Hvordan statistikker gælder for March Madness

For sportsfans er March Madness et af årets højdepunkter. Fra midten af marts bringer den årlige begivenhed de bedste hold i NCAA college basketball mod hinanden i en enorm knockout-turnering bestående af 64 hold.

Det er her ting bliver interessant. Knockout-aspektet betyder, at der altid er en chance for forstyrrelser og uventet herlighed. Hvem vinder turneringen? Vil der være forstyrrelser, da et "Askepott" -hold skrider videre, end du havde forventet, eller vil de alle gå ned i de tidlige runder? Kan du forudsige hele beslaget?

For at se noget dybere, bliver vi nødt til at bruge noget matematik og lære om, hvordan statistikker gælder for March Madness.

ICYMI: Tjek Sciencings guide til 2019 marts Madness, komplet med statistik for at hjælpe dig med at udfylde et vinderbeslag.

Grundlæggende om sandsynligheder

Før vi går ind på anvendelsen af statistik og sandsynlighed for March Madness, det er vigtigt at dække det grundlæggende med sandsynligheder.

Sandsynligheden for, at der sker noget, er simpelthen:
\\ text {Probability} \u003d {\\ text {antal resultater, du ønsker} \\ over {1pt} \\ tekst {antal mulige resultater}}

Dette gælder kun for enhver situation med lige sandsynlige mulige resultater
. Så for eksempel har et kast med en standard seks-sidet matrice 1/6 sandsynlighed for at skrue op nummer seks, fordi der kun er et resultat, du ønsker, og seks mulige resultater. Sandsynligheder er altid tal (udtrykt som brøk eller decimaler) mellem 0 og 1, hvor 0 betyder ingen som helst chance for, at begivenheden finder sted, og 1 betyder, at det er en sikkerhed.

Men hvis du overvejer noget mere kompliceret , ligesom et spil basketball, er der meget mere at tænke på. Man kan sige, at oddset for, at et hold vinder mod noget andet, er 1/2, men et spil mellem Duke og Pittsburgh er næppe en møntflip. Det er her NCAA's podningssystem og statistik spiller ind.
March Madness Probabilities -

Så hvordan tackle du problemet med at anvende sandsynlighed til March Madness? For det første har du brug for en måde at se på den faktiske sandsynlighed for, at et hold vil slå et andet. Dette er en meget udfordrende opgave, men såningssystemet er udtænkt af NCAA, der i det væsentlige adskiller holdene i "lag" baseret på hvor gode de er.

For eksempel i spil siden 1985, hvor et nr. 1 frø har spillet et nr. 16 frø, nr. 1 frøet har vundet 99 procent af tiden. Betydning, at ud af 100 spil (fordi procent er "pr. Hundrede") kan du forvente, at nr. 16 frø vinder i et af dem.

Se på den grundlæggende formel igen:
\\ text {Sandsynlighed} \u003d {\\ tekst {antal resultater, du ønsker} \\ over {1pt} \\ tekst {antal mulige resultater}}

Ud af 100 mulige “vinde” -resultater, har der kun været en gevinst (resultatet vi vil have). Dette giver øjeblikkeligt sandsynligheden 1 /100.

Du kan tage dette videre ved at bruge de steder, hvor forskellige frøhold er færdige i turneringen for at se på hvert holds sandsynlighed for at vinde. I 32 ud af de sidste 34 turneringer har mindst et nr. 1 frø nået til Final Four, hvilket giver hvert nr. 1 frø i år en 32/34 (eller 16/17) chance for at komme dertil. Derudover har mindst et nr. 1 frø nået til mesterskabet spillet 26/34 gange, hvilket giver en sandsynlighed på 13/17. For nr. 2 frø reduceres dette til 22/34 (eller 11/17) for Final Four og 13/34 for mesterskabet. Derudover har et nr. 1 frø vundet 21/34 gange, og vinderen har været blandt de tre bedste frø 30/34 \u003d 15/17 gange.

Du kan også bruge samme statistik til at tænke på hold med stort set ingen chance for at vinde. Analyse af turneringerne siden 1985 viser, at ingen frø fra nr. 9 til nr. 16 nogensinde har nået finalen, så at vælge en af disse som din vinder ville sandsynligvis være en enorm fejltagelse.

Når det kommer til at prøve For at vælge en hel beslag viser de samme statistikker, at der gennemsnitligt er otte forstyrrelser hvert år. Dette hjælper ikke dig med at sige hvor de vil være, men hvis du har forudsagt meget mere eller færre forstyrrelser end dette, kan du måske tænke over dine valg igen.
Er dette nok til Vælg en vinder?

Så en grundlæggende analyse, der ser på sandsynligheder baseret på frønummer, kan komme dig temmelig langt, når det kommer til at forudsige, hvad der vil vinde March Madness, men er det virkelig nok til at foretage dit valg?

Det virker temmelig indlysende, at der er mere et basketballkampe end holdets placering eller endda deres tidligere præstation. Andre nøglestatistikker, såsom procentdelen af succesrige gratiskast for et hold, deres gennemsnitlige antal omsætninger pr. Kamp, deres procentsats for succes i felten og mange andre faktorer. baseret på alt dette ville være kompliceret, men dette giver dig en idé om den slags ting, du har brug for at tage højde for for at udfylde dit beslag så godt som muligt.

Hvis du f.eks. har et nr. 2 frøhold, der fører pakken i feltmålprocent og har meget få omsætninger pr. spil, de er et solidt valg som vinder, selvom en analyse på basis af frø alene antyder, at de ikke var det ideelle valg . Det bedste råd er at basere dine oprindelige valg på frø og derefter bruge andre statistikker til mentalt at finpusse din formel, indtil du sætter dig sammen med et hold, du er tilfreds med. Se vores tip og tricks til udfyldning af et beslag, og læs hvorfor det er så svært at forudsige forstyrrelser og vælge et perfekt beslag.