Mayweather – McGregor i mötet mellan UFC och boxning har gjort fått sportfans och oddsspelare spända av förväntan av den enkla anledningen att det är något de aldrig tidigare sett. Detta ger en bra grund för debatt och spekulation men är jobbigt för alla som försöker att förutsäga resultatet med någon slags säkerhet, eftersom förutsägelser bygger på att det förflutna ska ge oss en fingervisning om vad som kommer ske i framtiden. Så vad kan du göra under dessa unika förhållanden? Du kan vända dig till ett tillvägagångssätt som utvecklats av en nobelprisvinnande kärnfysiker.
Förutsägelse är en kvantitativ vetenskap. Ju mer historiska data du har desto bättre är chansen att generera en korrekt bild – via ett system eller en modell – av hur framtiden kommer att se ut.
När någon bygger vidare på befintlig kunskap genom att identifiera ett nytt inflytande på en given händelse från ett dataset är personen bättre rustad att kunna få fram mer exakta förutsägelser än befintliga idéer. Bra exempel är väderprognoser eller vinnarodds för Premier League.
När det emellertid inte finns några
Enrico Fermi var en erkänd fysiker och betraktades som arkitekten bakom kärnåldern. Han vann Nobelpriset i fysik 1938 och skapade en av världens första kärnreaktorer. Han är också ihågkommen för sitt sätt att göra snabba gissningsuppskattningar som används för att kunna kvantifiera något som anses vara omöjligt att rimligen beräkna med tanke på den begränsade information som finns tillgänglig.
När det emellertid inte finns några data reduceras du till kvalitativ analys – och får bygga motiverade argument om vad som kan hända. Det kan tyckas inte vara bättre än att bara sätta fingret i vädret och se åt vilket håll det blåser, men vetenskapen har hjälpt till här i form av Fermi-modellen.
När han lärde sig detta tillvägagångssätt var han känd för att utmana sina elever med frågor som följande:
Hur många pianostämmare finns det i Chicago?
Detta är inte en kuggfråga. Ta några minuter och tänk på frågan och skriv ner ett argument - baserat på en rad delfrågor med uppskattningar - som gör att du kan komma fram till ett rimligt svar på den huvudsakliga frågan (utan att använda Google). Gör det innan du läser vidare.
Om du frågade dig själv följande delfrågor (eller följde en liknande logik men med lite andra frågor) skulle du komma fram till en bra idé av svaret.
- Hur många pianon finns det i Chicago?
- Hur ofta stäms ett piano varje år?
- Hur lång tid tar det att stämma ett piano?
- Hur många timmar per år jobbar en genomsnittlig pianostämmare?
Med hjälp av dina gissningar på de tre första frågorna kan du beräkna hur många pianostämningstimmar det skulle kunna finnas i Chicago årligen, och sen dela det med antalet timmar en stämmare jobbar under ett år, för att komma fram till en rimlig gissning av hur många pianon det skulle täcka. För att informera dig om frågorna 1, 2 och 3 måste du självklart bryta ner dem i ytterligare delfrågor.
Så för fråga
Sen måste du utarbeta hur stor procentandel av befolkningen som äger ett piano, vilket enligt
Fråga två och tre är enkel
Så om du antar att det finns 50 000 pianon som behöver stämmas en gång om året, och de tar två timmar att stämma vardera, motsvarar det 100 000 stämningstimmar. Dela det med de 1 600 timmar som arbetas i genomsnitt per år av en stämmare, så kommer du fram till 62,5 pianostämmare i Chicago.
Det finns inget definitivt svar, men efter en analys av gula sidorna (med tillstånd av Daniel Levitin) kom vi fram till 83, inklusive dubbletter, så om du hamnade någonstans mellan 55 och 70 har du gjort det bra.
Bry dig inte allt för mycket om svarets exakthet utan mer på ditt tillvägagångssätt. Denna typ av tankegång bidrar till träffsäker prognostisering när det saknas data - liknande spel på matchen mellan Mayweather och McGregor. Om du inte riktigt förstod hur du skulle bemöta den här frågan, läs resten av artikeln och försök igen med en annan abstrakt fråga.
- Expertinsikt Mayweather mot McGregor .
Pianostämmarfrågan har använts av Google, bland annat som en intervjufråga för att hjälpa dem bedöma slutledningsförmåga tillsammans med liknande frågor som "Hur mycket väger Empire State Building?"
