Teleconnected warm and cold extremes of North American wintertime temperatures
本文针对北美冬季气温中暖极值与冷极值的遥相关现象，提出基于阿基米德copula旋转混合的空间极值统计建模框架，利用ERA5数据量化阿拉斯加暖极值与北美中纬度冷极值之间的相反尾部依赖，并将其与对流层中层环流型联系起来。
2022-08-25 stat.ME
Bayesian Hierarchical Models for the Prediction of Volleyball Results
近年来，体育数据的统计建模变得越来越流行，并且已经提出了不同类型的模型来实现各种目标：从识别导致球队获胜或失败的关键特征到预测比赛结果或国家联赛中的球队排名。虽然不像足球或篮球那样受欢迎，但排球是一项团队运动，几乎每个国家都有国家和国际级别的比赛。然而，几乎没有研究调查预测排球比赛的结果和球队在全国联赛中的排名。我们提出了一个贝叶斯层次模型的预测排名的排球国家队，这也允许估计的结果，在联赛中的每场比赛。我们考虑了两种不同复杂度的替代模型规格，这些规格使用2017-2018赛季意大利女排意甲A1的数据进行了验证。
2019-11-20 stat.AP
Bradley-Terry Modeling with Multiple Game Outcomes with Applications to College Hockey
Bradley-Terry模型以前曾被用于贝叶斯和频率论解释，以评估基于输赢游戏结果的运动队的优势。它还被扩展到处理其他可能的结果，如领带。我们实现了一个概括，其中包括多个可能的结果，如赢或输的监管，加班，或投篮。一个自然的应用是冰球比赛，如国际比赛，欧洲职业联赛和NCAA曲棍球，所有这些比赛都使用零和积分系统，将加时赛和点球大战的胜利视为胜利的1/3，将加时赛和点球大战的失败视为胜利的1/3。我们将其纳入概率模型，并评估相关的强度参数的后验分布使用的技术，如高斯展开的最大后验估计，和哈密顿蒙特卡罗。
2021-12-02 stat.AP
Who's good this year? Comparing the Information Content of Games in the Four Major US Sports
在北美四大职业体育（棒球、篮球、足球和曲棍球）中，常规赛的主要目的是确定哪些球队最有资格进入季后赛。有趣的是，虽然确定最佳球队的最终目标是相同的，但常规赛的比赛数量在不同的运动中有很大的差异，从16场（足球）到82场（篮球和曲棍球）再到162场（棒球）。虽然赛季的长度部分取决于许多因素，包括旅行物流，休息要求，季后赛结构和电视合同，但很难调和NFL和MLB之间比赛数量的10倍差异，除非足球比赛比棒球比赛更“信息”。在本文中，我们的目标是量化的信息量游戏产量有关的相对实力的团队参与。我们的策略是评估如何简单的配对比较模型拟合$X%$的游戏在一个赛季内预测的结果，其余的$(100-X)%$的游戏，多个值的$X$。我们比较了同一项运动和所有四项运动中不同季节的预测准确率曲线，发现美国四项主要运动中单个比赛结果产生的信息量存在巨大差异。
2015-01-28 stat.AP
Simulating MLB Seasons using Bayesian Inference and Random Walks
本文提出一种结合贝叶斯推断、随机游走与卡尔曼滤波的MLB赛季模拟框架，从20场预热期开始预测30支球队162场赛季的胜场分布及季后赛概率。
2025-05-08 stat.AP
Why is soccer so popular: Understanding underdog achievement and randomness in team ball sports
本文基于12项团队球类运动的国际赛事数据构建弱队取胜分数与随机性模型，发现足球是弱队最可能获胜的运动之一，并用PCA和相关性分析解释其随机成因。
2024-04-09 stat.AP
Scoring dynamics across professional team sports: tempo, balance and predictability
尽管人们对量化和建模职业体育比赛中的得分动态越来越感兴趣，但对不同运动中的模式或原则（如果有的话）知之甚少。使用一个全面的数据集的得分事件在近十个连续赛季的大学和职业（美国）足球，职业曲棍球，职业篮球，我们确定了几个常见的模式得分动态。在这些运动中，得分节奏-当得分事件发生时-紧密遵循一个共同的泊松过程，具有特定于运动的速率。同样，得分平衡--一个团队赢得一个项目的频率--遵循一个共同的伯努利过程，其参数实际上随领先优势的大小而变化。将这些过程结合到游戏的生成模型中，我们发现它们都再现了所有四项运动中观察到的动态，并准确地预测了游戏结果。这些结果表明，共同的动态模式下的比赛中的得分动态专业团队运动，并提出了具体的驱动机制。最后，我们简要讨论了我们的研究结果的影响，几个流行的假设运动动力学。
