फुटबॉल में Poisson वितरण और गोल मॉडलिंग

यदि आपने कभी किसी मैच पूर्वावलोकन शो को देखा है जहाँ मेज़बान कहता है "इस फिक्स्चर में 2.3 अपेक्षित गोल लाइन है, जिसका अर्थ है 2.5 से अधिक की 61% संभावना," तो आप क्रिया में Poisson अंकगणित देख रहे थे। यदि आपने एक संभावना त्रिक (होम जीत 58%, ड्रॉ 25%, अवे जीत 17%) देखी है जो कहीं से नहीं आती लग रही थी, तो उसे उत्पन्न करने वाली गणना लगभग निश्चित रूप से एक Poisson अनुकरण थी।

Poisson अधिकांश फुटबॉल गोल मॉडलों के अंतर्गत सांख्यिकीय इंजन है। यह 50 वर्षों से वहाँ है, चुपचाप संभावना संख्याएँ उत्पन्न कर रहा है जिन्हें बाद में अधिक फैशनेबल शब्दावली के साथ वर्णित किया जाता है। यह कैसे काम करता है यह समझना "एआई फुटबॉल विश्लेषण" वास्तव में हुड के नीचे क्या कर रहा है उसका बहुत कुछ रहस्योद्घाटन करता है।

Poisson वास्तव में क्या है

एक Poisson वितरण एक निश्चित समय खिड़की में कुछ घटनाओं की संभावना का वर्णन करता है, औसत दर को देखते हुए।

औपचारिक रूप से: यदि घटनाएँ प्रति इकाई समय निरंतर औसत दर λ (लैम्ब्डा) पर होती हैं, और वे एक दूसरे से स्वतंत्र रूप से होती हैं, तो उस खिड़की में ठीक k घटनाओं के होने की संभावना है:

P(k) = (λ^k × e^(-λ)) / k!

आपको गणित से प्यार करने की आवश्यकता नहीं है। व्यावहारिक अर्थ:

• λ = 1 का अर्थ है कि घटना औसतन प्रति खिड़की एक बार होती है। P(0) ≈ 37%, P(1) ≈ 37%, P(2) ≈ 18%, P(3) ≈ 6%, P(4+) ≈ 2%।
• λ = 2 का अर्थ है प्रति खिड़की दो बार। P(0) ≈ 14%, P(1) ≈ 27%, P(2) ≈ 27%, P(3) ≈ 18%, P(4) ≈ 9%, P(5+) ≈ 5%।
• λ = 3 का अर्थ है प्रति खिड़की तीन बार। P(0) ≈ 5%, P(1) ≈ 15%, P(2) ≈ 22%, P(3) ≈ 22%, P(4) ≈ 17%, P(5+) ≈ 19%।

क्यों Poisson फुटबॉल गोल-स्कोरिंग के लिए फिट बैठता है

तीन कारण क्यों फुटबॉल के लिए धारणा मोटे तौर पर सही है।

गोल दुर्लभ हैं। अधिकांश मैच 0-5 गोल देखते हैं। Poisson 0-5 सीमा को साफ-सुथरा संभालता है।

गोल लगभग स्वतंत्र समय पर होते हैं। एक बार जब आप खेल-स्थिति प्रभावों को हटा देते हैं, तो एक मैच के भीतर गोल लगभग निरंतर दर पर होते हैं।

दर टीम की गुणवत्ता से प्राप्त की जा सकती है। यदि टीम A की औसत स्कोरिंग दर 1.5 गोल/मैच है और टीम B की रक्षात्मक दर 1.2 गोल/मैच स्वीकार करती है, तो इस फिक्स्चर में टीम A के लिए अपेक्षित गोल कुछ भारित मिश्रण है। Poisson उस λ को लेता है और एक पूर्ण वितरण उत्पन्न करता है।

इन्हें मिलाएँ और आपको एक काम करने योग्य मॉडल मिलता है: प्रत्येक मैच के लिए, दोनों पक्षों के लिए अपेक्षित दरें प्राप्त करें, गोल-गणना वितरण उत्पन्न करने के लिए प्रत्येक पर Poisson लागू करें, उन्हें एक परिणाम मैट्रिक्स में संयोजित करें।

Poisson एक संभावना त्रिक कैसे बनाता है

टीम A (अपेक्षित गोल 1.8) और टीम B (अपेक्षित गोल 1.2) के बीच एक फिक्स्चर के लिए, अनुकरण:

1. टीम A के लिए λ=1.8 के साथ Poisson का उपयोग करते हुए, P(टीम A 0 स्कोर करती है), P(1), P(2), P(3), P(4), P(5+) की गणना करें।
2. टीम B के लिए λ=1.2 के साथ Poisson का उपयोग करते हुए, टीम B के लिए वही गणना करें।
3. स्वतंत्रता मानते हुए (पहली Poisson धारणा), गुणा करें: P(टीम A N स्कोर करती है और टीम B M स्कोर करती है) = P(A=N) × P(B=M)।
4. होम जीत के लिए N > M, ड्रॉ के लिए N = M, अवे जीत के लिए N < M पर योग करें।
5. यदि आवश्यक हो तो सामान्यीकृत करें।

