डेटा बनाम भाव की जीत

xG vs Fan Bias

मैंने सालों तक़िया कि फैन्स ‘गोल डिफरेंस’ को पवित्र रितुअल की तरह मानते हैं—जबकि xG मान स्क्रिप्ट की ‘कोल्ड कोड’ की तरह समझते हैं। प्रशंसा ‘क्लच मोमेंट’ पर स्थिरता से, मगर मेरी पोस्टीरियर प्रॉबेबिलिटीज़अलग-अलग कहानी है। मॉडल को ‘प्रिय’ टीम परफ़्‍‍यत? Nahi—यह p(x|data) > 0.5 से पढ़ता है।

The Myth of the Home Advantage

वे कहते हैं: ‘घर-फ़िल्ड’ ‘दिवाइन’ है। मुझे ‘एट’? Logistic regression ka η² = .12 (p < .05)। Emirates Stadium पर, हमने 42 मुक़ामों पर Monte Carlo simulations ki—घर-टीम्स kewal tabhi jab unki xG differential +0.18 goals per game se zyada thi. Koi jadu nahi—bas MCMC.

The 107–98 Duckworth-Lewis Paradox

आपने सुना: ‘107–98’ destiny hai. Nahi—it’s overfitting ka parinam chhota sample size aur survivorship bias ke result hai. Leagues mein average xG? Yeh folklore nahi—it’s frequentist fallacy jo nostalgia mein bana hua hai.

I faith ki zarurat nahi hoti jab Liverpool jeet karne ki—I credible intervals aur prior distributions chahiye jo five years ki cleaned data se bani hui. Asli jadu? Bayesian inference pressure mein—with no prayers, bas p-values.