλισης.
Όλα αυτά βέβαια πάντα μόνο στα χαρτιά. Αν ήταν έτσι δεν θα υπήρχε
η έννοια της έκπληξης σε εκφάνσεις της ανθρώπινης δραστηριότητας.
Προσωπικά έχω ασπαστεί την εξής φράση: «Οι αριθμοί λένε την
αλήθεια μέχρι να προστεθούν οι επόμενοι».
Το επόμενο τώρα που θα με απασχολούσε για τον εν λόγω ματς είναι
τι θα μπορούσε να είναι αυτό το οποίο θα έκανε την Swansea να αποδώσει κάτω από τον μέσο όρο
της και ταυτόχρονα την Stoke
αρκετά πάνω από τον δικό της.
Εδώ λοιπόν εισέρχεται το κομμάτι της ενημέρωσης και
αποκωδικοποίησης αυτής. Νέα από το ρεπορτάζ των ομάδων είναι αυτά που ίσως μας
δώσουν το απαιτούμενο εκείνο αβαντάζ.
Την ώρα που γράφω το παρόν μέσος όρος αποδόσεων είναι
2,15-3,26-3,46.
Βλέπουμε ότι ανταποκρίνονται αρκετά στα όσα αναφέραμε μέχρι
τώρα στο παρόν άρθρο. Δηλαδή δεν παρατηρείται κάτι το παράλογο. Εννοώ ότι εάν η
τιμολόγηση ήταν αντίθετα θα μου χτυπούσε καμπανάκι που λέμε.
Από και πέρα μια παρακολούθηση των αποδόσεων και των νέων
για τις 2 ομάδες μπορεί να δώσει το ένα κλικ που χρειάζεται για την καλύτερη
δυνατή επιλογή.
16/1/13
Το Απόλυτο Στοιχηματικό Σύστημα
Οι ανά τον κόσμο παίχτες του Στοιχήματος, συμμετέχουν όλοι μαζί σε ένα
κοινό παιχνίδι. Αυτό δεν είναι άλλο από την εύρεση του Απόλυτου Στοιχηματικού
Συστήματος, το οποίο θα τους εγγυηθεί ένα σίγουρο και σταθερό εισόδημα. Το αν
κάποιο τέτοιο σύστημα όντως υπάρχει εκεί έξω δεν το γνωρίζω. Τουλάχιστον δεν θα
το γνωρίσω μέχρι να το ανακαλύψω εγώ μόνος μου, διότι αν υπάρχει και το έχει
ανακαλύψει κάποιος, δεν αλλάζει κάτι για τους υπόλοιπους διότι το λογικό είναι
ότι δεν θα το μοιραστεί με κάποιον.
Όταν όμως μιλάμε για Στοιχηματικό Σύστημα στην ουσία σε τι αναφερόμαστε;
Προσωπικά πιστεύω ότι αυτό το κάποιο Στοιχηματικό Σύστημα θα πρέπει να αποτελείται
από τουλάχιστον 2 βασικά υποσυστήματα.
Το ένα θα πρέπει να είναι ένα σύστημα σύμφωνα με το οποίο θα επιλέγουμε
σημεία και το άλλο θα πρέπει να είναι ένα σύστημα με το οποίο θα κάνουμε την
διαχείριση του παιχτικού μας κεφαλαίου.
Ας πάρουμε τα πράγματα από την αρχή. Για να πετύχεις τον πρωταρχικό σου
στόχο (για το παρόν άρθρο είναι διαρκές και σταθερό εισόδημα) πρέπει πάνω από
όλα οι επιλογές σου να επαληθεύονται. Αυτό λοιπόν είναι το αντικείμενο του 1ου
βασικού υποσυστήματος. Ένα καλό ερώτημα τώρα είναι πόσο θα πρέπει να επαληθεύονται
οι επιλογές σου αλλά η απάντηση του δεν είναι και τόσο απλή.
Άρα θα λοιπόν θα πρέπει να εξελίξουμε ένα μοντέλο πρόβλεψης
αποτελεσμάτων, το οποίο θα μας προτείνει σημεία. Και το ερώτημα το μέγα είναι
τι άραγε συστατικά χρειάζεται αυτό το μοντέλο πρόβλεψης ώστε να μου παράγει
νικηφόρα σημεία. Εννοείται δεν γνωρίζω (διαφορετικά θα το είχα ήδη κατασκευάσει
και θα είχα λύσει το οικονομικό της ζωής μου σωστά;), αλλά γνωρίζω διάφορα
διαθέσιμα συστατικά που μπορεί ο καθένας μας να χρησιμοποιήσει. Θα προσπαθήσω
να τα γενικεύσω παρακάτω για να μην πλατειάζω.