2014-03-20 cs.CY physics.data-an physics.soc-ph
Bayesian estimation of in-game home team win probability for Division-I FBS college football
Maddox等人[9，10]建立了贝叶斯方法，用于估计大学和NBA篮球的主队在比赛中获胜的概率。本文介绍了一种贝叶斯方法，估计在游戏中的主队获胜概率，第一部FBS大学（美国）足球，使用预期剩余财产和预期得分作为两个预测。模型估计这些提出和比较。这些，以及其他预测被引入到两个贝叶斯方法的最终估计在游戏中的主队获胜概率。为了说明效用，方法被应用于贝勒和俄克拉荷马州之间的2021年大十二联盟足球锦标赛比赛。
2022-07-27 stat.ME
Going Deep: Models for Continuous-Time Within-Play Valuation of Game Outcomes in American Football with Tracking Data
在过去的十年中，对体育比赛结果的连续时间评估变得越来越普遍。在美式足球中，只有离散时间的比赛价值估计是可能的，因为最先进的公共足球数据集是在逐场比赛的水平上记录的。虽然诸如预期得分和获胜概率之类的指标对于评估足球比赛和比赛情况是有用的，但还没有研究这些值在整个比赛过程中如何变化。在这项工作中，我们做了两个主要的贡献：首先，我们介绍了一个通用的框架，连续时间内发挥估值在国家足球联赛中使用球员跟踪数据。我们的模块化框架集成了几个模块化的子模型，可以轻松地将最近的工作，涉及足球运动员跟踪数据。其次，我们使用长短期记忆递归神经网络来构建一个持球者模型，以估计持球者预计从当前位置获得多少码，条件是持球者，他们的队友和对手的位置和轨迹。此外，我们证明了一个扩展与条件密度估计，使任何措施的发挥价值的期望可以计算在连续时间，这是以前从来没有可能在这样一个粒度级别。
2019-11-13 stat.AP
Protocol for an Observational Study on the Effects of Adolescent Physical Activity and Sports Participation on Flourishing and Academic Engagement
University of Pennsylvania（宾夕法尼亚大学）；University of Michigan（密歇根大学）
本研究提出观察性方案，利用全国儿童健康调查数据，通过新颖的数据周转统计设计，在三个时间段考察青少年体力活动与运动参与对蓬勃发展及学业投入的影响，以评估结论的可复制性。
2026-09-29 stat.AP
A Bayesian Quest for Finding a Unified Model for Predicting Volleyball Games
排球是一项具有独特性和特殊性的团队运动。我们介绍了一个新的两级分层贝叶斯模型，占这些排球的具体特点。在第一个层次中，我们用一个简单的逻辑斯谛回归模型对集合结果进行建模。在第二个层次中，我们使用截断负二项分布来计算输方的得分。引入了一个附加的泊松分布膨胀分量来模拟两队积分差小于两分的情况下的加分。每个集合中获胜者的点数由集合的获胜者和膨胀分量的点数确定性地指定。团队特定能力和主场效应用作模型所有层（集、点和额外膨胀点）的协变量。在意大利超级联赛2017/2018数据上实施所提出的模型显示出最终联赛表的特殊再现性和令人满意的预测能力。
2020-04-15 stat.AP stat.CO
Analytics, have some humility: a statistical view of fourth-down decision making
本文从统计学视角指出，基于机器学习的美式橄榄球第四次进攻决策存在巨大不确定性，通过 bootstrapping 方法量化不确定性，发现其实际不确定性远超体育媒体分析师所表达的程度。
2025-01-31 stat.AP
Real-time Win Probability and Latent Player Ability via STATS X in Team Sports
