La probabilidad de victoria es una herramienta estadística que sugiere las posibilidades de que un equipo deportivo gane en un momento dado de un juego, basándose en el desempeño de equipos históricos en la misma situación. [1] El arte de estimar la probabilidad de victoria implica elegir qué elementos del contexto son importantes. Las estimaciones de probabilidad de victoria en el béisbol a menudo incluyen si un equipo está de local o de visitante, la entrada, la cantidad de outs, qué bases están ocupadas y la diferencia de puntaje. Debido a que el béisbol avanza bateador por bateador, cada nuevo bateador introduce un estado discreto. Hay un número limitado de estados posibles, por lo que las herramientas de probabilidad de victoria en el béisbol generalmente tienen suficientes datos para hacer una estimación informada.
Las estimaciones de probabilidad de victoria en el fútbol americano suelen incluir si un equipo juega de local o de visitante, la jugada y la distancia, la diferencia de puntuación, el tiempo restante y la posición en el campo. El fútbol americano tiene muchos más estados posibles que el béisbol con muchos menos partidos, por lo que las estimaciones de fútbol tienen un margen de error mayor. El primer análisis de probabilidad de victoria lo realizaron en 1971 Robert E. Machol y el ex mariscal de campo de la NFL Virgil Carter .
Como breve ejemplo, la suposición de que cada equipo que juega de local ganará se basa en la ventaja de jugar de local . Esta suposición utiliza un único factor contextual e implica una gran cantidad de partidos. Pero con un solo factor, la precisión de esta suposición se limita a la ventaja de jugar de local en sí (alrededor del 55-70 % en todos los deportes) y no cambia dentro del partido en función de factores internos.
La probabilidad de victoria agregada es el cambio en la probabilidad de victoria, a menudo cómo una jugada o un miembro del equipo afectó el resultado probable del juego. [2]
El trabajo de investigación actual implica medir la precisión de las estimaciones de probabilidad de victoria, así como cuantificar la incertidumbre en las estimaciones individuales. [3] [4] Es decir, si una herramienta estima una probabilidad de victoria del 24% porque el 24% de los equipos anteriores en esa situación ganaron sus partidos, ¿los equipos futuros ganan con la misma tasa del 24%? La estimación a partir de datos ocultos utiliza herramientas de prueba como la validación cruzada .
Si bien muchos modelos implican análisis de frecuencia de eventos pasados, otros modelos utilizan procesos bayesianos. [5]
Algunos modelos incluyen una medida de la fuerza de los equipos antes del partido, mientras que otros suponen que todos los equipos son promedio. Incluir estimaciones de fuerza aumenta la cantidad de estados posibles y, por lo tanto, disminuye la potencia de una estimación, aunque posiblemente aumente su precisión. [6]
{{cite journal}}: Para citar una revista se requiere |journal=( ayuda ) doi:10.7910/DVN/25502