- Στατιστική
Χαώδης στατιστική είναι διαθέσιμη έτοιμη για χρήση εκεί έξω. Εκατοντάδες
χιλιάδες ιστότοποι αφιερωμένοι σε αυτή. Επίσης ο καθένας με λίγο κόπο μπορεί να
διατηρεί προσωπικά στατιστικά της αρεσκείας του.
- Ειδήσεις-Ρεπορτάζ-Τελευταία Νέα
Μια ακόμα χαώδης πηγή συστατικών είναι τα ΜΜΕ. Με χιλιάδες τόνους
αθλητικών νέων-ειδήσεων καθημερινά ο ερευνητής μπορεί να ανακαλύψει λαβράκια.
- Οι προσφερόμενες αποδόσεις και οι μεταβολές τους
Πολλοί είναι εκείνοι που πιστεύουν ότι κάτι κρύβεται πίσω τους. Ότι
κωδικοποιημένη σε αυτές είναι η αλήθεια που κρύβεται εκεί έξω αφού είναι η
αλήθεια που κατέχουν οι bookmakers που αποτελούν την
αφρόκρεμα όσον αφορά στην πρόβλεψη.
Αυτά κατά την προσωπική μου άποψη είναι τα ελάχιστα συστατικά για την
δημιουργία ενός μοντέλου παραγωγής σημείων. Το πως ακριβώς θα αξιολογούνται και
θα συνυπολογίζονται είναι υποκειμενικό ζήτημα.
Όσον αφορά το 2ο βασικό υποσύστημα τώρα, αυτό που θα μας
κάνει την διαχείριση του παιχτικού μας κεφαλαίου συνδέεται άμεσα με την
ποιότητα του πρώτου. Η θετική του χρήση θα μεγιστοποιεί τα κέρδη ή θα
περιορίζει τις ζημιές. Αυτό θα κάνει χρήση της στατιστικής της απόδοσης του 1ου
συστήματος και θα προσαρμόζεται αναλόγως.
Παρακάτω ακολουθούν διάφορες σκέψεις-παρατηρήσεις πάνω στο θέμα μας.
- Δεν θα είχε νόημα το σύστημα πρόβλεψης μας να έχει ποσοστό επιτυχίας 60% και ο μέσος όρος αποδόσεων των σημείων να είναι 1,30 αφού το γινόμενο τους είναι μικρότερο της μονάδας (0,60Χ1,30=0,78). Σε μία τέτοια λοιπόν περίπτωση θα επέμβαινε το απλούστατο 2ο βασικό σύστημα και θα μας τόνιζε το πρόβλημα αυτό.
- Θα πρέπει να ποντάρουμε ισόποσα σε όλα τα σημεία που μας προτείνει το σύστημα ή π.χ με στόχο προκαθορισμένη επιστροφή;Πόσο θα ρισκάρουμε ανά σημείο;
- Θα παίζουμε τα σημεία μας μονά η σε συνδυασμούς;
- Πως θα πρέπει να χρησιμοποιούμε τα στατιστικά που έχουμε στη διάθεση μας; Πως θα χρησιμοποιήσουμε την φόρμα των ομάδων. Πως θα χρησιμοποιήσουμε την παράδοση; Πως τις αποδόσεις;
Είναι μόνο κάποια τυχαία ερωτήματα από το σύνολο των ερωτημάτων που θα
πρέπει να μας απασχολήσουν.
Βασικά την διαδικασία κατασκευής ενός ολοκληρωμένου Στοιχηματικού
Συστήματος θα πρέπει να την έχουμε στην σκέψη μας σαν μία διαρκής διαδικασία.
Θα πρέπει να εξελίσσεται και να προσαρμόζεται σε νέα δεδομένα που θα προκύπτουν.
