mar 24, 2014
mar 24, 2014

Bayesiansk analys och sportsbetting

Bayesiansk analys och sportsbetting
Oddsspelare letar ständigt nya verktyg för att förbättra sin förmåga att bedöma sannolikheter för händelser med osäkra utfall. Denna artikel förklarar hur du kan använda Bayesiansk analys – en teori skapad av den presbyterianske 1700-talsprästen Thomas Bayes – till att bättre bedöma händelsers utfall.

Den Bayesianska analysens bakgrund

Thomas Bayes föddes kring år 1701 i England och ägnade sitt liv åt att studera teologi och matematik. Först efter sin död år 1761 upptogs hans verk "An Essay towards solving a Problem in the Doctrine of Chances" i Royal Society. Efter det blev Bayes erkänd för sitt arbete.

Det dröjde dock ända tills persondatorn uppfanns cirka 200 år senare innan hans verk på allvar uppmärksammades och blev allmänt accepterat. Ända sedan dess har Bayesiansk analys tolkats och tillämpats i en rad olika fält som t.ex. artificiell intelligens. I sin mest grundläggande form är den Bayesianska metoden den mest finskänsliga när det kommer till att tillämpa sannolikhetslära och slutledning för att fatta beslut under osäkra omständigheter – däribland oddsspel.

Den tillämpar en iterativ process som hjälper dig bedöma allt du vet om en framtida händelses sannolikhet. Därefter inlemmar den ny information i takt med att den blir tillgänglig.

Formeln för Bayesiansk analys

Bayesiansk analys har många namn: "Bayesiansk slutsats", "omvänd sannolikhet", "Bayesiansk uppdatering" osv, men i slutändan rör det sig om en ganska enkel formel:

P(A|B)= P(A)*P(B|A)/P(B)
Sannolikheten för A förutsatt B motsvarar sannolikheten för A multiplicerad med sannolikheten för B förutsatt A dividerat med sannolikheten för B

Om du vill ta reda på sannolikheten för A när du vet att B också finns med i beräkningen (given) kan du få fram svaret genom att multiplicera din tidigare uppskattning för A (A:s sannolikhet) med hur mycket mer sannolikt B är när A är närvarande (dvs. P(B|A)/P(B)).

Att förutspå vädret med Bayesiansk analys

Säg att du uppskattar sannolikheten att det blir regn i morgon till 30 %.

Och du vet att sannolikheten för moln i snitt är 50 %.

Du vet också att sannolikheten för att det ska bli molnigt är 100 % om sannolikheten för regn är 100 % (det är alltid molnigt om det regnar).

Du har följande information:

  • P(A)= Sannolikhet för regn= 30 %
  • P(B)= Sannolikhet för moln= 50 %
  • P(B|A)= Sannolikhet för moln om det regnar= 100 %

Du vaknar på morgonen och får ny information: det är molnigt. Då bör du utföra en Bayesiansk uppdatering av sannolikheten för regn eftersom det är molnigt.

Det blir alltså P(A|B)=P(A)*P(B|A)/P(B)= risk för regn * risk för moln om det regnar/risk för moln=30 %*100 %/50 %=60 %

Därmed kan du uppdatera din sannolikhet att det ska börja regna till 60 %.

Bayesiansk analys i sportodds

Låt oss överföra det till ett sportoddsexempel. Säg att du vill spela på en Bayern München-match som du tror att de har 50 % chans att vinna. Du vet också att det regnar 11 % av matcherna som Bayern vinner. Det är mer än snittet för alla Bayern-matcher som ligger på 10 %.

Uträkning:

  • P(A)= Sannolikhet att Bayern München vinner= 50 %
  • P(B)= Sannolikhet för regn i en Bayern München-match= 10 %
  • P(B|A)= Sannolikhet för regn i en fotbollsmatch som Bayern München vinner= 11 %.

Om du får ny information om vädret behöver du inte oroa dig för hur det ska påverka oddset. Gör som många proffs i en rad områden (bland annat sportodds) och utför en Bayesiansk uppdatering.

Om det regnar vet du att P(A|B)=P(A)*P(B|A)/P(B)= 50 %*11 %/10 %= 55 %.

Observera att P(B|A)/P(B) är samma sak som att fråga: "hur mycket mer sannolikt är det att B inträffar om A inträffat?". I det här fallet blir det 11/10 (11 %/10 %).

Så snart du vet att B inträffat kan du ändra din uppskattning av A genom att multiplicera dem: P(A)*P(B|A)/P(B).

Slutsats

En oddsspelares är ofta sin egen största fiende, eftersom man kan ha svårt att släppa sin fixering vid ett visst utfall även om förutsättningarna ändras. Det är ett vanligt misstag. Bayesiansk analys bryter denna ovana genom att göra det möjligt att kontinuerligt utvärdera ny information som talar emot din slutsats – kort sagt positiv återkoppling som stadigt förbättrar din uppskattning av ett utfalls sannolikhet.

Men det är ingen matematisk spåkula. Precis som med alla andra formler gäller SISU – skräp in, skräp ut. Men om du känner dig säker på din uppskattning kan den Bayesianska metoden förbättra din avkastning från oddsspel. Det kan du tacka en 1700-talspräst för.

strategy-openaccount.jpg

Oddsresurser: Bli en bättre spelare

Pinnacles avdelning Oddsresurser är en av nätets mest omfattande artikelsamlingar med spelråd från experter. Vi tillgodoser behoven hos både nybörjare och proffs – vårt mål är helt enkelt att öka våra spelares kunskaper.