Keuntungan NFL Home Field pada tahun 2020 – Analytics.Bet

Meskipun sama sekali tidak ada kepastian pada saat ini tentang semua ini, anggaplah musim reguler NFL dimulai sesuai jadwal tetapi tanpa penggemar di kursi. Lalu, apa nilai keuntungan lapangan tuan rumah?

Itu bisa dikurangi tanpa dorongan yang diberikan oleh kerumunan yang berteriak, dan/atau jika reaksi kerumunan secara subliminal mempengaruhi seruan pejabat.

Di sisi lain, saya pernah mendengar argumen yang dibuat bahwa itu sebenarnya bisa ditingkatkan karena pandemi COVID-19 sangat meningkatkan tingkat ketidaknyamanan dan stres yang menyertai perjalanan.

Yang benar adalah, tidak ada yang tahu. Kami sedang menghadapi situasi yang belum pernah terjadi sebelumnya, setidaknya tidak di NFL. Dari penelitian Twitter informal saya, konsensus para ahli untuk keuntungan lapangan tuan rumah pada tahun 2020 tampaknya sekitar 1,75 poin. Dengan tidak adanya informasi apa pun, itu sepertinya perkiraan yang masuk akal memasuki minggu 1.

Mudah-mudahan akan tiba saatnya ketika minggu 1 ada dalam pembukuan dan kami akan mendapat kesempatan untuk melihat kembali perkiraan kami untuk keuntungan lapangan tuan rumah masuk ke minggu 2. Sama masuk ke minggu 3, dan kemudian minggu 4, dan seterusnya pada. Kami akan menerima aliran informasi baru saat kami mengamati bagaimana kinerja tim tuan rumah sebenarnya. Apa pun yang dikatakan informasi baru ini, tantangan sebenarnya adalah mencari tahu apa artinya. Berapa banyak sinyal yang dapat kita pelajari, dan seberapa banyak noise acak murni yang memengaruhi hasil game ke game? Bagaimana kita bereaksi tanpa bereaksi berlebihan atau kurang bereaksi?

Ini adalah aplikasi sempurna dari Inferensi Bayesian. Inferensi Bayesian adalah ilmu tentang bagaimana kita belajar – bagaimana kita memperbarui keyakinan kita saat informasi baru muncul. Baik dalam pekerjaan sehari-hari saya sebagai aktuaris dan hobi saya sebagai penjudi, Bayes menguasai segala sesuatu di sekitar saya, BREAM (Bukan bukan dia – kumisnya keren.)

Bagaimanapun, mari kita lakukan. Hal pertama yang kita perlukan adalah “distribusi sebelumnya” yang menjelaskan apa yang kita pikirkan tentang nilai keuntungan di kandang sendiri, memasuki Minggu 1. Mari kita rangkum informasi di atas ke dalam beberapa asumsi:

  • Kemungkinan HFA 2020 akan kurang dari rata-rata historis antara 2,5 dan 3 poin;
  • Tidak mungkin, tetapi bukan tidak mungkin, HFA 2020 akan lebih dari rata-rata historis;
  • Estimasi titik kami – yaitu, rata-rata distribusi sebelumnya – adalah 1,75 poin;
  • Tidak mungkin HFA 2020 akan kurang dari nol.

Berdasarkan ini, saya akan memilih apa yang disebut “distribusi seragam” antara 0 dan 3,5 untuk prior kita, yang merupakan cara bagus dari ahli statistik untuk mengatakan apa yang diungkapkan orang normal dengan emoji: _(ツ)_/¯ . Ini berarti bahwa semua nilai yang mungkin antara 0 dan 3,5 memiliki probabilitas yang sama, dan segala sesuatu yang kurang dari 0 atau lebih besar dari 3,5 memiliki probabilitas nol. Jika kita harus menyaring perkiraan sebelumnya menjadi satu angka, kita akan mengambil nilai yang diharapkan dari distribusi ini; untuk seragam, ini hanyalah titik tengah, 1,75.

