NFL Fantasy Analitika #1

A fantasy foci játékosoknak leggyakrabban két fő megközelítése van, ami a játékot illeti. Az egyik a megérzés, valamint a valószínűség alapú döntéhozatal. Bármennyire is szeretnék sokan a kettőt külön választani, aligha lehetséges. Alapvetően egy projection használata is már valószínűségi számítást vesz igénybe, valamint egy sérülés lehetősége miatt kivett játékos pedig leggyakrabban egy megérzés eredménye. Tehát a cél a kettő között való lavírozás. Kell a projection, hogy ne kelljen 800 játékost egyesével értékelnünk, valamint kell a megérzés, mivel vélelmezzük, hogy ezek a módszerek nem vesznek figyelembe minden eshetőséget, hiszen sok esetben ezek a megoldások, átlagos értékekből, vagy mintázatokból indulnak ki . Így a két szemlélet egyvelege lehet a legjobb, amivel érdemes egy heti line-up összerakásának nekimenni.

Miért nehéz a fantasy adatok elemzése?

Erre több jó válasz is létezik, de talán a kettő legmarkánsabbat érdemes kiemelni.

  1. A rengeteg független változó, ezek azok az bemenetek (pl.időjárás, pálya borítása, hiányzó Guard, vagy új WR, stb), amik befolyásolhatják a kimenetünket (pl, fantasy pontok, Nyertes, vesztes, stb.). Erről most nem beszélnénk részletesen. Korrelációt (együttmozgást, lineáris kapcsolatot), nagyon egyszerű találni 2 faktor között, és ez nem is jelent feltétlen ok-okozati összefüggést, viszont eredményesen befolyásolhatja a módszerünket és következtetésünket rossz irányba viheti el. (pl a Nicolas Cage cage filmek száma, és a medencés fulladások száma https://www.tylervigen.com/spurious-correlations)
  2. A minta. Egy csapat/játékos 16 meccset játszik egy évben, és utána gyakran megszakad a mintázat, hiszen tradek, draftok, edzőváltás és hasonlók módosítják a vizsgálati populációnkat.

Ez különösen fontos, hiszen nehéz megtalálni a kapcsolatot a változók között, valamint az alacsony mintának gyakran nincsen meg a normál eloszlása.

Miért okoz ez problémát. A normál eloszlás 2 fontos elemből áll, átlag, és szórás (A szórás egy valószínűségi változó értékeinek a várható értéktől való eltérésének a mértéke.). A normál eloszlás feltételezi, hogy az átlagtól a mintánk 68%-a 1 szórás értéken belül lesz, 95% pedig 2 szórásértéken belül. Szóval, tegyük fel, hogy az elkapók PPR fantasy átlaga egy adott évben 18,8 pont és a szórás 8,1, akor azt feltételezzük, hogy a WR-ok teljesítményének 68%-t megtaláljuk a 10,7 és a 26,9 pontos tartományában. 95%-át a 2,6 – 35 pontos intervallumban (Lásd: Centrális határeloszlás-tétel). Statisztikai szempontból ez a mintázat, eloszlás kulcsfontosságú lehet az adatok mélyebb elemzésénél, de erről talán máskor. Persze a normál eloszlás nem minden esetben valósul meg. Van, hogy az adatunk természetéból fakadóan nem normál eloszlású (Poissone, exponenciális, stb). Sajnos minél inkább eltérünk ettől az eloszlástól, annál nagyobb a bizonytalanság, és a hiba lehetősége. Persze ez nem jelenti azt, hogy az adatok elemzése nem lehetsége, csak szofisztikáltabb, speciális módszerek alkalmazása szükséges.

A becsléseknél fontos szerepet tölt be a szórás és sajnos nagyon értékeny 1-2 kiugró eredményre, főleg alacsony mintaszám esetén. Vegyük példának Tyler Lockett 2020-as telesítményét. Lockett az összes meccsét figyelembe véve 13,5 pontos átlagot hozott (PPR), és ennek 11,9 pontos volt a szórása, ami nagyon magas.

A seattlei WR a 8. legjobb elkapóként végzett fantasy szempontból az elkapók között. Ennek az oka a kiugró értékekben volt, így kizártam Lockett 3 legjobb meccsét, ahol 45,5, 32,5 és 27 pontot gyűjtött, így az átlaga 8,4, a szórása 4,3. Ezt a 2021-es fantasy drafton érdemes figyelembe venni, hogy megéri e majd korai picket ölni 3 valóban jó mérkőzésért, amikor pl DJ Moore (WR 25.) sokkal stabilabb pontokat hozott hétről hétre.

Tehát látszik, hogy az adatokkal óvatosan kell bánni, érdemes mögé nézni a dolgoknak, azonban több 100 játékos áttekintése mint Lockett esete is mutatta, nagyon időigényes, így fontos, hogy ismerjük azokat a módszereket, amivel ezeket az információkat egyszerúen és gyorsan ki tudjuk nyerni!

Ha van még igény hasonló cikkekre, akkor jelezzétek nekünk a hozzászólásokban! Igyekszünk további módszertani érdekességeket is megosztani veletek!

Vélemény, hozzászólás?

Az e-mail-címet nem tesszük közzé.

How to whitelist website on AdBlocker?

How to whitelist website on AdBlocker?

  1. 1 Click on the AdBlock Plus icon on the top right corner of your browser
  2. 2 Click on "Enabled on this site" from the AdBlock Plus option
  3. 3 Refresh the page and start browsing the site