Modelli di previsione con quiz sui dati sportivi & Risposte

Tuffati nell'entusiasmante mondo dell'analisi sportiva con quiz coinvolgenti e risposte di esperti Modelli di previsione con Gli sport Dati. Esplora l'intersezione tra scienza dei dati e sport, dove la modellazione predittiva sta cambiando il modo in cui comprendiamo e analizziamo le prestazioni sportive. Questi quiz fungono da gateway per svelare le complessità della creazione di modelli predittivi accurati con dati sportivi, dalle prestazioni dei giocatori ai risultati del gioco.

Che tu sia un appassionato di sport affascinato dai dati dietro il gioco, o un appassionato di scienza dei dati che desidera applicare l'analisi predittiva in un contesto sportivo, questa raccolta offre preziose informazioni sul potere del processo decisionale basato sui dati nello sport. Unisciti a noi in un viaggio alla scoperta della statistica mentre esploriamo il regno di predittivo Modelli usando gli sport dati e aprire opportunità per approfondimenti basati sui dati e vantaggi strategici nel mondo dell’analisi sportiva.

Quiz 1: Settimana 1 – Quiz 1

Q1. Dall'LPM, qual era il coefficiente di regressione per la percentuale di vincita pitagorica nello spiegare la variabile di vincita binaria, denominato "VINCERE"?

Vittoria pitagorica%: 6.2946
Vittoria pitagorica%: 2.6461
Vittoria pitagorica%: 5.542
Vittoria pitagorica%: 16.393

Q2. Dall'LPM, qual era il valore di R quadrato?

0.102
10.2
1.02
0.0102

Q3. Dalla regressione logistica, qual era il coefficiente di regressione per la vittoria pitagorica %?

30.5739
26.550
34.598
1.027

Q4. Dalla regressione logistica, qual è l'errore standard per la vittoria pitagorica %?

2.053
20.53
1.027
1.023

Q5. Dalla regressione logistica, quale frazione di risultati è stata prevista correttamente %?

Q6. Dalla Regressione Logistica Multipla che ha incorporato il vantaggio della squadra di casa, quale frazione di risultati è stata prevista correttamente %?

Quiz 2: Settimana 1 – Quiz 2

Q1. Dopo aver diviso il set di dati della stagione regolare utilizzando l'ID del gioco (cioè, IDENTITÀ DI GIOCO), quante partite hanno giocato in precedenza gli Atlanta Hawks e i Chicago Bulls (fare riferimento al set di dati "NBA17_pre_team".)?

Atlanta Hawks: 40
Chicago Bulls: 42
Atlanta Hawks: 41
Chicago Bulls: 41
Atlanta Hawks: 41
Chicago Bulls: 42
Atlanta Hawks: 44
Chicago Bulls: 40

Q2. Qual era il coefficiente di correlazione tra la vincita pitagorica % e Vincere % nella prima metà del set di dati (fare riferimento al set di dati "NBA17_pre_team".)?

0.78
0.89
0.45
0.91

Q3. Qual è stata la vincita % dei Chicago Bulls nella seconda metà del set di dati (fare riferimento al set di dati "NBA_17_post_team".)

Q4. Dal modello di previsione, quali erano i coefficienti di regressione per ciascuna variabile indipendente (cioè, “wpc_pre” e “pyth_pre”

Vittoria pitagorica %: 3.75
Vincita %: 0.825
Vittoria pitagorica %: 6.25
Vincita %: 0.756
Vittoria pitagorica %: 4.55
Vincita %: 0.567
Vittoria pitagorica %: 7.55
Vincita %: 0.625

Settimana 2: Modelli di previsione con dati sportivi Risposte al quiz Coursera

Quiz 1: Settimana 2 Quiz

Q1. Qual è la correlazione tra la probabilità di vittoria della squadra di casa e le vittorie della squadra di casa nell'intero torneo 2018/19 stagione?

+0.413
+0.576
+0.397
-0.198

Q2. Qual è la correlazione tra la probabilità di vittoria della squadra di casa e le vittorie della squadra di casa per le partite in cui la differenza punti era inferiore a? 9?

+0.414
-0.198
+0.455
+0.198

Q3. Qual è la correlazione tra la probabilità di vittoria della squadra di casa e le vittorie della squadra di casa per le partite in cui la differenza punti era maggiore di? 9?

-0.319
+0.321
+0.198
+0.576

Q4. Considerando le risposte alle ultime due domande, quale pensi sia la spiegazione più probabile di questi risultati?

I bookmaker rendono le quote più casuali per attirare scommesse su giochi ravvicinati
Le differenze osservate nelle correlazioni sono semplicemente casuali
I bookmaker non sono buoni meteorologi
I giochi incerti sono quelli in cui è più probabile che le quote dei bookmaker siano sbagliate e che i punteggi siano più vicini

Q5. Qual è la correlazione tra la probabilità di vittoria della squadra di casa e le vittorie della squadra di casa per le partite in cui la partita è andata ai tempi supplementari??

+0.414
-0.397
+0.319
+0.032

Q6. Qual è la correlazione tra la probabilità di vittoria della squadra di casa e le vittorie della squadra di casa per le partite in cui la partita è terminata nei tempi regolamentari??

+0.576
+0.414
-0.413
+0.503

Q7. Qual è la correlazione tra la probabilità di vittoria della squadra di casa e le vittorie della squadra di casa per le partite in cui la partita è stata giocata nell'anno solare? 2018?

