close
mar 24, 2014
mar 24, 2014

Bayesiansk analyse og sportsveddemål

Bayesiansk analyse og sportsveddemål
Spillere er ofte på jakt etter nye verktøy som kan gjøre dem bedre til å beregne hvor sannsynlig det er at forskjellige hendelser skal finne sted. Denne artikkelen diskuterer hvordan bayesiansk analyse – teorien fra en presbyteriansk prest ved navn Thomas Bayes som levde i England i det 18. århundre – kan hjelpe sportsgamblere med å beregne resultatet for en hendelse.

Oppfinnelsen av den bayesianske analyse

Thomas Bayes ble født rundt 1701 i England, og tilbragte livet sitt med å studere teologi og matematikk. Det var første etter hans død i 1761 at en av studiene hans, «An Essay towards solving a Problem in the Doctrine of Chances», ble sendt inn til det engelske Royal Society, som så anerkjente hvor viktig arbeidet hans var.

Men det var først etter at datamaskinen ble oppfunnet over 200 år senere at Bayes' arbeid virkelig ble satt pris på og ble allment akseptert. Siden da har den bayesianske analyse blitt tolket og brukt på mange forskjellige fagfelt, som f.eks. kunstig intelligens. I sin enkleste form er den bayesianske metode kanskje den mest fornuftige måten å bruke sannsynlighetsregning og resonnement på til å fatte beslutninger i usikre situasjoner, også innen pengespill.

Den bruker en iterativ prosess for å evaluere hva du vet om sannsynlighetsgraden til en fremtidig hendelse og deretter teste effekten av ny kunnskap etterhvert som den blir tilgjengelig.

Formelen for bayesiansk analyse

Bayesiansk analyse har mange navn, «Bayesiansk inferens», «omvendt sannsynlighet», «bayesiansk oppdatering», osv. Men til syvende og sist dreier det seg om en relativt enkel formel:

P(A|B)= P(A)*P(B|A)/P(B)
Sannsynligheten for utfall A gitt B er lik Sannsynligheten for utfall A ganger sannsynligheten for utfall B gitt A delt på sannsynligheten for utfall B

Hvis du vil vite sannsynligheten for A når du vet at B også er reell (gitt), finner du svaret ved å gange ditt tidligere anslag for A (sannsynligheten for A) med hvor mye mer sannsynlig B er når A er reell (altså P(B|A)/P(B)).

Bruk av bayesiansk metode for å forutse været

Så, la oss si du anslår at det er 30 % sjanse for regn i morgen.

Og du vet at på en gjennomsnittlig dag er det 50 % sjanse for at det er skyer på himmelen.

Du vet også at det er 100 % sannsynlig at det er skyer hvis det er 100 % sannsynlig at det vil regne (det er alltid skyer når det regner).

Du har følgende informasjon:

  • P(A)= Sannsynligheten for reg = 30 %
  • P(B)= Sannsynligheten for skyer = 50 %
  • P(B|A)= Sannsynligheten for skyer gitt at det regner = 100 %

Du våkner om morgenen, og kan glede deg over ny og oppdatert informasjon: du ser at det er skyer på himmelen. Da utfører du altså en bayesiansk oppdatering av sannsynligheten for regn, gitt at det er skyer på himmelen.

Som vi husker er formelen P(A|B)=P(A)*P(B|A)/P(B)= Sjansen for regn * Sjansen for skyer gitt at det regner / Sjansen for skyer = 30 %*100 %/50 % = 60 %

Du kan nå oppdatere den estimerte sannsynligheten for regn til 60 %.

Bayesiansk analyse og sportsveddemål

La oss nå overføre dette til et eksempel innen oddsveddemål. La oss si at du er interessert i en Bayern Munchen-kamp, og tror de har 50 % sjanse til å vinne. Du vet også at det regner 11 % av gangene de vinner, men at sannsynligheten for regn i en hvilken som helst Bayern Munchen-kamp er 10 %.

Beregning:

  • P(A)= Sannsynligheten for at Bayern Munchen vinner = 50 %
  • P(B)= Sannsynligheten for regn i en Bayern Munchen-kamp = 10 %
  • P(B|A)= Sannsynligheten for regn i en fotballkamp der Bayern Munchen vinner = 11 %

Hvis du nå mottar informasjon om været, trenger du ikke å stresse for å vurdere hvor mye dette påvirker oddsen. Du kan, som mange proffe gamblere gjør (på mange fagfelt, også sportsveddemål) utføre en bayesiansk oppdatering.

Hvis det regner, vet du at P(A|B)=P(A)*P(B|A)/P(B)= 50 %*11 %/10 %= 55 %.

Merk at P(B|A)/P(B) er det samme som å spørre «Hvor mye mer sannsynlig er det at B skjer, gitt A?». I dette tilfellet, 11/10 (11 %/10 %).

Når du vet at B er et faktum, kan den nye beregningen av A endres ved å bare multiplisere den ut: P(A)*P(B|A)/P(B).

Oppsummering

Spillere er ofte sine egne verste fiender, og det å klore seg fast i et bestemt utfall selv om omstendighetene endrer seg er en vanlig feil. Bayesiansk analyse bryter denne uvanen ved å tillate og oppmuntre konstant testing av nye bevis mot posisjonen din. I bunn og grunn er det en aktiv prosess med tilbakemeldinger som forbedrer anslagene dine om hvor sannsynlig en hendelse er.

Men det er ingen ren matematisk krystallkule. Som med alle formler gjelder SISØ-regelen: søppel inn = søppel ut. Men hvis du tror på din vurdering av dataene du tester, kan du få gode resultater ved å bruke bayesiansk analyse i dine sportsveddemål. Og du kan takke en prest fra det 18. århundre for dette.

strategy-openaccount.jpg

Tipperessurser – Bli en bedre spiller

Pinnacles Tipperessurser er en av nettets mest omfattende samlinger av ekspertråd for tipping. Passer for alle erfaringsnivåer, og formålet er ganske enkelt å gi kundene våre støtten de trenger for å bli bedre spillere.