L’equazione magica del calcio?

Sono ora cinque articoli di questa serie e stiamo iniziando a fare progressi nell’applicazione della matematica al calcio. Ho iniziato mostrando che c’è molta casualità e fortuna nelle partite e molte statistiche, come il possesso, non ci aiutano a prevedere il gioco . Quindi, negli ultimi due articoli, ho sviluppato un modello, noto come obiettivi previsti che valuta i team in termini di possibilità che creano. Gli obiettivi previsti potrebbero essere l’equazione che consente ai fan di comprendere meglio la loro squadra, i manager a migliorare le loro tattiche e gli scommettitori per battere i bookmaker?

Temo che la risposta sia “no”. Gli obiettivi previsti non sono l’equazione magica del calcio. L’analisi del calcio ha ancora molta strada da fare. Gli obiettivi previsti sono un punto di partenza, ma dobbiamo anche pensare ai limiti di questa tecnica.

Consente innanzitutto di riproporre a cosa servono gli obiettivi previsti: gli obiettivi previsti sono una misura del fatto che una squadra stia generando buone possibilità. Le squadre che effettuano più tiri da posizioni migliori superano quelle che sparano meno spesso da più lontano. E le statistiche supportano questa osservazione: le squadre con obiettivi previsti più alti in passato hanno maggiori probabilità di vincere le partite in futuro. Gli obiettivi previsti sono semplicemente un modo per misurare la qualità delle possibilità e ogni tifoso, giocatore o manager che desidera approfondire le prestazioni della propria squadra dovrebbe essere consapevole degli obiettivi previsti della propria squadra.

Tuttavia, gli obiettivi previsti non sono l’unico modo per misurare le possibilità. Può sembrare ovvio affermare, ma non dovremmo dimenticare che un altro modo molto valido per valutare quanto bene una squadra sta giocando è effettivamente guardare le loro partite!

Quando Opta raccoglie dati sui colpi, il loro operatore prende nota del fatto che considera un colpo una grande opportunità. Ciò che rende un colpo o un colpo di testa una grande chance è difficile da definire, ma molti di noi sanno quando ne vediamo uno. E gli operatori Opta ricevono una formazione per assicurarsi che siano coerenti il ​​più possibile nel modo in cui categorizzano i colpi.

Queste grandi probabilità valutate dall’uomo sono una buona misura della probabilità che un goal venga segnato. In realtà, sono buoni quanto gli obiettivi previsti. Gli umani sono bravi quanto le statistiche nel valutare la qualità delle possibilità che una squadra sta creando. La trama qui sotto confronta le grandi possibilità del Liverpool nelle prime sette settimane della Premier League, insieme alle loro possibilità che avevano un valore obiettivo previsto superiore al 20%. I cerchi neri indicano un obiettivo.

Il Liverpool ha avuto molte occasioni in questa stagione. Il Liverpool ha un numero elevato di obiettivi previsti. Il Liverpool è un’ottima squadra in questa stagione sia in base ai numeri che alle persone che li guardano giocare.

Per chiunque miri a realizzare un profitto utilizzando un modello di obiettivi attesi, le grandi probabilità sono un grosso problema. Il tuo modello è contro gli occhi di migliaia di fan che guardano la partita. Sono le scommesse fatte da questi scommettitori che determinano le probabilità dei bookmaker, ed è questa ‘saggia folla’ che devi sovraperformare per fare soldi. E non sembra che gli obiettivi previsti superino questo test. Le persone sono brave quanto le statistiche nel valutare le prestazioni di una squadra.

Nel mio libro Soccermatics ho messo alla prova il modello di obiettivi attesi e ho scoperto che si è più o meno rotto anche contro le probabilità dei bookmaker, ma senza realizzare profitti consistenti.

Quindi dove ci lascia questo in termini di cercare di capire il calcio usando i dati e la matematica? In realtà, è qui che le cose diventano ancora più interessanti. Se vogliamo usare la matematica di quanto abbiamo bisogno per andare più in profondità della casualità, possesso e tiro. Dobbiamo vedere dove le squadre stanno riguadagnando la palla difendendosi, come i giocatori si collegano tra loro attraverso il passaggio e dove si verificano i passaggi chiave sul campo. Questo è ciò che faremo nei prossimi articoli.

Ulteriori letture

Jan Mullenberg mi ha avvertito per la prima volta del problema con le grandi probabilità e gli obiettivi previsti. Illustra chiaramente il punto in questo articolo.

Michael Caley fornisce un resoconto equilibrato di alcune limitazioni con gli obiettivi previsti qui.

Scatola geek

Per testare la relazione tra grande probabilità e obiettivi attesi, ho inserito due modelli, uno basato sull’osservazione umana e l’altro sulle statistiche, usando la regressione logistica (vedi riquadro geek nell’articolo 3). Il primo modello era la probabilità di segnare in funzione del fatto che un tiro fosse una grande possibilità. Il modello più adatto era

P (goal) = 0,055 “se il tiro non è grande probabilità o 0,388 ” se il tiro è grande possibilità ”

Questo modello ha avuto Rsquared = 0,159.

Il secondo modello era una regressione logistica su una gamma di variabili che non includeva Big Chance. Il modello più adatto alla probabilità di segnare includeva i seguenti fattori: distanza dalla linea di fondo, distanza dal centro del campo, se l’attacco era una pausa veloce, se il tiro veniva da un angolo, se lo sforzo era forte o debole, che fosse nasce da un tiro al volo o da un tiro al volo e se proviene dal gioco individuale. Pur avendo molti più parametri, questo modello aveva un Rsquared = 0.167, solo leggermente più grande del modello Big Chance. Concludo pertanto che il modello statistico non supera il modello basato sulla valutazione umana.

Questo articolo è originariamente apparso sulla scommessa nordica.