Jadi jika data minggu 1 menyiratkan HFA di atas 1,75, perkiraan minggu 2 kami akan naik. Jika itu menyiratkan HFA di bawah 1,75, perkiraan minggu ke-2 kami akan turun. Tapi bagaimana kita mengukur HFA yang tersirat dari hasil seminggu? Anda bisa saja mengambil margin kemenangan rata-rata di antara semua tim tuan rumah, dan ini akan bekerja dengan baik saat melihat keseluruhan musim – tetapi dalam minggu tertentu Anda tidak perlu mendapatkan keseimbangan tim baik dan buruk yang bermain di kandang. Untuk mengevaluasi ini, saya akan melihat jadwal setiap minggu menggunakan peringkat kekuatan tim diturunkan oleh teman-teman saya di Deep Dive Podcast:

Satu masalah kecil – peringkat ini tidak berjumlah nol. Whale memberitahuku itu karena pembulatan dan dia pria yang cukup tajam jadi aku akan memberinya keuntungan dari keraguan. Namun, saya membutuhkan keseimbangan yang sempurna jadi saya akan menyesuaikan Detroit dari -3,5 menjadi -3.

Sekarang mari kita lihat minggu demi minggu untuk melihat seperti apa penyebaran poin gabungan dari semua tim tuan rumah, jika tidak ada HFA:

Di minggu 1, kekuatan relatif dari semua tim tuan rumah sedemikian rupa sehingga mereka diperkirakan akan kalah dengan total 4 poin jika tidak ada HFA. Jika kami menggunakan titik awal 1,75 poin HFA dikali 16 pertandingan, ini menambahkan hingga 28 poin total HFA. Jadi, jika total selisih poin untuk tim tuan rumah di minggu 1 adalah 28 – 4 = +24, kami tidak boleh bergerak ke kedua arah dan harus mempertahankan perkiraan kami 1,75 masuk ke minggu 2.

Tetapi bagaimana jika diferensial minggu 1 lebih atau kurang dari +24? Berapa banyak kita harus memindahkan perkiraan HFA kita? Kami akan berasumsi bahwa perbedaan skor permainan individu mengikuti distribusi Normal (pada kenyataannya tidak karena “angka kunci” tetapi itu tidak relevan dengan analisis HFA kami) dengan standar deviasi 13,37 berdasarkan analisis permainan historis penyimpangan antara penyebaran titik dan hasil sebenarnya. Jika Anda tidak mengerti apa yang saya bicarakan atau berbunyi seperti ini, abaikan saja paragraf ini dan teruslah membaca.

Dengan sedikit keajaiban Excel, kita dapat menggunakan metode ini untuk membuat bagan di mana kita mencari total selisih poin tim tuan rumah untuk minggu 1 untuk menemukan perkiraan HFA terbaru kami memasuki minggu 2:

Misalnya, jika total selisih poin tim tuan rumah minggu 1 menjadi -20, kami akan memperbarui perkiraan HFA kami menjadi 1,5. Jika ternyata +120, kami akan memperbarui perkiraan HFA kami menjadi 2,25.

Kita dapat melakukan latihan yang sama setelah minggu ke-2, menggunakan selisih poin tim tuan rumah kumulatif untuk minggu ke-1 dan ke-2.

Selisih poin tim tuan rumah total -100 hingga minggu 1-2 akan mengarahkan kami untuk menyesuaikan perkiraan HFA kami menjadi 1,0 poin memasuki minggu 3. Selisih +100 akan mengarahkan kami untuk menyesuaikan perkiraan HFA kami menjadi 2,0 poin memasuki minggu 3 .

Melalui minggu 3:

Melalui minggu 4: (Perhatikan bahwa saya menyesuaikan skala pada grafik karena ada kemungkinan yang lebih luas melalui banyak game ini)

Melalui minggu 5: (Perhatikan pergeseran – itu karena tim tuan rumah minggu 5 akan disukai oleh total 47,5 di lapangan netral. Minggu 5 termasuk permata seperti CIN @ BAL, LV @ KC dan JAX @ HOU.)

Melalui minggu 6:

Melalui minggu 7:

Melalui minggu 8: (Menyesuaikan skala lagi)

Melalui minggu 9:

Sampai minggu 10:

Melalui minggu ke-11

Sampai minggu 12:

Melalui minggu 13:

Sampai minggu 14:

Sampai minggu ke 15:

Melalui minggu 16:

Melalui minggu ke-17, menuju ke babak playoff: (Menyesuaikan skala untuk terakhir kalinya)

Anda dapat kembali ke bagan ini setelah setiap minggu untuk melihat bagaimana model memperbarui perkiraan HFA-nya saat data muncul.

Semua ini tentu saja, dengan asumsi ada musim. Tolong, orang Amerika, jangan hancurkan ini untukku…

Hak cipta dalam konten blog ini dimiliki oleh Plus EV Sports Analytics Inc. dan semua hak terkait dilindungi undang-undang tersebut.