Spelbolag är inte verksamma för att göra förutsägelser; de erbjuder helt enkelt en mätning av hur sannolikt det är att något ska inträffa, representerat i form av odds. I det avseendet är Pinnacle på säkrare mark när det kommer till etablerade sporter som följer en fast uppsättning regler och har goda solida och tillgängliga historiska data.
Superförutsägare: Good Judgment Project
Fermi-modellen diskuteras i Super-Forecasting: The Art & Science of prediction, en utmärkt bok av Philip Tetlock och Dan Gardner. Boken tar en titt på utvecklingen av vetenskapen om förutsägelse, med hjälp av Good Judgment Project (GJP) som bakgrund.
Under fyra år bjöd Tetlock in "20000 intellektuellt nyfikna lekmän" för att ansluta sig till GJP och förutse resultaten av ett stort antal geopolitiska spörsmål. Hans team var en del av ett bredare initiativ av IARPA (Intelligence Advanced Research Projects Activity) – en byrå inom den amerikanska underrättelsegemenskapen med fokus på att förbättra standarden på sina förutsägelser kring viktiga politiska och ekonomiska händelser som direkt påverkar nationellt intresse.
IARPA skapade en förutsägelsesturnering med fem lag som leddes av ledande forskare inom fältet, inklusive GJP och dess amatördetektiver. I över fem år ställde IARPA nästan 500 frågor med svar som lämnades in samma tid varje dag.
Träffsäkerhet uppmättes med hjälp av Brier-poäng som mäter träffsäkerhet av prognoser genom att summera deltat av styrkan av säkerheten i förutsägelser och verkligt utfall (i kvadrat). När man kräver att prognoser ska göras med en förtroendefaktor, belönar och straffar man förtroende i lika stor utsträckning och det är ett utmärkt sätt att korrekt särskilja tippare.
- Läs mer om Briers poängmetod.
Spelbolag är inte verksamma för att göra förutsägelser; de erbjuder helt enkelt en mätning av hur sannolikt det är att något ska inträffa, representerat i form av odds. I det avseendet är Pinnacle på säkrare mark när det kommer till etablerade sporter som följer en fast uppsättning regler och har goda solida och tillgängliga historiska data.
Vi kan sedan bygga modeller baserat på vad vi vet har hänt och komma fram till en bra uppfattning om chanserna för framtida resultat, representerade i form av öppningsodds.
För att nå nya kunder och utvidga vår attraktion hos befintliga användare behöver vi dock se förbi det kärnerbjudande som tar oss in i världar av nya eller mindre sporter där det kan finnas en fragmenterad statistik av tidigare matcher – det bästa exemplet är eSport, specialare och politiska val.
Val sker sällan. Under så olika omständigheter har den historiska datan väldigt lite värde. Opinionsundersökningar är opålitliga av många anledningar, och att förlita sig på
Maiden-problemet
Ett annat bra exempel på detta problem är Maiden-lopp (deltagare som ännu inte vunnit ett lopp) för hästar (observera att Pinnacle inte erbjuder hästkapplöpning men det här är användbart som referens).
Tvååriga Maiden-lopp, som involverar hästar som tävlar för första gången (tillsammans med de som ännu inte vunnit) är ett utmärkt exempel på en spelhändelse som oftast saknar stabil grund. Det värsta är att loppen är korta och har liten felmarginal om hästar skulle hamna i problem när de springer in på en bana för första gången.
Hur förutspår du talang hos en häst som aldrig har sprungit, i ett lopp där framgång (från tränare/ägarperspektivet) kan mätas i termer av att ge sin springare en positiv upplevelse av att bara tävla?
- Du ställer en uppsättning deduktiva frågor som följer pianostämmarproblemet.
- Hur bra är hästens stamtavla? Hur framgångsrik är uppfödaren?
- Hur är det med tränaren? Hur ser deras statistik ut för första-gången-vinnare och över samma distans?
- Hur är det med jockeyns statistik i Maiden-lopp?
Dessa frågor kan göra det möjligt för dig att göra en kvalificerad gissning om hästens chanser – helst genom att kombinera dem med en betygsättning – och genom att använda Brier-poängen för att korrekt ställa din konfidensnivå mot marknaden.
