• Home
  • Química
  • Astronomía
  • Energía
  • Naturaleza
  • Biología
  • Física
  • Electrónica
  •  science >> Ciencia >  >> Otro
    Cómo se aplican las estadísticas a March Madness

    Para los fanáticos de los deportes, March Madness es uno de los mejores momentos del año. Comenzando a mediados de marzo, el evento anual enfrenta a los mejores equipos de baloncesto universitario de la NCAA, en un gran torneo eliminatorio que consta de 64 equipos.

    Aquí es donde las cosas se ponen interesantes. El aspecto eliminatorio significa que siempre hay una posibilidad de sorpresas y gloria inesperada. ¿Quién va a ganar el torneo? ¿Habrá disgustos a medida que un equipo de "Cenicienta" progrese más de lo esperado, o todos se estrellarán en las primeras rondas? ¿Puedes predecir todo el paréntesis?

    Para profundizar, tendremos que usar algunas matemáticas y aprender cómo se aplican las estadísticas a March Madness.

    ICYMI: Echa un vistazo a la guía de Sciencing de la locura de marzo de 2019, completa con estadísticas para ayudarte a completar un paréntesis ganador.

    Los fundamentos de las probabilidades

    Antes de entrar en la aplicación de estadísticas y probabilidad de March Madness, es importante cubrir los conceptos básicos de las probabilidades.

    La probabilidad de que ocurra algo es simplemente:
    \\ text {Probability} \u003d {\\ text {número de resultados que desea} \\ anterior {1pt} \\ text {número de resultados posibles}}

    Esto solo se aplica a cualquier situación con resultados posibles igualmente probables
    . Entonces, por ejemplo, el lanzamiento de un dado estándar de seis lados tiene una probabilidad de 1/6 de obtener el número seis, porque solo hay un resultado que desea y seis resultados posibles. Las probabilidades son siempre números (expresados como fracciones o decimales) entre 0 y 1, donde 0 significa que no hay ninguna posibilidad de que ocurra el evento y 1 significa que es una certeza.

    Pero si está considerando algo más complicado , como un juego de baloncesto, hay mucho más en lo que pensar. Se podría decir que las probabilidades de que cualquier equipo gane contra cualquier otro son 1/2, pero un juego entre Duke y Pittsburgh es apenas un lanzamiento de moneda. Aquí es donde entran en juego el sistema de siembra y las estadísticas de la NCAA.
    Probabilidades de March Madness

    Entonces, ¿cómo abordar el problema de aplicar la probabilidad a March Madness? Primero, necesita alguna forma de ver la probabilidad real de que un equipo venza a otro. Esta es una tarea muy desafiante, pero el sistema de siembra es ideado por la NCAA esencialmente separa a los equipos en "niveles" en función de lo buenos que son.

    Por ejemplo, en juegos desde 1985 donde una semilla No. 1 ha jugado un sembrado No. 16, el sembrado No. 1 ha ganado el 99 por ciento del tiempo. Es decir, de cada 100 juegos (porque el porcentaje es "por cien"), puede esperar que la semilla No. 16 gane en uno de ellos.

    Mire la fórmula básica nuevamente:
    \\ text {Probabilidad} \u003d {\\ text {número de resultados que desea} \\ anterior {1pt} \\ text {número de resultados posibles}}

    De 100 posibles resultados "ganadores", solo ha habido un triunfo (el resultado desear). Esto da inmediatamente la probabilidad de 1/100.

    Puedes llevar esto más lejos al usar los lugares en los que equipos con diferentes semillas han terminado en el torneo para ver la probabilidad de ganar de cada equipo. En 32 de los últimos 34 torneos, al menos un sembrado No. 1 ha llegado a la Final Four, dando a cada sembrado No. 1 este año una probabilidad de 32/34 (o 16/17) de llegar allí. Además, al menos una semilla No. 1 ha llegado al juego de campeonato 26/34 veces, dando una probabilidad de 13/17. Para las semillas No. 2, esto se reduce a 22/34 (o 11/17) para el Final Four y 13/34 para el juego de campeonato. Además, una semilla número 1 ha ganado 21/34 veces, y el ganador ha estado entre las tres primeras semillas 30/34 \u003d 15/17 veces.

    También puede usar estas mismas estadísticas para pensar en los equipos. esencialmente sin posibilidad de ganar. El análisis de los torneos desde 1985 muestra que ninguna semilla del No. 9 al No. 16 ha llegado a la final, por lo que elegir uno de estos como su ganador probablemente sería un gran error.

    Cuando se trata de intentar Para elegir un grupo completo, las mismas estadísticas muestran que hay un promedio de ocho trastornos cada año. Esto no le ayuda a decir dónde estarán, pero si ha predicho muchas más o menos molestias que esto, es posible que desee repensar sus elecciones.
    ¿Es esto suficiente para ¿Elegir un ganador?

    Entonces, un análisis básico que mira las probabilidades basadas en el número de semillas puede llevarlo bastante lejos a la hora de predecir lo que va a ganar March Madness, pero ¿es realmente suficiente para hacer su elección?

    Parece bastante obvio que hay más en un juego de baloncesto que las clasificaciones del equipo o incluso su desempeño anterior. Otras estadísticas clave, como el porcentaje de tiros libres exitosos para un equipo, su número promedio de pérdidas de balón por juego, su porcentaje de éxito de gol de campo y muchos otros factores.

    Proponer una fórmula explícita para una probabilidad de victoria basado en todo esto sería complicado, pero esto le da una idea del tipo de cosas que debe tener en cuenta para completar su soporte lo mejor posible.

    Por ejemplo, si tiene un equipo de semillas No. 2 que lidera el grupo en porcentaje de goles de campo y tiene muy pocas pérdidas de balón por juego, son una elección sólida como ganador a pesar de que un análisis basado solo en semillas sugiere que no fueron la elección ideal . El mejor consejo es basar tus selecciones iniciales en semillas y luego usar otras estadísticas para modificar mentalmente tu fórmula hasta que te instales en un equipo con el que estés satisfecho.

    ¿Sientes el espíritu de March Madness? Consulte nuestros consejos y trucos para completar un paréntesis, y lea por qué es tan difícil predecir trastornos y elegir un paréntesis perfecto.

    © Ciencia https://es.scienceaq.com