Ranking soccer teams on basis of their current strength: a comparison of maximum likelihood approaches
我们提出了10个不同的强度为基础的统计模型,我们用来模拟足球比赛的结果,目的是产生一个新的排名。模型有四种主要类型:Thurstone-Mosteller,Bradley-Terry,独立泊松和双变量泊松,它们的共同点是参数通过加权极大似然估计,权重是比赛重要性因子和时间折旧因子,对很久以前的比赛给予较少的权重。由于我们的目标是建立一个反映球队当前实力的排名,我们通过国内联赛和国家队的排名概率得分,根据预测性能对10个模型进行比较。我们发现,最好的模型是二元和独立泊松模型。然后,我们说明了我们的新排名的通用性和实用性,通过三个例子,现有的排名未能提供足够的信息或导致奇特的结果。
2018-11-13 stat.AP
Hypergraph adjusted plus-minus
本文提出一种基于超图表示的调整正负值方法,可同时评估个体球员、低阶组合与完整阵容,并用2012-2022年NBA数据验证其有效性。
2025-05-08 stat.AP stat.ME
Ranking matters: Does the new format select the best teams for the knockout phase in the UEFA Champions League?
Corvinus University of Budapest(布达佩斯考文纽斯大学);Ghent University(根特大学);University of Pécs(佩奇大学);Eindhoven University of Technology(埃因霍温理工大学)
本文研究2024/25赛季欧足联冠军联赛联赛阶段的排名问题,评估现有积分制的有效性,并指出排名在赛事中的复杂性。
2025-08-27 math.OC physics.soc-ph stat.AP
On the ranking of a Swiss system chess team tournament
本文提出了一个家庭的配对比较为基础的评分程序排名的瑞士系统国际象棋团体锦标赛的参与者。我们提出了在瑞士系统中排名的挑战,个人和团队比赛的特点,以及基于字典顺序的官方排名的失败。比赛被表示为一个排名问题,这样的线性可解的行和(得分),广义行和,最小二乘法具有良好的公理性质。两个国际象棋队欧洲锦标赛作为案例研究进行了分析。最终的排名是比较他们的距离和可视化与多维尺度(MDS)。最小二乘法的分解揭示了官方排名的差异。排名通过预测能力、追溯性能和稳定性进行评估。本文主张使用最小二乘法与结果矩阵有利于匹配点的基础上,其相对不敏感的匹配和板点之间的选择,追溯的准确性和鲁棒性。
2017-10-26 cs.DM cs.GT math.CO
Intrinsic Classes in the Union of European Football Associations Soccer Team Ranking
欧洲足球协会联盟(UEFA)在2009-2014年期间对足球队进行了排名,发现了很强的结构规律性。根据5个赛季的比赛,它涉及424到453支球队。分析是基于排名大小理论的考虑,大小是在赛季结束时的欧足联系数。出现三类:(i)少数“顶级”团队,(ii)300个团队,(iii)分布尾部的其余参与团队(约150个)。有明显的经验法则描述每一个类。一个三参数的Lavalette函数被用来描述凹曲线随着秩的增加,并区分尾部从中心的行为。
2014-07-07 physics.soc-ph stat.AP
You Can Beat the Market: Estimating the Return on Investment for National Hockey League (NHL) Team Scouting using a Draft Value Pick Chart for the NHL
球探是任何职业运动队获得人才的重要组成部分。在国家曲棍球联盟(NHL),球探市场是由NHL中央球探服务,制定了一个排名草案合格的球员。除了中央球探排名,NHL球队使用自己的内部球探,以增加他们的知识,合格的球员,并制定自己的排名。使用一种新的统计方法,我们在本文中表明,额外的信息所拥有的团队提供更好的排名比中央侦察。使用1998年至2002年NHL选秀的数据,我们估计每支球队从内部球探中获得的平均年收益在180万美元至520万美元之间。这些值在我们考虑的三个球员生产力指标中是一致的:累计游戏次数,累计冰上时间和累计目标与阈值,我们在选秀后的前七年汇总了这些指标。我们使用这个时间框架,因为球队通常保留七年的选秀权。此外,我们发现,没有任何一支球队在选秀表现方面优于其他球队。我们分析的一个副产品是开发一个价值选择图表草案,以评估个人选择的价值。
2014-11-21 stat.AP
The Sensitivity of College Football Rankings to Several Modeling Choices
本文提出了一个多成员广义线性混合模型,用于大学足球队的排名,只使用他们的赢/输记录。由于结构的随机效应和非线性连接函数,该模型导致了一个棘手的高维积分。我们使用最近的数据集来探索积分近似和其他建模假设的选择对排名的影响。改变建模假设有时会导致球队排名的变化,这可能会影响碗分配。
2014-03-29 stat.AP
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
Prediction of the FIFA World Cup 2018 - A random forest approach with an emphasis on estimated team ability parameters
在这项工作中,我们比较了三种不同的建模方法的足球比赛的分数,他们的预测性能的基础上,从2002年至2014年的四届世界杯的所有比赛:泊松回归模型,随机森林和排名方法。前两种方法是基于团队的协变量信息,后一种方法估计足够的能力参数,最好地反映了团队的当前实力。在这个比较中,对训练数据表现最好的预测方法是排名方法和随机森林。然而,我们表明,通过将随机森林与排名方法的团队能力参数作为额外的协变量相结合,我们可以大大提高预测能力。最后,选择这种方法的组合作为最终模型,并根据其估计,反复模拟2018年FIFA世界杯,并获得所有球队的获胜概率。该模型在卫冕冠军德国之前稍微倾向于西班牙。此外,我们还提供了所有球队和所有锦标赛阶段的生存概率以及最有可能的锦标赛结果。
2018-06-13 stat.AP
Quantifying the relation between performance and success in soccer