Waseda University（早稻田大学）
本文提出基于统计框架的实时胜率评估和球员能力分析方法，引入T分数和STATS X指数，实现对团队和球员的结构化评估。
2026-10-30 stat.AP stat.ML
Fairly Random: The Impact of Winning the Toss on the Probability of Winning
在竞技体育中，每一件小事都很重要。然而，许多运动项目都把一些大的杠杆放在了球队无法企及的地方，掌握在命运的手中。板球是世界上第二受欢迎的运动，在某种程度上，其中一个杠杆-掷球-最近受到了很大的关注。使用一个包含44，224场板球比赛的大型数据集，我们估计了赢得掷硬币对获胜概率的影响。数据表明，赢得掷硬币增加了一个小的（$\sim$ 2.8\%），但显着的保证金获胜的机会。优势的变化是巨大的和系统的，取决于竞争队伍的匹配程度，以及比赛条件-同义反复，在掷币给予更大优势的条件下赢得掷币，例如，在白天和黑夜的比赛中，对获胜的概率有较大的影响。
2016-05-27 stat.AP stat.OT
Coronavirus and sports leagues: obtaining a fair ranking when the season cannot resume
许多体育联赛都是以严格的循环赛形式进行的，这使得推迟比赛的时间有限。如果赛季因外部冲击（如2020年的冠状病毒疫情）而无法恢复，球队的排名就变得不那么简单了：有必要考虑赛程的不平衡以及可能的比赛数量的不同。首先在文献中，我们确定了一组所需的公理在这些不完整的比赛排名。它被验证，广义行和，参数家庭的评分规则，满足所有这些。特别是，成熟的最小二乘法最大限度地提高了对手的实力对排名的影响。我们的方法是适用于六个主要的总理欧洲足球比赛，排名被发现是强大的关于调整对手的实力的权重。一些方法上更简单的替代政策进行了讨论。
2021-05-23 stat.AP
Exploring the Difficulty of Estimating Win Probability: A Simulation Study
本文通过构建简化橄榄球随机游走模型开展模拟研究，发现观测数据的依赖结构会显著增加胜率估计器的偏差与方差、降低有效样本量，且该结论广泛适用于体育分析领域。
2025-08-20 stat.AP stat.ME
Spatio-Temporal Movements in Team Sports: A Visualization approach using Motion Charts
分析运动和研究运动员的轨迹是一个团队在寻求提高赢得比赛的机会或了解其表现时的关键需求。最先进的跟踪系统现在产生具有高清晰度和频率的玩家轨迹的时空轨迹，这促进了各种研究工作以从轨迹中提取洞察力。尽管已经提出了许多从不同学科（机器学习，网络和复杂系统，GIS，计算机视觉，统计学）借用的方法来满足团队的需求，但仍然缺少一种友好且易于使用的方法来可视化时空运动。本文介绍了GoogleVis R软件包中gvisMotionChart函数的使用。我提出并讨论了一个篮球案例研究的结果。数据指的是2016年3月22日意大利队激进分子在“C-gold”联赛中的一场比赛。通过这个案例研究，我表明，这样的可视化方法可能是有用的，在支持研究人员对体育运动的分析的最后阶段，并促进他们的结果的解释。
2016-11-30 stat.AP
iWinRNFL: A Simple, Interpretable & Well-Calibrated In-Game Win Probability Model for NFL
在过去的几个体育赛季中，人们对几乎所有体育项目中出现的几次高调的“复出”进行了大量的讨论。骑士队在2016年NBA总决赛对阵金州勇士队的系列赛中以3-1落后后赢得了总冠军，芝加哥小熊队和世界大赛的情况也是如此。爱国者队在2016年赢得了超级碗，尽管他们在第三节末落后25分，而巴塞罗那足球俱乐部在2016-17赛季冠军联赛的前16轮比赛中，在比赛的最后7分钟（包括补时阶段）对阵PSG的比赛中打入3球。这使得各种概率预测模型的鲁棒性和准确性受到高度关注。这些模型中的许多都是专有的，这使得很难评估。在本文中，我们建立了一个简单而开放的，但强大的和良好的校准，在游戏中的概率模型预测在NFL（iWinRNFL）游戏的赢家。特别是，我们建立了一个逻辑斯谛回归模型，利用一组10个变量来预测主队的获胜概率。我们训练我们的模型，使用详细的比赛数据，从过去7个NFL赛季获得通过联盟的API。我们的研究结果表明，在75%的情况下，iWinRNFL提供了一个准确的赢家预测，相比之下，63%的准确率基线赛前获胜概率模型。最重要的是，iWinRNFL提供的概率是经过良好校准的。最后，我们还使用相同的特征集评估了更复杂的非线性模型，性能没有任何显着提高。
