
Перед финалом комментатор говорит: "Шансы почти равны". Откуда он это знает? Иногда из опыта, но всё чаще из моделей, которые за долю секунды пересчитывают тысячи матчей. Спорт оказался идеальной площадкой для математики: много повторений, чёткие правила и огромные архивы данных. Давайте пройдём путь от простых рейтингов до нейросетей и посмотрим, что они умеют на самом деле.
Первой в спорте массово заговорила о статистике бейсбольная аналитика. Билл Джеймс в 1970–80-х годах предложил смотреть на реальные показатели игроков, а не на привычные представления тренеров. В начале 2000-х клуб "Окленд Атлетикс" под руководством Билли Бина использовал такой подход при формировании состава, и об этом позже сняли фильм "Человек, который изменил всё". Главная мысль была простой: если измерять правильные вещи, можно находить ценность там, где её не видят остальные.
Эта идея перекочевала в футбол, баскетбол, хоккей и киберспорт. Сегодня у каждого крупного клуба есть аналитический отдел, а болельщики спокойно обсуждают xG и рейтинги.
В середине XX века физик Арпад Эло придумал систему оценки шахматистов, которая используется до сих пор. Идея проста: у каждого игрока есть число. Победа над сильным соперником добавляет много очков, над слабым - мало. Разница рейтингов превращается в вероятность победы.
Условный пример: у команды А рейтинг 1600, у команды Б - 1500. Разница в 100 пунктов даёт команде А шанс победы около 64% по формуле Эло. Система быстро прижилась: её используют в шахматах, футбольных рейтингах и киберспорте. Достоинство метода в том, что он умещается в одну строку и сам обновляется после каждого матча.
Футбол - игра редких событий: голов мало, и каждый заметен. Для таких событий подходит распределение Пуассона. Оно говорит, как часто можно ожидать 0, 1, 2 или 3 события, если известен средний показатель.
Разберём условный пример, посчитанный нами. Пусть хозяева в среднем забивают 1,6 гола за матч, а гости 1,1.
| Голов в матче у команды | Хозяева | Гости |
|---|---|---|
| 0 | 20,2% | 33,3% |
| 1 | 32,3% | 36,6% |
| 2 | 25,8% | 20,1% |
| 3 | 13,8% | 7,4% |
| 4 | 5,5% | 2,0% |
Если перемножить эти вероятности для каждого счёта и сложить, получится: победа хозяев около 49%, ничья около 25%, победа гостей около 26%. Всё это модель, а не предсказание: она показывает, как распределены шансы, а не что именно случится.
Следующий шаг - метрика xG, ожидаемые голы. Каждый удар получает вероятность стать голом на основе положения, угла, типа передачи и даже давления защитников. Сумма таких вероятностей за матч показывает, как команда играла на самом деле, а не только как закончился счёт.
Например, команда могла проиграть 0:1, но создать моментов на 2,3 xG. Для аналитика это сигнал: игра была хорошей, а результат оказался случайным. Поэтому xG хорошо показывает долгосрочную форму: на сезоне результаты обычно приближаются к ожидаемым.
Классические формулы хороши, но им нужны заранее заданные признаки. Нейросеть учится сама: ей дают тысячи матчей с десятками параметров, и она находит зависимости, которые человек мог не заметить. Среди таких параметров:
Нейросети хороши в узнавании сложных закономерностей, но у них есть две особенности. Во-первых, им нужно много качественных данных. Во-вторых, они склонны к переобучению: модель может отлично "запомнить" прошлые матчи и хуже работать на новых. Чтобы этого избежать, данные делят на обучающие и проверочные, а качество измеряют на тех матчах, которых модель не видела.
Хороший прогноз не тот, что один раз угадал победителя. Его оценивают по калибровке: если модель говорит "70%" про сто разных матчей, примерно в семидесяти должна случиться победа. Для этого применяют специальные метрики, например, оценку Брайера, которая штрафует и за ошибку, и за излишнюю уверенность.
Здесь есть простая мысль, полезная любому болельщику: уверенность не равна точности. Прогноз "60% на победу" означает, что в сорока случаях из ста выиграет другая сторона. Спорт сохраняет право на сюрприз, и именно поэтому за ним так интересно следить.
Коротко: что умеют модели
Допустим, команда выиграла три матча подряд. Значит ли это, что она сильнейшая в лиге? Не обязательно: три матча - слишком мало данных. Статистики называют это малой выборкой: на коротких дистанциях случай заметен больше, чем класс.
Простой пример: если подбросить монету десять раз, выпадет, скажем, семь орлов, и никто не удивится. Но на тысяче бросков доля орлов окажется очень близкой к половине. В спорте так же: чем длиннее сезон, тем точнее картина. Поэтому аналитики смотрят на серии по двадцать-тридцать матчей, а не на последние выходные.
Прогнозы встречаются везде, и полезно уметь их читать. Три вопроса помогут:
Тот, кто умеет задавать такие вопросы, получает от аналитики максимум: понимает, что стоит за цифрой, и не воспринимает её как приговор.
В спорте всегда остаётся доля, которую модель не видит: травма в разминке, судейское решение, случайный рикошет. Поэтому даже лучшие системы дают вероятности, а не гарантии. По оценкам аналитиков, различия между сильными моделями часто измеряются долями процента, и это нормально: чем зрелее область, тем тоньше отличия.
Для болельщика это хорошая новость. Математика не отнимает у матча интригу, а добавляет к нему язык: вы можете объяснить, почему считали команду фаворитом и почему сюрприз всё равно произошёл.
Принципы спортивной аналитики работают и вне стадиона:
Те же идеи пригодятся там, где результат зависит от случая: в играх на онлайн-площадках, например в Zazino, понимание вероятностей делает вечер осознаннее. Зазино казино, к примеру, по данным оператора, держит в каталоге сразу несколько форматов, и в каждом из них полезно помнить про малую выборку. По данным оператора, Зазино предлагает слоты, рулетку, блэкджек, live-казино и краш-игры от ведущих провайдеров, и для каждого формата полезно помнить: короткая серия не равна среднему.
Сегодня камеры на стадионах фиксируют положение каждого игрока много раз в секунду. Из этих данных считают, как быстро команда возвращает мяч, где оставляет пространство и насколько согласованно двигается линия защиты. Такие метрики появились совсем недавно, и именно в них исследователи ищут следующий шаг точности: не в итоговом счёте, а в том, как команда играет.
Математика спорта прошла путь от одного числа Эло до нейросетей, которые изучают траектории игроков. Она не обещает всезнания, зато честно описывает, насколько шансы велики и где начинается случайность. Если вы любите игры и спорт, этот взгляд делает любой вечер богаче: зритель видит не только результат, но и вероятностную картину за ним. Познакомиться с платформой можно на странице Zazino bet, а адрес перед входом стоит сверить с проверенной ссылкой на Zazino официальный сайт.