关于体育活动的大量数据的可用性为量化表现与成功之间的关系提供了机会。在这项研究中,我们分析了6个欧洲联赛中的6,000多场比赛和1000万场比赛,并调查了足球比赛中的这种关系。我们发现,一个团队的竞争的最终排名的位置显着相关的典型性能,所描述的一组技术特征提取的足球数据。此外,我们发现,虽然胜利和失败可以解释的球队在比赛中的表现,这是很难通过使用机器学习方法来检测平局。然后,我们只依靠技术数据来模拟每个联赛整个赛季的结果,即排除进球,利用根据过去赛季数据训练的机器学习模型。模拟产生的球队排名(PC排名),这是接近实际排名,表明一个复杂的系统对足球的看法有可能揭示隐藏的模式之间的关系的性能和成功。
2017-09-26 stat.AP stat.ML
A simple Bayesian procedure for forecasting the outcomes of the UEFA Champions League matches
本文提出了一个贝叶斯实现的累积概率模型来预测欧洲冠军联赛的比赛结果。普通CDF的论点涉及一个分界点,主客场效应和两支竞争球队的实力差异。球队实力假设遵循高斯分布,其期望值表示为对球队外部评级的线性回归,例如来自欧洲足联俱乐部排名(UEFACR)或足球俱乐部世界排名(FCWR)。这些参数的先验在每个季节开始时根据前一个季节结束时获得的后验分布进行更新。这允许预测比赛的每个阶段的比赛结果:小组赛和淘汰赛。提交了2013-2014赛季的申请。基于FCWR的调整比基于UEFACR的调整效果更好。
2015-02-13 stat.AP
Analyzing and Forecasting Success in the Men's Ice Hockey World (Junior) Championships Using a Dynamic Ranking Model
本研究利用基于Plackett-Luce分布的动态排名模型,分析并预测男子冰球世界(青年)锦标赛中主场优势、过往表现、身体特征及经验等因素对国家队成功的影响,发现IIHF经验优于NHL经验,青年赛存在主场优势,并实现了对夺冠、获奖及晋级概率的预测。
2025-05-26 stat.AP
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
Partially Constrained Group Variable Selection to Adjust for Complementary Unit Performance in American College Football
鉴于准确的球队排名在美国大学橄榄球(CFB)的重要性-由于沉重的标题和季后赛的影响-已经取得了长足的进步,以改善评估指标的统计类别,从基本的平均值(例如每场比赛得分)的指标,调整球队的实力的时间表,但有一个方面没有被强调的是美式足球的互补性。尽管同一队的进攻和防守单位通常由不同的球员组成,但你的球队的防守(进攻)表现的某些方面可能会影响互补的一方:防守迫使你的失误可能会导致你的进攻更容易得分,而你的进攻控制时间的能力可能会帮助你的防守。对于2009-2019年的CFB赛季,我们将自然样条与分组惩罚方法相结合,以数据驱动的方式识别互补足球最具影响力的特征,进行部分约束优化,以进一步保证对赛程强度和主场因素的全面调整。我们触及的问题,由于某些游戏内动态的反向因果性质,讨论几个潜在的补救措施。最后,游戏结果的预测性能进行了比较,在几个排名调整方法的方法验证的目的。
2022-10-22 stat.AP
Alternative ranking measures to predict international football results
本研究针对国际足球赛事结果预测问题,对比评估多种统计与机器学习模型,结合贝叶斯Bradley-Terry-Davidson模型排名与FIFA官方排名,在两届杯赛场景下验证替代排名度量的预测效果。
2024-10-01 stat.AP
Hybrid Machine Learning Forecasts for the FIFA Women's World Cup 2019
TU Dortmund University(多特蒙德工业大学);Ghent University(根特大学);Technical University of Munich(慕尼黑工业大学);Universität Innsbruck(因斯布鲁克大学)
在这项工作中,我们结合了两种不同的排名方法与其他几个预测在一个联合随机森林方法的足球比赛的成绩。第一种排名方法是基于博彩公司的共识,第二种排名方法估计足够的能力参数,最好地反映了球队的当前实力。然后将所提出的综合方法应用于前两届国际足联女足世界杯2011年和2015年的数据。最后,基于所得到的估计,反复模拟2019年FIFA女足世界杯,并获得所有球队的获胜概率。该模型显然有利于卫冕冠军美国之前,东道国法国。
2019-06-03 cs.LG stat.AP stat.ML
Generation of Threat: Crediting football players for creating dangerous actions in an unbiased way
本文提出基于霍克斯过程的威胁生成指数GoT,以无偏方式量化球员直接及通过配合创造危险的能力,并应用于切尔西、雷恩及法甲球员排名,揭示多名被低估球员的贡献。
2025-02-05 stat.AP
Predictive Modeling of Lower-Level English Club Soccer Using Crowd-Sourced Player Valuations
本研究使用加权Colley和Massey排名方法结合Transfermarkt球员估值,预测整个英格兰足球联赛系统的比赛结果,发现移除异常球队后各级联赛预测难度相似,并质疑了其预测价值源于群体智慧的观点。
2024-11-13 stat.AP
Modeling and Prediction of the UEFA EURO 2024 via Combined Statistical Learning Approaches
TU Dortmund University(多特蒙德工业大学);Molde University College(莫尔德大学学院);Ghent University(根特大学);Technical University of Munich(慕尼黑工业大学);Universität Innsbruck(因斯布鲁克大学)
本研究结合广义线性模型、随机森林和极端梯度提升模型,基于历史比赛数据和三个增强变量预测UEFA EURO 2024,通过10万次模拟得出法国队以19.2%的夺冠概率领先。
2024-10-01 cs.LG stat.AP