2018-03-14 stat.AP
Footballonomics: The Anatomy of American Football; Evidence from 7 years of NFL game data
NFL球队会做出理性的决定吗？哪些因素可能影响NFL比赛获胜的概率？一支球队如何从一次令人沮丧的拦截中恢复过来？在这项研究中，我们首先研究的假设，合理的教练，也就是说，教练的决定总是理性的最大化的预期得分。我们通过分析在过去7个NFL赛季中为两个特定的比赛所做的决定来拒绝这一假设;（i）触地得分（PAT）和（ii）第四次进攻决定。在拒绝了理性教练假设之后，我们继续研究收集的详细比赛数据如何潜在地为比赛日的决策提供信息。虽然NFL球队的工作人员肯定有一个直觉，哪些因素是赢得比赛的关键，在这项工作中，我们采取了数据驱动的方法，并提供了量化的证据，使用2009年至2015年7年期间的NFL比赛的大型数据集。特别是，我们使用了逻辑斯谛回归模型来识别的影响和相应的统计显著性的因素，如控球时间，罚球码数，传球和抢攻之间的平衡等，我们的结果清楚地表明，避免失误是赢得比赛的最佳策略，但失误可以克服让进攻在球场上更多的时间。最后，我们结合我们的描述性模型与统计引导，以提供一个预测引擎，为即将到来的NFL比赛。我们的评估表明，即使只考虑少量（直接）因素，我们也可以实现非常好的预测精度。特别是，2014年和2015年的平均准确率约为63%。这种性能与更复杂的最先进的预测系统相当，同时在60%的时间内优于专家分析师。
2016-12-20 stat.AP
Does the winning team always covers the point spread? A study in professional basketball since 1990
在体育博彩中，预测比赛的获胜者比预测下注的球队更容易。因为，获胜的球队可能不会支付赌注。本研究的重点是变量赢的投注变量覆盖点传播的关系。该研究使用来自职业篮球的数据（投注线和分数）进行，并试图回答这个问题：获胜的球队总是覆盖点差吗？为了回答这个问题，进行回归分析，考虑到最多和最少获胜的球队，连同他们的投注变量，自1990-1991年NBA赛季。回归结果被插入SPXS专家系统，揭示了一个间接的因素分析，相关的投注变量与球队获胜的百分比。
2019-01-17 stat.AP
Predicting sports scoring dynamics with restoration and anti-persistence
职业团体运动为研究社会竞争的动力学提供了一个很好的领域。这些游戏是用简单的，定义明确的规则和回报来构建的，这些规则和回报允许一组高维的可能行动和非平凡的得分动态。由此产生的游戏玩法和预测其演变的努力是体育专业人士和爱好者都非常感兴趣的对象。在本文中，我们考虑两个在线预测问题的团队运动：~给定一个部分观察的游戏谁会得分下一个？最终谁会赢？我们提出了新的可解释的生成模型的游戏内得分，允许依赖于铅的大小（恢复）和最后一个团队得分（反持久性）。然后，我们将这些模型应用于四个体育联盟在十年内的全面比赛得分数据。通过评估这些模型的相对拟合优度，我们揭示了驱动观察到的每项运动的得分动态的潜在机制。此外，在这两个预测任务中，我们的模型的性能始终优于基线模型，并且随着时间的推移，我们的模型对潜在的团队技能进行了定量评估。
2015-04-22 cs.CY physics.data-an stat.AP
A Skellam Regression Model for Quantifying Positional Value in Soccer
足球无疑是世界上最受欢迎的运动，从总经理和教练组到球迷和媒体，每个人都对评估球员的表现感兴趣。在其他体育运动中成功应用的分数，例如（调整后的）+/-，允许在篮球队的球员之间分配积分，由于严重的共线性，当应用于足球时表现出几个挑战。最近，已经利用光学跟踪数据开发了许多玩家评估指标，但它们是基于专有数据的。在这项工作中，我们的目标是开发一个开放的框架，可以估计的预期贡献的足球运动员，他的球队的获胜机会，使用公开的数据。特别是，使用来自（i）8个赛季中来自11个欧洲联赛的约20，000场比赛的数据，以及（ii）来自FIFA视频游戏的球员评级，我们通过一个Elementlam回归模型估计每条线（攻击者，中场，防守者和守门员）在赢得足球比赛中的重要性。因此，我们将该模型转换为预期的联赛积分增加以上的替代球员（eLPAR）。该模型还可以作为指导，根据球员在球场上的预期贡献分配球队的工资预算。我们使用英超联赛的年薪数据展示了类似的应用程序，并发现证据表明，在我们的数据集中，市场似乎低估了防守球员相对于守门员的价值。