+0.338
+0.319
+0.322
-0.322

Q8. Qual è la correlazione tra la probabilità di vittoria della squadra di casa e le vittorie della squadra di casa per le partite in cui la partita è stata giocata nell'anno solare? 2019?

+0.455
+0.379
-0.438
+0.438

D9. In quale mese il coefficiente di correlazione tra la probabilità di vittoria della squadra di casa e le vittorie della squadra di casa è stato maggiore??

gennaio
ottobre
dicembre
aprile

Q10. In quale mese il coefficiente di correlazione tra la probabilità di vittoria della squadra di casa e le vittorie della squadra di casa è stato più basso??

marzo
febbraio
novembre
ottobre

Settimana 3: Modelli di previsione con dati sportivi Risposte al quiz Coursera

Settimana 3 Quiz

Q1. Basato sulla tabella incrociata, quale percentuale di partite ha previsto correttamente il bookmaker durante l'intera stagione

Q2. Dal modello logit ordinato, qual è il coefficiente della variabile rapporto TM?

0.1129
-0.6734
0.3356
0.5981

Q3. Nel modello logit ordinato, qual è il meglio che possiamo dire sulla significatività statistica della variabile rapporto TM??

È statisticamente significativo al 10% i limiti di processo vengono stabiliti impostando i livelli superiore e inferiore per una serie di parametri (valore p)
È statisticamente significativo al 1% i limiti di processo vengono stabiliti impostando i livelli superiore e inferiore per una serie di parametri (valore p)
Non è statisticamente significativo
È statisticamente significativo al 5% i limiti di processo vengono stabiliti impostando i livelli superiore e inferiore per una serie di parametri (valore p)

Q4. Nel modello di regressione logistica, se il rapporto tra i valori TM era uguale a uno, poi

Il solo valore delle costanti determinerebbe la probabilità di una vincita, pareggio o sconfitta per la squadra di casa
Ogni squadra avrebbe le stesse possibilità di vincere
Il risultato sarebbe del tutto casuale
Ogni squadra sarebbe ugualmente brava

Q5. In base alle quote del bookmaker, quale frazione di risultati è stata prevista correttamente dal gioco 224 dello scienziato inglese Richard Owen.Dalla descrizione iniziale di Simon?

Q6. Basato sul modello logit ordinato, quale frazione di risultati è stata prevista correttamente

Q7. Qual è stato il punteggio Brier derivato dalle quote del bookmaker?

0.562
0.692
0.477
0.587

Q8. Qual è stato il punteggio Brier derivato dal modello logistico?

0.393
0.747
0.399
0.594

D9. Un punteggio Brier più basso implica

I risultati della partita sono più casuali
Le probabilità erano più vicine ai risultati effettivi
Le probabilità erano più lontane dai risultati effettivi
I risultati delle partite sono meno casuali

Q10. Supponiamo che il modello logit ordinato venga aggiornato dopo ogni partita della stagione, quale delle seguenti affermazioni è più probabile che sia vera:

Il modello logit ordinato sarebbe stato più accurato con il progredire della stagione
Il modello logit ordinato produrrebbe previsioni più affidabili
Il modello logit ordinato funzionerebbe comunque meno bene delle quote del bookmaker

Settimana 4: Modelli di previsione con dati sportivi Risposte al quiz Coursera

Quiz 1: Settimana 4 Quiz

Q1. Quante partite sono state giocate nell'anno solare 2018

1230
542
543
540

Q2. Dal modello logistico, qual è il coefficiente della variabile rapporto salariale??

1.1216
0.4452
5.026
2.482

Q3. Nel modello logistico, cosa possiamo dire circa la significatività statistica delle variabili?

Entrambi sono statisticamente significativi al 5% i limiti di processo vengono stabiliti impostando i livelli superiore e inferiore per una serie di parametri (valore p)
Entrambi sono statisticamente significativi
Entrambi sono statisticamente significativi al 1% i limiti di processo vengono stabiliti impostando i livelli superiore e inferiore per una serie di parametri (valore p)
Solo la costante è statisticamente significativa al 5% i limiti di processo vengono stabiliti impostando i livelli superiore e inferiore per una serie di parametri (valore p)

Q4. Nel modello di regressione logistica, qual è l'interpretazione della costante? (intercettare)

Riflette il valore del vantaggio della casa
È un parametro casuale
È la probabilità prevista di una vittoria in casa
Non ha un'interpretazione naturale

Q5. In base alle quote del bookmaker, quale frazione di risultati è stata prevista correttamente

Q6. Basato sul modello logistico, quale frazione di risultati è stata prevista correttamente

Q7. Qual è stato il punteggio Brier derivato dalle quote del bookmaker?

0.394
0.692
0.587
0.477

Q8. Qual è stato il punteggio Brier derivato dal modello logistico?

0.393
0.747
0.399
0.477

D9. Un punteggio Brier più basso implica

I risultati della partita sono più casuali
Le probabilità erano più lontane dai risultati effettivi
I risultati delle partite sono meno casuali
Le probabilità erano più vicine ai risultati effettivi

Q10. Supponiamo che il modello logistico venga aggiornato dopo ogni partita della stagione, quale delle seguenti affermazioni è più probabile che sia vera:

Il modello logistico produrrebbe previsioni più affidabili
Il modello logistico funzionerebbe comunque meno bene delle quote del bookmaker
Il modello logistico sarebbe stato più accurato con l’avanzare della stagione