Mandante | Visitante | PVM | PE | PVV |
---|---|---|---|---|
Atlético-PR | Atlético-MG | 50% | 30% | 20% |
Avaí | Atlético-GO | 27% | 42% | 31% |
Bahia | Coritiba | 53% | 26% | 21% |
Botafogo | Vitória | 55% | 25% | 21% |
Cruzeiro | Corinthians | 23% | 44% | 34% |
Grêmio | Fluminense | 49% | 28% | 23% |
Palmeiras | Santos | 33% | 43% | 24% |
Ponte Preta | Flamengo | 32% | 32% | 36% |
São Paulo | Sport | 48% | 25% | 26% |
Vasco | Chapecoense | 37% | 29% | 34% |
sexta-feira, 29 de setembro de 2017
Predições para Rodada 26, após Rodada 25
segunda-feira, 25 de setembro de 2017
Predições para o campeonato, após a rodada 25
Time | Campeonato | Libertadores | Pré-Libertadores | Rebaixado |
---|---|---|---|---|
Atlético-GO | 0% | 0% | 0% | 89,7% |
Atlético-MG | 0% | 0,1% | 1,4% | 20,2% |
Atlético-PR | 0% | 3,4% | 17% | 1,4% |
Avaí | 0% | 0% | 0,1% | 41,1% |
Bahia | 0% | 0% | 1,5% | 12,7% |
Botafogo | 1% | 37,2% | 72,3% | 0% |
Chapecoense | 0% | 0% | 1,5% | 21,3% |
Corinthians | 89,3% | 99,8% | 100% | 0% |
Coritiba | 0% | 0% | 0% | 52,6% |
Cruzeiro | 0,5% | 36,8% | 71,1% | 0% |
Flamengo | 0,4% | 24% | 55,3% | 0% |
Fluminense | 0% | 0,6% | 4% | 8,6% |
Grêmio | 3,9% | 72,8% | 92,4% | 0% |
Palmeiras | 2,3% | 59,8% | 87% | 0% |
Ponte Preta | 0% | 0% | 0,2% | 52,4% |
Santos | 2,5% | 64,8% | 90,6% | 0% |
São Paulo | 0% | 0,1% | 1,6% | 20,2% |
Sport | 0% | 0,1% | 1% | 23,1% |
Vasco | 0% | 0,2% | 2,4% | 13,8% |
Vitória | 0% | 0% | 0,3% | 42,9% |
Observações:
1-A coluna "Libertadores" define a probabilidade de um time terminar a competição numa das 4 primeiras posições, ou seja, a probabilidade dada pelo modelo desse time se classificar para a fase de grupos da Taça Libertadores de 2018.
2-A coluna "Pré-Libertadores" define a probabilidade de um time terminar a competição numa das 6 primeiras posições, ou seja, a probabilidade dada pelo modelo desse time se classificar para a Taça Libertadores de 2018, em qualquer fase.
domingo, 24 de setembro de 2017
Predições para o campeonato, após a rodada 24
Time | Campeonato | Libertadores | Pré-Libertadores | Rebaixado |
---|---|---|---|---|
Atlético-GO | 0% | 0% | 0% | 85,9% |
Atlético-MG | 0% | 0,6% | 3,9% | 10,9% |
Atlético-PR | 0,1% | 7,6% | 26,1% | 0,5% |
Avaí | 0% | 0% | 0,2% | 43,9% |
Bahia | 0% | 0,1% | 1,4% | 25,6% |
Botafogo | 0,4% | 27,4% | 58,5% | 0,1% |
Chapecoense | 0% | 0% | 1% | 31,5% |
Corinthians | 87,9% | 99,4% | 99,9% | 0% |
Coritiba | 0% | 0,1% | 0,4% | 40,5% |
Cruzeiro | 0,1% | 28,3% | 60,2% | 0% |
Flamengo | 0,5% | 37,6% | 68,6% | 0,1% |
Fluminense | 0% | 2% | 9,3% | 5,1% |
Grêmio | 7,9% | 86,5% | 96,8% | 0% |
Palmeiras | 1,5% | 50,5% | 80,8% | 0% |
Ponte Preta | 0% | 0% | 0,3% | 40,9% |
Santos | 1,5% | 58,1% | 84,8% | 0% |
São Paulo | 0% | 0,4% | 1,8% | 22,4% |
Sport | 0% | 0,5% | 2,9% | 17,2% |
Vasco | 0% | 0,6% | 2,7% | 14,8% |
Vitória | 0% | 0% | 0,1% | 60,9% |
Observações:
1-A coluna "Libertadores" define a probabilidade de um time terminar a competição numa das 4 primeiras posições, ou seja, a probabilidade dada pelo modelo desse time se classificar para a fase de grupos da Taça Libertadores de 2018.
