Bierzemy rozegrane mecze z systemu PZPS. Resztę sezonu rozgrywamy na komputerze 100 000 razy, za każdym razem trochę inaczej. Potem liczymy, jak często drużyna skończyła na danym miejscu. Jeśli Andrychów był ósmy w 30 000 symulacjach, to ma 30% szans na 8. miejsce.
Każdy mecz losujemy set po secie. Mocniejsza drużyna częściej wygrywa seta:
$$P(A \text{ wygra seta}) = \frac{s_A}{s_A + s_B}$$gdzie $s$ to siła drużyny. Jeśli $A$ ma siłę 2, a $B$ siłę 1, to $A$ wygrywa seta w 2 przypadkach na 3.
„Wiedza po kolejce $k$” znaczy: liczymy tak, jakbyśmy znali wyniki tylko do kolejki $k$. Tak widać, jak szanse zmieniały się w trakcie sezonu.
Mamy trzy sposoby. Różnią się tylko tym, jaką liczbę $s$ dostaje każda drużyna.
Każdy ma siłę 1, więc każdy set to rzut monetą. Liczy się tylko to, ile punktów drużyna już ma i z kim jeszcze gra. To dobry punkt odniesienia: pokazuje, co już jest rozstrzygnięte.
Czyli: jaką część możliwych punktów drużyna zdobyła. „+3” i „+6” to jeden udawany mecz za pół punktów, żeby po pierwszej kolejce nikt nie miał siły 0.
Słaby punkt: nie patrzy, z kim się grało. Wygrana z liderem liczy się tak samo jak wygrana z ostatnią drużyną.
Szukamy takich sił, które najlepiej pasują do wyników rozegranych setów. Ta metoda patrzy na dwie rzeczy:
Na początku sezonu meczów jest mało, więc metoda zakłada, że drużyny są podobne, i siły wychodzą bliskie 1. Im więcej meczów, tym bardziej ufa wynikom. To, jak mocno ufać, metoda ustala sama na podstawie danych.
Przykład: po 9. kolejce Karpaty mają siłę 1,94, a Andrychów 0,76. Karpaty wygrywają seta z Andrychowem z szansą 1,94 / (1,94 + 0,76) ≈ 72%.
Siłę zapisujemy jako $s_i = e^{\theta_i}$. Szansa gospodarza $h$ na seta z gościem $g$ to $p_{hg} = \sigma(\theta_h - \theta_g)$, gdzie $\sigma(x) = 1/(1 + e^{-x})$.
Mecz $a{:}b$ w setach ma prawdopodobieństwo proporcjonalne do $p^a (1-p)^b$. Dla wszystkich meczów:
$$\ell(\theta) = \sum_{\text{mecze}} \Big[ a \log p_{hg} + b \log\big(1 - p_{hg}\big) \Big]$$Bez dodatkowego założenia drużyna bez straconego seta dostałaby siłę nieskończoną. Zakładamy więc $\theta_i \sim \mathcal{N}(0, \tau^2)$ i szukamy maksimum
$$F(\theta) = \ell(\theta) - \sum_i \frac{\theta_i^2}{2\tau^2}$$metodą Newtona, startując od $\theta = 0$:
$$\nabla F = X^{\top}\big(a - (a+b)\,p\big) - \tau^{-2}\theta,$$ $$H = X^{\top} \operatorname{diag}\big((a+b)\,p(1-p)\big) X + \tau^{-2} I,$$ $$\theta \leftarrow \theta + H^{-1} \nabla F.$$Wiersz macierzy $X$ ma $+1$ przy gospodarzu i $-1$ przy gościu. Zwykle wystarcza 5–6 kroków.
$\tau$ mówi, jak bardzo ufać wynikom. Sprawdzamy 60 wartości od 0,1 do 3 i bierzemy tę, przy której wyniki są najbardziej prawdopodobne (wiarygodność brzegowa, przybliżenie Laplace'a):
$$\begin{aligned} \log p(\text{dane} \mid \tau) \approx {} & \ell(\hat\theta) - \frac{1}{2\tau^2} \sum_i \hat\theta_i^2 \\ & + \frac{n}{2} \log \frac{1}{\tau^2} - \frac{1}{2} \log \det H \end{aligned}$$Po 9. kolejce wychodzi $\tau \approx 0{,}80$. Wszystko liczymy osobno dla każdej kolejki, tylko z meczów do tej kolejki.
| Mecz | Sety | Punkty |
|---|---|---|
| A – B | 3:0 | A 3, B 0 |
| B – C | 3:1 | B 3, C 0 |
| A – C | 3:2 | A 2, C 1 |
W tabeli: A ma 5 pkt, B 3 pkt, C 1 pkt.
Z punktów: sA = 8/12 = 0,67, sB = 6/12 = 0,50, sC = 4/12 = 0,33.
Dopasowana: $s_A = 1{,}66$, $s_B = 0{,}84$, $s_C = 0{,}71$ (przy $\tau = 1$).
Szansa na wygranie seta:
| Metoda | A vs B | B vs C | A vs C |
|---|---|---|---|
| Równe siły | 50% | 50% | 50% |
| Z punktów | 57% | 60% | 67% |
| Dopasowana | 66% | 54% | 70% |
Wg punktów B jest wyraźnie lepszy od C. Metoda dopasowana widzi więcej: C urwał liderowi dwa sety, a B przegrał z nim 0:3. Dlatego B i C wychodzą prawie równi.
Start: $\theta = 0$, więc każde $p = 0{,}5$. Mecz $a{:}b$ dodaje gospodarzowi $r = a - (a+b) \cdot 0{,}5$ do gradientu (gościowi $-r$) i wagę $w = (a+b) \cdot 0{,}25$ do hesjanu:
| Mecz | $a+b$ | $r$ | $w$ |
|---|---|---|---|
| A – B 3:0 | 3 | +1,5 | 0,75 |
| B – C 3:1 | 4 | +1,0 | 1,00 |
| A – C 3:2 | 5 | +0,5 | 1,25 |
Na przekątnej: suma wag meczów drużyny plus $\tau^{-2} = 1$. Po pierwszym kroku $\theta = (0{,}490;\ -0{,}166;\ -0{,}324)$, po kolejnych $\hat\theta = (0{,}509;\ -0{,}172;\ -0{,}337)$, czyli $s = e^{\hat\theta} = (1{,}66;\ 0{,}84;\ 0{,}71)$.
Gdy $\tau$ dobieramy automatycznie, trzy mecze to za mało danych: wychodzi $\tau \approx 0{,}16$ i siły prawie równe (1,05 / 0,99 / 0,97).