परिणाम: मैच के लिए संभावना त्रिक, पूरी तरह से दो अपेक्षित-गोल संख्याओं से प्राप्त। अधिकांश मैचों के लिए एक सभ्य फिट।

Poisson कहाँ टूटता है

चार वास्तविक विफलता मोड जिन्हें आधुनिक मॉडलिंग सही करने की कोशिश करती है।

खेल-स्थिति निर्भरता। अंतिम 20 मिनट में 0-1 घाटे का पीछा करने वाली टीम अलग खेलती है। उनकी गोल दर पूर्व-मैच अपेक्षा से ऊपर बढ़ जाती है।

ड्रॉ मुद्रास्फीति। कम-स्कोरिंग मैचों में (प्रति पक्ष λ 1.5 से कम), Poisson 1-1 और 0-0 दोनों के लिए अनुमान को अधिक आँकता है। Dixon और Coles ने 1997 में एक सुधार प्रस्तावित किया।

टीमों के बीच सहसंबंध। एक टीम के गोल दूसरे से पूरी तरह स्वतंत्र नहीं हैं। Bivariate Poisson मॉडल एक छोटा सहसंबंध पैरामीटर जोड़ते हैं।

चरम स्कोरलाइन। Poisson वितरण की दाहिनी पूँछ (5-0, 6-0, 7-0) कच्चे Poisson में पतली होती है लेकिन बेमेल में अधिक बार देखी जाती है।

आउटकम संभावनाओं से परे Poisson

Poisson गणित कई डाउनस्ट्रीम मेट्रिक्स को सक्षम करती है:

अपेक्षित अंक (xPts)। प्रत्येक मैच के लिए, Poisson के माध्यम से परिणाम वितरण का अनुकरण करें, प्रत्येक पक्ष के लिए अपेक्षित अंकों की गणना करें।

विंडो पर अपेक्षित गोल। एक टीम का xG इतिहास Poisson के साथ मिलकर उनके सीज़न गोल कुल का संभावना वितरण उत्पन्न करता है।

ओवर/अंडर और BTTS संभावनाएँ। सभी Poisson अनुकरण द्वारा निर्मित परिणाम मैट्रिक्स से व्युत्पन्न।

Tactiq Poisson-शैली गोल मॉडलिंग को कैसे संभालता है

Tactiq का विश्लेषण मैच कार्ड पर सतह पर आने वाली संभावना त्रिक का उत्पादन करने के लिए अपनी पाइपलाइन के हिस्से के रूप में अनुकरण-आधारित संभावना अनुमान का उपयोग करता है। विशिष्ट दृष्टिकोण उत्पाद के भीतर रहता है।

उपयोगकर्ता के लिए, प्रभाव यह है कि मैच कार्ड पर तीन संभावनाएँ अपेक्षित-गोल अनुमानों और टीम-ताकत संकेतों में आधारित एक अनुकरणित परिणाम वितरण को दर्शाती हैं। आत्मविश्वास संकेतक दर्शाता है कि उस विशिष्ट फिक्स्चर के लिए वितरण इनपुट संकेतों में छोटे परिवर्तनों के प्रति कितना संवेदनशील है।

उपयोगकर्ता मैच कार्ड पर क्या देखता है:

• अनुकरण के माध्यम से उत्पादित परिणाम के लिए संभावना त्रिक।
• हाल की प्रवृत्ति के साथ प्रत्येक पक्ष के लिए अपेक्षित गोल।
• एक लिखित विश्लेषण।
• कहीं भी कोई बाहरी बाज़ार डेटा नहीं। केवल सांख्यिकीय विश्लेषण।

मुख्य बात

Poisson अधिकांश फुटबॉल गोल मॉडलिंग के नीचे सांख्यिकीय कार्यघोड़ा है। यह जल्दी से गणना करने के लिए पर्याप्त सरल है, अधिकांश मैचों को फिट करने के लिए पर्याप्त अच्छा है, और वह नींव है जिस पर अधिक परिष्कृत परिशोधन निर्माण करते हैं।

Poisson को समझना उस संभावना त्रिक को रहस्योद्घाटन करता है जिसे आप हर एनालिटिक्स डैशबोर्ड पर देखते हैं।

Tactiq एक स्वतंत्र सांख्यिकीय विश्लेषण है, बाहरी बाज़ारों से असंबद्ध। 1,200 से अधिक प्रतियोगिताएँ, 32-भाषा स्थानीयकरण, प्रति दिन आठ विश्लेषण का मुफ्त स्तर, क्रेडिट कार्ड की आवश्यकता नहीं।

यदि आप श्रृंखला का अनुसरण कर रहे हैं, तो मेट्रिक्स शब्दावली अब एआई फुटबॉल मैचों का विश्लेषण कैसे करता है, xG, xA, npxG, PPDA, Field Tilt, प्रगतिशील क्रियाएँ, SCA/GCA, xPts, Elo रेटिंग और Brier score कैलिब्रेशन तक फैली हुई है।