2-A coluna "Pré-Libertadores" define a probabilidade de um time terminar a competição numa das 6 primeiras posições, ou seja, a probabilidade dada pelo modelo desse time se classificar para a Taça Libertadores de 2018, em qualquer fase.
sábado, 23 de setembro de 2017
Comparação de modelos - Série A Brasileirão 2016
Rodada | UFRJ | CdG | UFMG | Nulo | Simples |
---|---|---|---|---|---|
31 | 8,1 | 1,8 | 1,7 | 1 | 4 |
32 | 4,4 | 3,9 | 6,6 | 1 | 0,8 |
33 | 0,3 | 0,4 | 1,4 | 1 | 1,1 |
34 | 5 | 3,1 | 0,6 | 1 | 8,6 |
35 | 1,4 | 1,3 | 0,8 | 1 | 0,2 |
36 | 15,8 | 13,1 | 5,2 | 1 | 11 |
37 | 0,7 | 0,7 | 0,1 | 1 | 1,9 |
38 | 14,9 | 2,5 | 4,1 | 1 | 2,5 |
Total | 12531,5 | 277,4 | 11,4 | 1 | 245,1 |
Medidas de qualidade das predições
Essas serão as três principais formas usadas para comparar a qualidade de nossas predições com a de outras. Para os que estiverem interessados na definição matemática desse terceiro método de comparação (no qual chama-se a probabilidade dada pelo modelo para que tenha acontecido o que aconteceu de verossimilhança preditiva), uma explicação pode ser encontrada aqui.
Agora, para ilustrar o funcionamento desses três diferentes métodos, será usado um pequeno conjunto de jogos:
Mandante | Visitante | Placar |
---|---|---|
A | B | 0x0 |
C | D | 6x2 |
E | F | 0x1 |
G | H | 1x1 |
E serão comparadas as probabilidades que quatro modelos deram para esses resultados, antes de eles terem acontecido. O terceiro modelo será chamado de simples, e define as probabilidades de cada time vencer com base nas médias do campeonato, até o momento; ou seja, a probabilidade que o modelo dá para um time mandante vencer seu jogo é igual à proporção de vitórias de mandantes no campeonato, até aquele momento. As probabilidades de empate e de vitória são calculadas de forma análoga. Assim, as probabilidades dadas pelo modelo simples para vitórias de A, C, E e G são iguais entre si, e o mesmo pode ser dito para as probabilidades de empates nessas partidas e para as probabilidades de vitórias de B, D, F e H. Para calcular as probabilidades dadas por esse modelo para esse conjunto de dados, presumiu-se que o campeonato de que participam os oito times apresentou, até o momento, porcentagens de: 50% de vitórias dos mandantes, 25% de empates e 25% de vitórias dos visitantes.
O modelo simples é assim chamado porque pode-se ver, a partir da forma como ele calcula suas probabilidades, que o único fator que está influenciando seu processo de previsão de resultados é a definição de mandante e visitante, dentro de cada jogo. Já o quarto modelo será chamado de nulo, e será assim chamado porque seu processo de previsão não depende de qualquer fator. Ele define que as probabilidades de qualquer um dos três possíveis resultados acontecer é igual para todos: um terço, ou, aproximadamente 33%.
Aqui estão as probabilidades dadas pelos quatro modelos para os resultados que realmente aconteceram:
Modelo 1
Mandante | Visitante | PVM | PE | PVV |
---|---|---|---|---|
A | B | 40% | 30% | 30% |
C | D | 45% | 25% | 30% |
E | F | 30% | 50% | 20% |
G | H | 37% | 38% | 25% |
Modelo 2
Mandante | Visitante | PVM | PE | PVV |
---|---|---|---|---|
A | B | 60% | 20% | 20% |
C | D | 55% | 21% | 24% |
E | F | 50% | 30% | 20% |
G | H | 28% | 57% | 15% |
Modelo Simples
Mandante | Visitante | PVM | PE | PVV |
---|---|---|---|---|
A | B | 50% | 25% | 25% |
C | D | 50% | 25% | 25% |
E | F | 50% | 25% | 25% |
G | H | 50% | 25% | 25% |
Modelo Nulo
Mandante | Visitante | PVM | PE | PVV |
---|---|---|---|---|
A | B | 33% | 33% | 33% |
C | D | 33% | 33% | 33% |
E | F | 33% | 33% | 33% |
G | H | 33% | 33% | 33% |
Vamos, então, para a comparação de modelos. Quando se utiliza o primeiro método, não há como o modelo nulo "acertar" um resultado, visto que suas probabilidades são todas iguais. Assim, os resultados a seguir são só para os outros três modelos:
Modelo | Acertos |
---|---|
1 | 2 |
2 | 2 |
Simples | 1 |
Para o segundo método, os resultados são:
Modelo | Acertos |
---|---|
1 | 0 |
2 | 2 |
Simples | 0 |
Nulo | 2 |
Para o terceiro método, os valores são padronizados de acordo com o valor do modelo nulo. Dessa forma, a probabilidade dada por um modelo para os resultados que ocorreram terem ocorrido é dividida pela probabilidade dada pelo modelo nulo. Dessa maneira, qualquer valor maior que um mostra que esse modelo deu uma probabilidade maior que a do nulo, enquanto um valor menor que um aponta para o oposto. Aqui estão os resultados:
Modelo | Valor |
---|---|
1 | 0,83 |
2 | 1,02 |
Simples | 0,63 |
Nulo | 1 |
Agora, para comparar os modelos de acordo com os valores nas tabelas, é simples. Quanto maior o valor de um modelo na segunda coluna de sua linha numa tabela, melhor foi seu desempenho em cada método. E essas tabelas mostram os problemas com os dois primeiros métodos de comparação. Olhando para a primeira tabela apenas, os modelos 1 e 2 parecem de ser de mesma qualidade, o simples parece ser o pior dos três e nada se sabe sobre o nulo. Olhando apenas para a segunda tabela, vê-se que os modelos 2 e nulo são de mesma qualidade, e o mesmo pode ser dito para os modelos 1 e simples. Usaro o terceiro método possibilita que finalmente se veja as diferenças mais sutis entre os modelos, com o modelo 2 sendo o melhor, o nulo sendo o segundo melhor, o 1 sendo o terceiro melhor e o simples sendo o pior.