Για παράδειγμα εγώ προσωπικά που διατηρώ αρχείο αποδόσεων-αποτελεσμάτων για την
Premier League έχω κατά καιρούς παρατηρήσει αλλαγές στο προφίλ των
αποδόσεων όπως λέω. Δηλαδή έχω παρατηρήσει ότι άσσοι με συγκεκριμένη απόδοση
παρουσιάζουν μεταβολή στην επαλήθευση τους ανά περιόδους. Π.χ για 2 σαιζόν να
έχουν 65% επαλήθευση προσφέροντας κέρδος και κατόπιν για τις επόμενες 2 να
παρουσιάζουν ζημιά.
Για την κατασκευή λοιπόν ενός συστήματος μπορούμε να αρχίσουμε με
ανάλυση στατιστικής κάποιου συστατικού. Για παράδειγμα μπορούμε αρχικά να
λάβουμε υπόψιν μας την παράδοση των αντιπάλων στα μεταξύ τους παιχνίδια. Έστω
ότι η παράδοση δίνει για τα σημεία 1-Χ-2 ποσοστά 45-35-20.
Θα μπορούσαμε να φτιάξουμε μία βάση δεδομένων όπου θα συγκεντρώναμε
ποσοστά παράδοσης. Κατόπιν θα έπρεπε να τσεκάρουμε τα πραγματικά αποτελέσματα.
Ας πούμε ότι στο δείγμα μας έχουμε 130 ματς στις οποίες η παράδοση έδινε το
45-35-20 που είπαμε παραπάνω. Ποια είναι όμως τα πραγματικά ποσοστά
επαλήθευσης; Έστω ότι στην πραγματικότητα στα 75 από τα 130 παιχνίδια είχαμε
νίκη γηπεδούχου, δηλαδή ποσοστό 58%. Το ποσοστό αυτό είναι καλύτερο από το 45%
που έδινε η ίδια η παράδοση.
Βέβαια το επόμενο ερώτημα είναι σε τιμές προσφερόντουσαν οι άσσοι αυτοί.
Εάν η μέση τιμή τους ήταν κοντά στο 1,75 τότε μπορεί να προσέφεραν
κερδοφορία. Όμως χαμηλότερα θα ήταν δώρο άδωρον. Γενικά αν ποτέ θα καταλήξουμε
σε ότι πιο κοντινό στο Απόλυτο Στοιχηματικό Σύστημα να είστε σίγουροι ότι θα
χρειαστούν κάποια χρόνια δοκιμών και παρατηρήσεων και η εφαρμογή ενός
προγράμματος εικονικού στοιχηματισμού θεωρείται απαραίτητη. Πριν αρχίσετε να
επενδύετε τα χρήματα σας σε κάτι θα πρέπει πρώτα να έχει δοκιμαστεί επί μακρόν.
Άρα λοιπόν σύμφωνα με τα παραπάνω έχουμε ήδη φτιάξει ένα στοιχηματικό
σύστημα (στην πιο απλή μορφή του) το οποίο μας λέει ότι πρέπει να ποντάρουμε σε
σημεία άσσου όπου η παράδοση λέει για άσσο 45% αφού τα ματς αυτού του προφίλ
(μονοδιάστατο προφίλ) έχουν επαλήθευση άσσου 58%. Όμως δεν θα πρέπει να
ποντάρουμε σε αποδόσεις χαμηλότερες του 1,75. Ωραία μέχρι εδώ έτσι; Και τι
γίνεται εάν ελάχιστα από αυτά τα παιχνίδια προσφέρονται σε απόδοση >1,75;
Αμέσως το σύστημα προβλέψεων μας βγαίνει άχρηστο.
Εδώ λοιπόν εισέρχεται και το ζήτημα ταύτισης του τρόπου λειτουργίας του
συστήματος μας με την υπάρχουσα πραγματικότητα όσον αφορά την προσφορά αποδόσεων
από τις εταιρείες.
Το
σύστημα μας θα πρέπει να παράγει ρεαλιστικά σημεία.
Ένα επίσης σημαντικό θέμα είναι η ενσωμάτωση πιθανών σερί αποτυχιών στο
σύστημα μας. Αυτός είναι και ο βασικός λόγος για τον οποίο το οποιοδήποτε σύστημα
θα πρέπει να έχει δοκιμαστεί σε βάθος χρόνου.
