AI Ball คำนวณตัวเลขอย่างไร

คำตอบสั้น ๆ

AI Ball เปลี่ยนข้อมูลที่มีอยู่ก่อนเริ่มเกมให้เป็นความน่าจะเป็นของผลชนะ/เสมอ/แพ้ ช่วงสกอร์ที่เป็นไปได้มากที่สุด และระดับความมั่นใจ หลังจบเกม ทุกนัดจะถูกทำเครื่องหมายว่าถูกหรือผิดในหน้าบันทึกผลสาธารณะ

ค่าประมาณสร้างจากอะไร

สัญญาณก่อนแข่งที่เผยแพร่แล้วสำหรับผลทั้งสามแบบและสำหรับจำนวนประตู ผลการแข่งขันของทั้งสองทีม รวมถึงสถิติการพบกันและนัดล่าสุด และความพร้อมของผู้เล่น ได้แก่ อาการบาดเจ็บ การถูกแบน และความถี่ของโปรแกรมแข่งของแต่ละทีม

สิ่งที่ไม่ได้ใช้

ข้อมูลการยิงแต่ละครั้ง (ดังนั้น “ค่าคาดหวังประตู” ของ AI Ball จึงไม่ใช่ xG ที่คำนวณจากการยิง) รายชื่อผู้เล่นตัวจริง ข้อมูลติดตามผู้เล่น สภาพอากาศ และข่าว หน้าที่อธิบายตัวเลขควรบอกด้วยว่าตัวเลขนั้นไม่รู้อะไรบ้าง

วิธีการ

แบบจำลองปัวซง (Maher, 1982)

วิธีมาตรฐานในการจำลองจำนวนครั้งของเหตุการณ์ที่เกิดไม่บ่อย ในฟุตบอลคือจำนวนประตูที่ทีมหนึ่งทำได้

การปรับแก้ Dixon–Coles (1997)

การแก้ไขที่ตีพิมพ์แล้วสำหรับแบบจำลองสกอร์แบบปัวซง แก้ปัญหาที่ทราบกันว่าประเมินสกอร์ 0-0, 1-0, 0-1 และ 1-1 ต่ำเกินไป และให้น้ำหนักนัดล่าสุดมากกว่านัดที่เก่ากว่า สกอร์ที่เป็นไปได้มากที่สุดและการกระจายของจำนวนประตูรวมมาจากเมทริกซ์สกอร์นี้

เรตติ้งแบบ Elo

เรตติ้งความแข็งแกร่งที่ขยับหลังทุกผลการแข่งขัน และขยับมากขึ้นเมื่อผลนั้นคาดไม่ถึง ใช้กำหนดค่าคาดหวังประตูของแต่ละทีมก่อนสร้างเมทริกซ์สกอร์

วิธีของ Shin (1993)

เทคนิคที่ตีพิมพ์แล้วสำหรับตัดอคติเชิงระบบออกจากชุดตัวเลขก่อนแข่งที่เปิดเผยต่อสาธารณะ ก่อนจะอ่านเป็นความน่าจะเป็น เพื่อให้รวมกันได้หนึ่ง

การรวมหลายเส้นทางแบบถ่วงน้ำหนัก

ค่าประมาณหลายชุดของนัดเดียวกันถูกรวมกันด้วยน้ำหนักคงที่แทนที่จะใช้ทีละชุด เพื่อไม่ให้ข้อมูลใดข้อมูลหนึ่งตัดสินผลได้เพียงลำพัง จากนั้นผลที่รวมแล้วจะถูกปรับเล็กน้อยตามอาการบาดเจ็บและความถี่ของโปรแกรมแข่ง และเพิ่มโอกาสเสมอเล็กน้อยเมื่อเกมสูสีและคาดว่าจะมีประตูน้อย

การปรับเทียบ (Calibration)

การปรับเทียบถามคำถามที่แคบกว่าความแม่นยำ: เมื่อโมเดลบอกว่า 70% สิ่งนั้นเกิดขึ้นราว 70% ของครั้งหรือไม่ โมเดลอาจปรับเทียบได้ดีแต่ยังไม่แน่นอน และอาจถูกบ่อยทั้งที่ปรับเทียบได้ไม่ดี ช่วงความมั่นใจในบันทึกผลสาธารณะคือการตรวจสอบการปรับเทียบนี้

ทำไมถึงมีหกโมเดล

ทั้งหกโหมดใช้วัตถุดิบชุดเดียวกันแต่ถ่วงน้ำหนักต่างกัน: สมดุล (ค่าเริ่มต้น และเป็นโหมดเดียวที่ใช้ในบันทึกผลสาธารณะ), ความเห็นร่วม, ขับเคลื่อนด้วยข้อมูล, ติดตามการเปลี่ยนแปลง, ระมัดระวัง และมุ่งเน้นคุณค่า การเปรียบเทียบโหมดในหน้าการแข่งขันแสดงให้เห็นว่าข้อสรุปขึ้นอยู่กับการเลือกเหล่านี้มากแค่ไหน

“ความมั่นใจ” หมายถึงอะไร

ความมั่นใจไม่ใช่โอกาสที่จะถูก แต่วัดว่าความน่าจะเป็นทั้งสามห่างกันแค่ไหน และมุมมองของโมเดลชี้ไปทางเดียวกันมากเพียงใด แล้วแปลงผ่านตารางที่ปรับจากนัดในอดีต บันทึกผลสาธารณะแสดงว่านัดที่มีความมั่นใจสูงกว่าถูกบ่อยกว่าจริงหรือไม่

ตรวจสอบได้อย่างไร

หน้าบันทึกผลสาธารณะแสดงทุกนัดที่จบแล้วตั้งแต่ 27 สิงหาคม 2026 มุมมองของโมเดลถูกล็อกไว้ระหว่าง 45 ถึง 120 นาทีก่อนเริ่มเกม และแก้ไขหรือลบไม่ได้หลังจากนั้น บันทึกจากช่วงก่อนมีระบบล็อกจะมีป้ายระบุไว้ แต่ละนัดถูกทำเครื่องหมายเทียบกับผลจบเกม คู่กับเส้นฐานสองเส้น: เลือกทีมเต็งของตลาดทุกครั้ง และเลือกแบบสุ่ม (33.3%) ช่วงที่มีน้อยกว่า 30 นัดจะแสดงจำนวน ไม่แสดงเปอร์เซ็นต์

ข้อจำกัด

นี่คือค่าประมาณทางสถิติจากข้อมูลก่อนแข่ง ฟุตบอลมีองค์ประกอบของความบังเอิญสูงที่ไม่มีโมเดลใดขจัดได้ และผลเสมอเป็นสิ่งที่คาดยากเป็นพิเศษ ไม่มีสิ่งใดในเว็บไซต์นี้เป็นคำแนะนำ และไม่มีผลใดที่รับประกันได้

เอกสารอ้างอิง

• Maher (1982), Statistica Neerlandica 36(3)
• Dixon & Coles (1997), Applied Statistics 46(2)
• Shin (1993), The Economic Journal 103
• Brier (1950), Monthly Weather Review 78(1)
• Elo (1978), The Rating of Chessplayers, Past and Present