Duas considerações adicionais podem ser feitas a partir dos resultados do terceiro método. A primeira se baseia unicamente no valor da segunda coluna para cada modelo. Caso esse valor seja menor que um, pode-se dizer que esse modelo apresentou sérios problemas na previsão de resultados para os quatro jogos que foram utilizados, pois o modelo nulo - um modelo que, basicamente, considera fútil o exercício de prever resultados - se saiu melhor que ele. A segunda se relaciona com a qualidade relativa de um modelo, quando comparado com o nulo. Nela, o valor dado para o modelo é padronizado para um valor para um jogo. Ou seja, o valor para cada modelo é passado por uma raiz quarta. Raiz quarta porque foram utilizados quatro jogos; se tivessem sido usados dois, seria uma raiz quadrada; se fossem cem, raiz centésima.
Depois de passada a raiz quarta, os resultados são:
Modelo | Valor |
---|---|
1 | 0,955 |
2 | 1,003 |
Simples | 0,892 |
Nulo | 1 |
A forma de se interpretar esses resultados é a seguinte: a previsão do modelo 1 para um jogo teve 95,5% da qualidade de uma previsão do nulo, a do 2 teve 100,3% e a do simples teve 89,2%. Ou seja, quando se padroniza os valores para um jogo, uma previsão do modelo 1 foi 4,5% pior que uma do nulo, enquanto uma do 2 foi 0,3% melhor e uma do 2 foi 10,8% pior.
Predições para Rodada 25, após Rodada 24
Mandante | Visitante | PVM | PE | PVV |
---|---|---|---|---|
Atlético-GO | Cruzeiro | 19% | 33% | 49% |
Atlético-MG | Vitória | 38% | 30% | 32% |
Bahia | Grêmio | 29% | 23% | 49% |
Chapoecoense | Ponte Preta | 43% | 31% | 25% |
Coritiba | Botafogo | 27% | 42% | 31% |
Flamengo | Avaí | 54% | 33% | 14% |
Fluminense | Palmeiras | 34% | 28% | 38% |
Santos | Atlético-PR | 46% | 40% | 14% |
São Paulo | Corinthians | 19% | 32% | 49% |
Sport | Vasco | 48% | 28% | 24% |
Predições para Rodada 24, após Rodada 23
Mandante | Visitante | PVM | PE | PVV |
---|---|---|---|---|
Atlético-PR | Fluminense | 45% | 25% | 31% |
Avaí | Atlético-MG | 20% | 40% | 40% |
Botafogo | Santos | 33% | 39% | 28% |
Corinthians | Vasco | 64% | 27% | 9% |
Cruzeiro | Bahia | 57% | 30% | 13% |
Flamengo | Sport | 54% | 24% | 22% |
Grêmio | Chapecoense | 66% | 19% | 16% |
Palmeiras | Coritiba | 50% | 29% | 21% |
Ponte Preta | Atlético-GO | 58% | 23% | 19% |
Vitória | São Paulo | 34% | 28% | 38% |
sábado, 9 de setembro de 2017
Predições para Rodada 23, após Rodada 22
Mandante | Visitante | PVM | PE | PVV |
---|---|---|---|---|
Atlético-GO | Bahia | 36% | 32% | 32% |
Atlético-MG | Palmeiras | 30% | 30% | 40% |
Atlético-PR | Coritiba | 55% | 23% | 23% |
Botafogo | Flamengo | 40% | 30% | 30% |
Chapecoense | Cruzeiro | 23% | 28% | 50% |
Santos | Corinthians | 24% | 40% | 35% |
São Paulo | Ponte Preta | 56% | 27% | 16% |
Sport | Avaí | 54% | 29% | 17% |
Vasco | Grêmio | 14% | 18% | 69% |
Vitória | Fluminense | 25% | 24% | 52% |