Εξηγούμαι. Έστω ότι έχουμε καταλήξει σε ένα σύστημα με το οποίο επιλέγουμε
σημεία και είμαστε σίγουροι ότι το σύστημα θα πιάσει μία απόδοση της τάξης του
65% επαλήθευση. Και έστω ότι η ζητούμενη μέση απόδοση που ζητάμε για κερδοφορία,
το 1,60 είναι ρεαλιστική.
Το ότι το σύστημα θα μας δώσει εγγυημένα ένα 65% δεν λύνει το πρόβλημα μόνο
του. Χρειαζόμαστε και την εξής βασική πληροφορία:
Στις πόσες επιλογές θα έχει επιτύχει το 65%; Ή αλλιώς τι ποσοστό θα έχει
επιτύχει στις 30 πρώτες π.χ; Μπορεί λοιπόν στις 30 πρώτες να πάει τόσο χαμηλά ώστε
να χαθεί όλο το διαθέσιμο παιχτικό μας κεφάλαιο, πριν καταφέρουμε να δούμε το σύστημα
μας να «ανατέλλει» και να μας χαρίζει το αναμενόμενο κέρδος. Έτσι στις 30 πρώτες
επιλογές ένα σύστημα μπορεί αδίκως να τερματιστεί σαν αποτυχία λανθασμένα.
Βέβαια εννοείται ότι μπορεί να συμβεί και το αντίστροφο. Να πάει
καταπληκτικά στις 30 πρώτες επιλογές, ίσως και να μας παρασύρει σε αύξηση του ρίσκου
και κατόπιν να αρχίσει κοιλιά ρίχνοντας μας στο καναβάτσο.
Όλα τα παραπάνω φυσικά αποτελούν ένα μικρό λιθαράκι όσον αφορά τον τρόπο
σκέψης για την κατασκευή του δικού μας Απόλυτου Στοιχηματικού Συστήματος.
Ελπίζω να αποτελέσουν τροφή για σκέψη και μελέτη.
15/1/13
Αξιολόγηση Απόδοσης
Δεν έχω σπουδάσει Στατιστική αλλά μου αρέσει να διαβάζω
σχετικά, έστω και αν δεν μπορώ απο μόνος μου να εμβαθύνω σημαντικά.
Πρόσφατα έπεσε στα χέρια μου κάποιο βιβλίο, δεν θυμάμαι
τίτλο και συγγραφέα, διότι στάθηκα σε κάτι που ανέφερε σχετικό με μέσους όρους
και τυπικές αποκλίσεις.
Συγκεκριμμένα αυτό που μου φάνηκε ενδιαφέρον ήταν ένα
ερώτημα που έθετε του στυλ:
Ο μαθητής Α πήρε βαθμό 16 στα Μαθηματικά με Μέσο Όρο της
τάξης το 17,5 και Τυπική Απόκλιση 1,25.Ο ίδιος μαθητής πήρε βαθμό 14 στην Ιστορία με Μέσο Όρο της
τάξης το 15,5 και Τυπική Απόκλιση 1,35.
Σε ποιο απο τα 2 μαθήματα αποδίδει καλύτερα ο μαθητής Α;
Προσοχή το ερώτημα δεν αναφέρεται στη σχέση βαθμού με το
οριοθετημένο άριστα 20, αφού σε αυτήν την περίπτωση το 16 στα Μαθηματικά είναι
καλύτερο απο το 14 στην Ιστορία. Γενικά οι βαθμοί εκφραζόμενοι απλά με
αριθμητικές τιμές δεν λένε και πολλά
.
Το ερώτημα λοιπόν να αξιολογήσουμε την απόδοση του μαθητή
στα 2 αυτά μαθήματα μου φάνηκε ενδιαφέρον διότι νομίζω οτί έχει πολλά κοινά
σημεία με ένα αντίστοιχο στοιχηματικό ερώτημα: «Τι είναι πιο δύσκολο: να
πετύχει η Stoke 1 goal εκτός
έδρας στη Chelsea ή να πετύχει 2 goals εντός με την Sunderland;»
Στην ουσία το αντικείμενο μου είναι με ποια μέθοδο μπορεί να
αξιολογηθεί η εμφάνιση μίας ομάδας εκ του τελικού αποτελέσματος. Δηλαδή ας
πάρουμε μία αγωνιστική ημέρα της Premier League και
κατόπιν αποτελεσμάτων να αξιολογήσουμε αυτά τοποθετώντας σε αύξουσα σειρά τις
ομάδες ξεκινώντας από αυτή που κατάφερε το καλύτερο.
