xG vs Fan Bias: Data yang Menang

Ketika xG Bertemu Fan Bias

Saya telah mengamati bagaimana suporter memperlakukan selisih gol seperti ritual sakral—sementara nilai xG menyusup melalui logika seperti kode dingin dalam Python. Mereka bersorak untuk ‘moments clutch’ berdasarkan insting, tapi probabilitas posterior menceritakan kisah berbeda. Model tak peduli jika tim ‘dicintai’—ia peduli jika p(x|data) > 0.5.

Mitos Keunggulan Rumah

Mereka bilang keunggulan rumah adalah ‘ilahi’. Saya katakan itu adalah confounder dalam regresi logistik dengan efek ukuran η² = .12 (p < .05). Di Emirates Stadium, kami menjalankan simulasi Monte Carlo pada 42 pertandingan musim lalu: tim rumah menang hanya ketika selisih xG melebihi baseline sebesar +0.18 gol per pertandingan. Tak ada sihir—hanya MCMC.

Paradoks Duckworth-Lewis 107–98

Anda dengar: ‘107–98’ adalah takdir. Bukan—itu hasil dari overfitting pada sampel kecil dan bias kelangsungan dalam model variansi rendah. Rata-rata xG antar liga? Itu bukan legenda—itu kesalahan frequentist yang terbungkus dalam nostalgia.

Saya tak butuh iman untuk memprediksi kemenangan Liverpool—I butuh interval kredibel dan distribusi prior yang dibangun dari lima tahun data yang bersih. Sihir sejati? Inferensi Bayesian di bawah tekanan—tanpa doa, hanya p-value.