Когда xG встречает предвзятие болельщиков

Когда xG встречает предвзятие болельщиков

Я годами наблюдал, как фанаты treats разницу в голах как ритуал — пока значения xG скользят сквозь их логику, как холодный код на Python. Они верят в «клатч-моменты» по инстинкту, но мои апостериорные вероятности рассказывают другую историю. Модель не заботится, если команда «любима» — ему важно только p(x|данные) > 0.5.

Миф домашнего преимущества

Говорят, что домашнее преимущество — божественно. Я говорю — это конфундер в логистической регрессии с эффектом η² = .12 (p < .05). На стадионе Эмиратс мы смоделировали 42 матча прошлого сезона: домашние команды побеждали только когда разница xG превышала порог на +0.18 мяча за игру. Нет магии — только MCMC.

Парадокс Дакворта-Льюиса 107–98

Вы слышали: «107–98» — это судьба. Это не так — это результат переобучения на малых выборках и смещении выживания в моделях с низкой дисперсией. Усреднение xG по лигам? Это не фольклор — это частотная заблуда в ностальгии.

Я не нуждаюсь в вере, чтобы предсказать победу Ливерпуля — мне нужны достоверные интервалы и априорные распределения из пяти лет очищенных данных. Реальная магия? Это байесовский вывод под давлением — без молитв, только p-значения.

Финальный выстрел: Доверьтесь модели, а не толпе

Следующий раз, когда кто-то скажет «это чувствуется правильно», спросите: Какова была апостериорная вероятность до удара? Если они не могут ответить — тогда вы знаете: это не про эмоции — это про снижение энтропии.