På så sätt
10 budord för bra förutsägelse
De utmaningar som GJP står inför är inte annorlunda än de som spelare och spelbolag ställs inför när de rör sig från traditionella sportmarknader till mer exotiska spel som leder oss tillbaka till matchen mellan Mayweather och McGregor. Vi har en rimlig uppfattning om handikappspel i boxning och MMA, men en boxare mot en MMA-fighter öppnar i själva verket ett Fermi-problem (spelare kan försöka lösa det med hjälp av liveodds och oddsrörelsediagrammet nedan).
Den goda nyheten här är, baserat på resultaten från GJP, att det finns några väldigt praktiska saker som experimentellt visat sig öka basnivån av förutsägelser från dessa amatörprognoser.
Tetlock har faktiskt framställt de 10 budorden för god förutsägelse baserat på GJP:s erfarenhet. Mer information finns på www.goodjudgementproject.com (ännu bättre är att läsa boken) men här är de i kortform och tillämpas på spel och i tillämpliga fall rörande matchen mellan Mayweather och McGregor.
Genom att använda randomiserade försök fastställde Tetlock att de som läser en guidebok som innehåller dessa principer ökade sina Brier-poäng med 10 %. Det kan räcka för att ta dig till långsiktig lönsamhet som spelare.
1: Fokusera på problem där ditt hårda arbete är mer benäget att betala sig, ignorera både det uppenbara och det otänkbara. Det finns väldigt liten chans att du upptäcker något om Premier League som inte redan redovisats av marknaden. Hitta en realistisk nivå – en beboelig zon – där det är realistiskt att anta att värde kan hittas med hjälp av rimlig tid och ansträngning.
2: Bryt ner stora klumpiga problem till en serie mindre. Till exempel "Vem vinner mellan Mayweather och McGregor?" Kan bli "Vilken boxningsform är McGregor i?" "Vad är deras respektive motivation?" "Vilken stil fightas McGregor med, och vad är Mayweathers statistik mot den stilen?" och så vidare. Tilldela värden och en grad av förtroende till dina svar.
3: Balansera åsikter inifrån och utifrån. Vad gäller Mayweather–McGregor kräver denna princip att du går utanför boxning eller MMA som enda bedömning. McGregor har ett stort följe inom MMA-communityn som utan tvekan stöttar honom, men är deras insyn värdefull här? På samma sätt, hur mycket känner boxningsentusiaster till om MMA? Försök balansera båda delarna.
4: Balansera över- och underkompenserande när det gäller ny information. Detta uppmuntrar i princip ett Bayesianskt tillvägagångssätt för att inkludera nya bevis, men förespråkar samtidigt att du undviker en överreaktion på ny information eller att envist bortse från den. Detta bygger på erfarenhet och viktning av informationskällan. Mycket kommer att sägas på nätet om denna fight, så lägg tid på att hitta de bästa informationskällorna.
5: Utmana dina fördomar. Om du är kunnig om boxning och inte kan tänka dig annat än en Mayweather-vinst, utmana dig själv att tänka på några scenarier där han kan förlora och vice versa.
6: Översätt aningar till grader av sannolikhet En erfaren prognosmakare kommer att ha ett bredare språk än "Mayweather är säker" eller "McGregor har ingen chans". Deras tillvägagångssätt kommer att återspegla en mer nyanserad bedömning uppmätt i sannolikhet, inte retorik.
7: Lär dig balansera över- och undertillförsikt. Detta betyder att hitta en balans mellan att gå in hårt och att inte göra något alls – att missa en möjlighet eller gå all-in utan att göra en uppmätt bedömning.
8: Analysera både misslyckanden och framgångar med samma noggrannhet. Det finns en sak som är värre än att ha fel, det är att inte inse vad misstaget var. På samma sätt kan du fatta rätt beslut och fortfarande få fel resultat och vice versa.
9: Ta fram det bästa i andra och låt andra ta fram det bästa i dig. Detta handlar om laganda i GJP, så det är bara relevant om du arbetar som en del av ett syndikat eller kanske om du är mycket aktiv på sociala medier och är villig att dela med dig av ditt arbete och acceptera/ge konstruktiv kritik.
10: Förbättring kommer bara från att du använder dina goda intentioner i praktiken. Det går bra att se spel som en hobby, förvänta dig bara inte att du ska vinna i längden. Om du inte är nöjd med den prognosen accepterar du att du måste lägga tid och ansträngning för att satsa på ett systematiskt och strukturerat sätt.