2020-12-01 stat.AP
Fair tournament design: A flaw of the UEFA Euro 2020 qualification
如果一项运动的规则惩罚获胜者，那么它的完整性就会受到严重破坏，因为这会刺激战略操纵。因此，如果整体获胜概率不是根据球队过去表现的排名来排序的，那么体育比赛可以被称为不公平的。我们提出了如何统计方法可以有助于选择一个锦标赛的格式，是符合上述公理。特别是，2020年欧洲足球锦标赛的资格被证明违反了这一要求：作为2018/19年欧洲足球国家联赛排名最低的联赛D中的顶级球队，与排名较高的联赛C中的垫底球队相比，大大增加了晋级的可能性。通过稍微改变2020年欧洲杯预选赛的路径形成政策，可以显着减少甚至消除不公平。错位的设计严重惩罚了一支几年前赢得比赛的球队。由于这一缺陷是资格赛过程的固有特征，欧洲足球协会联盟（欧足联）应重新考虑未来锦标赛的形式，以消除某些球队享有的不公平优势。
2021-02-12 physics.soc-ph stat.AP
Realignment in the NHL, MLB, the NFL, and the NBA
体育联盟由细分为不同部门的会议组成。球队在各自的分区内打了很多比赛，而在不同的分区和会议中与球队打的比赛更少。通常，联赛结构从一个赛季到下一个赛季保持稳定。然而，当增长或收缩发生时，结构会发生变化，自1967年以来，北美四大职业体育联盟的重组已经发生了25次以上。在本文中，我们描述了一种方法重新调整体育联盟，是灵活的，自适应的，并使建设的时间表，最大限度地减少旅行，同时满足其他标准。我们不建立时间表;我们开发的联盟结构，支持后续建设的有效时间表。我们最初的重点是NHL，它有一个迫切需要重新调整后，最近的亚特兰大Thrashers温尼伯移动，但我们的方法可以适应几乎任何情况。我们研究了各种方案的NHL，并将我们的方法应用于NBA，MLB和NFL。我们发现MLB和NFL的最大改进，采用最佳解决方案将减少约20%的联盟旅行。
2013-02-18 cs.SI physics.soc-ph stat.AP
Using Logistic Regression to Analyze the Balance of a Game: The Case of StarCraft II
近年来，网络游戏的市场规模迅速增长，优秀的游戏设计也越来越重要。在网络游戏中，通常是一个人类用户与其他人竞争，因此游戏系统对所有用户的公平性非常重要，以免失去用户在游戏中的利益。此外，电子竞技和专业游戏的出现和成功，特别是有天赋的游戏玩家与其他人竞争，使人们更加关注他们是否在公平的环境中竞争。无论游戏设计界的争论有多激烈，很少有人会用统计分析来认真回答这个问题。但是考虑到我们可以很容易地收集大量的游戏用户行为数据，利用这些数据来帮助做出游戏设计问题的决策似乎是有益的。实际上，现代游戏的目标并不是立即完美地设计游戏：相反，他们首先发布游戏，然后监控用户的行为以更好地平衡游戏。在这种情况下，统计分析特别有用。具体来说，我们选择分析《星际争霸2》的平衡性，这是一款非常成功的即时战略（RTS）游戏。它是当前电子竞技和职业游戏社区的核心图标：从4月1日到15日，有18场星际争霸II比赛。然而，关于锦标赛的获胜者是否实际上优于其他人，或者这在很大程度上是由于游戏的某些设计缺陷，存在无休止的争论。在本文中，我们的目的是回答这样一个问题，使用传统的统计工具，逻辑斯谛回归。
2011-05-04 cs.MM stat.AP
Soccer: a quantitative analysis of team resilience and the miracle of Bern
本文提出衡量足球队韧性的新方法，分析德甲59个赛季数据并与泊松分布理论模型比较，揭示领先球队与平均水平的韧性差异。
2026-11-03 physics.pop-ph physics.soc-ph stat.AP
The Blown Lead Paradox: A Pathwise Calibration Benchmark for Win Probability Forecasts
本文研究序列概率预测中的极值路径行为，提出基于终端结果的极值路径函数的基准分布，通过连续时间和离散时间模型提供精确闭式解和有限样本界，用于诊断序列预测偏差。
2026-08-27 math.PR stat.AP stat.ME