Άρα π.χ ένα υποθετικό 0-1 της Q.P.R μέσα στην Everton σε σχέση με ένα 2-1 της Man.City εντός με την Fulham πως θα το αξιολογούσαμε;
Επιστρέφω όμως στα του βιβλίου. Για να αξιολογήσουμε λέει
την απόδοση του καλού μας μαθητή κάνουμε τα παρακάτω.
Απο τον βαθμό του αφαιρούμε τον μέσο όρο της τάξης και το
υπόλοιπο το διαιρούμε με την τυπική απόκλιση των βαθμών των μαθητών της τάξης
Δηλαδή για τα Μαθηματικά έχουμε:(16-17,5)/1,25=-1,20.Για την Ιστορία:(14-15,5)/1,35=-1,11
Η αλήθεια είναι ότι προσωπικα δεν μπορώ να περιγράψω τι
ακριβώς σημαίνει το πηλίκο απλά δέχτηκα ότι όσο πιο υψηλό είναι τόσο καλύτερη
απόδοση περιγράφει. Έτσι απλά το υιοθέτησα. Αν κάποιος μπορεί να μας δώσει
παραπάνω πληροφορίες θα ήταν πολύ ευχάριστο.
Στο παράδειγμα μας λοιπόν ο μαθητής αποδίδει καλύτερα στο
μάθημα της Ιστορίας (οριακά) έστω και αν η βαθμολογία του είναι κατά 2 μονάδες
χαμηλότερη στην κλίμακα 1-20.
Πιο σωστά ο μαθητής αποδίδει καλύτερα στην Ιστορία σε σχέση
με την απόδοση της υπόλοιπης τάξης στα Μαθηματικά και την Ιστορία. Αλλά προσοχή
δεν λέμε απο την άλλη ότι είναι ο καλύτερος της τάξης στην Ιστορία.
Δηλαδή δεν λαμβάνουμε απλά την τιμή επί της κλίμακας
αξιολόγησης απομονωμένη αλλά την τιμή (βαθμό μαθήματος) επί της κλίμακας
αξιολόγησης σε σχέση με τον μέσο όρο συνολικά της τάξης και την τυπική απόκλιση
των τιμών.
Για την τελευταία θα αναφέρω μόνο (αν το έχω καταλάβει
σωστά) ότι όσο μικρότερη είναι η τυπική απόκλιση μιας κατανομής (συλλογής)
τιμών, τόσο πιο αντιπροσωπευτικός είναι ο μέσος όρος των τιμών αυτών. Δηλαδή
τόσο πιο κοντά στο μέσο όρο είναι οι τιμές.
Όλα τα παραπάνω μου χάρισαν ιδέες για αξιολόγηση
ποδοσφαιρικών αποδόσεων για χρήση τους σε στοιχηματισμό. Αν σας ζητήσω να μου
βάλετε σε σειρά τις ομάδες οποιουδήποτε πρωταθλήματος βάσει φόρμας των 3
τελευταίων αγωνιστικών θα μπορούσατε να το κάνετε; Και αν ναι πως; Προσωπικά
δεν μπορώ, αλλά ψάχνομαι διότι θα αποτελέσει σύμμαχο στην λήψη αποφάσεων
στοιχηματικών επιλογών.
Για παράδειγμα κρατώντας αρχείο αποτελεσμάτων θα μπορούσα να
αξιολογώ επιθετικά ή αμυντικά τις εμφανίσεις ως εξής:
Έστω θέλω να αξιολογήσω την απόδοση όσον αφορά την επιθετική
συμπεριφορά της, την West Brom εκτός απέναντι στην Reading στις 12/01/13. Τελικό 3-2. Η West Brom δηλαδή πέτυχε 2 τέρματα. Ας
προσπαθήσουμε να το μετατρέψουμε σε μία τιμή η οποία να μας δίνει μία αισθηση
του τι έχει επιτευχθεί.
Το θέμα είναι να καθορίσουμε μία βάση. Θα λάβουμε υπόψιν μας
τα φετινά παιχνίδια μόνο της Reading
εντός ή των 2 ή 3 τελευταίων σεζόν;.
Ας κρατήσουμε μόνο τα φετινά. Φέτος λοιπόν η Reading μέχρι και πριν το
ματς με την West Brom δεχόταν κατά μέσο όρο 1,90 τέρματα με τυπική απόκλιση 1,70.
Με άλλα λόγια αν θεωρήσουμε όλους τους αντιπάλους της μέχρι τώρα σαν μία τάξη,
μπορούμε να πούμε ότι ο μέσος όρος της τάξης είναι 1,90 με τυπική απόκλιση
1,70. Ο βαθμός της West Brom είναι 2.
Άρα μπορούμε (όπως με τον μαθητή) να αξιολογήσουμε την
επιθετικη λειτουργία της West Brom παρακάτω:Α=(2-1,90)/1,70=0,06
Αντίστοιχα πάνω στο ίδιο ζευγάρι αξιολογούμε την επιθετική
λειτουργία της Reading.
Η West Brom φέτος μέχρι και πριν την εν λόγω αναμέτρηση με την Reading δεχόταν εκτός 1,80 κατά
μέσο όρο με τυπική απόκλιση 0,75.Άρα η τάξη σκοράρει 1,80 εναντίον της West Brom με
τυπική απόκλιση 0,75. Ας αξιολογήσουμε την Reading για την επιθετική της απόδοση.
Α=(3-1,80)/0,75=1,60.
Βλεπουμε δηλαδή ότι η απόδοση της Reading περιγράφεται
απο υψηλότερη τιμή σε σχέση με της West Brom και η φράση «Ε μα καλά αφού
εννοείται διότι κέρδισε» δεν εχει κάποια αξία.
Με τον ίδιο τρόπο έτρεξα τα 10 πρόσφατα αποτελέσματα και
υπολόγισα την απόδοση της επιθετικής συμπεριφοράς των 20 ομάδων.
Δεν ξέρω τι εντύπωση θα σας προκαλέσει ο πίνακας παρακάτω
αλλά έτσι έχουμε μία εικόνα όσον αφορά την επιθετική λειτουργία των ομάδων.
Αν εξαιρέσουμε το
«φουσκωμένο» για εμένα 4-0 της Chelsea βλέπουμε ότι οι Reading & Sunderland ήταν οι πιο αποδοτικές επιθετικά πάντα με αρκετή διαφορά απο
την αμέσως επόμενη Man.City.
Ενδιαφέρον επίσης είναι ότι το 0 ενεργητικό της Swansea μέσα
στο Goodison Park επί της Everton την κατατάσει στον πάτο.
Βέβαια η όψη του πίνακα μου γεννά ερωτηματικά και ιδέες ως
προς την αποκρυπτογράφησή του.
Θα πρέπει να λαμβάνουμε τον πίνακα σκεπτόμενοι ότι μας
υποδεικνύει τις πιο δυνατές ή πιο φορμαρισμένες ομάδες επιθετικά ή μήπως μας
ταξινομεί τις ομάδες βάσει έκπληξης απόδοσης τους;
Και για του λόγου του αληθές για να ρίξουμε μία ματιά στην
θέση και τις αριθμητικές τιμές των 2 συλλόγων του Manchester. Αντικειμενικά είναι οι 2 πιο
δυνατές για την ώρα ομάδες και οι τιμές τους είναι θετικές και κάτω απο 0,50.
Μήπως αυτές οι τιμές συμβολίζουν τη συνοχή που διακρίνει την απόδοση τους και
ότι ταυτόχρονα η απόδοσή τους αυτή ήταν αναμενόμενη;
Διότι πιστεύω οτι κανένας δεν φανταζόταν το 0-4 της Chelsea απένατι στην Stoke. Άρα μήπως το 3,67 σαν
τιμή δηλώνει το βαθμό έκπληξης όσον αφορά το αποτέλεσμα; Διότι ταυτόχρονα το
ότι ήταν κάτι αρκετά απίθανο αλλα πραγματοποιήθηκε το κατατάσει 1ο
σαν απόδοση. Ήταν ένα απο τα απίθανα σενάρια που πραγματοποιήθηκε.
Κλέινω το παρόν άρθρο (αλλά όχι το θέμα γενικότερα) εδώ αφήνοντας
τροφή για σκέψη και πειραματισμό και μελέτη.
4/4/12
Εγγραφή σε:
Αναρτήσεις (Atom)












