Modele prognostyczne z quizami dotyczącymi danych sportowych & Odpowiedzi – Coursera

Zanurz się w ekscytującym świecie analityki sportowej dzięki wciągającym quizom i odpowiedziom ekspertów Modele prognostyczne z Sporty Dane. Poznaj połączenie nauki o danych i sportu, gdzie modelowanie predykcyjne zmienia sposób, w jaki rozumiemy i analizujemy wyniki sportowe. Quizy te służą jako brama do rozwikłania złożoności tworzenia dokładnych modeli predykcyjnych na podstawie danych sportowych, od wyników graczy po wyniki gier.

Niezależnie od tego, czy jesteś entuzjastą sportu zafascynowanym danymi stojącymi za grą, lub entuzjasta nauki o danych, który chce zastosować analizy predykcyjne w kontekście sportowym, kolekcja ta oferuje cenne spostrzeżenia na temat siły podejmowania decyzji w sporcie w oparciu o dane. Dołącz do nas w podróży polegającej na odkrywaniu statystyk i odkrywaniu świata proroczy modele za pomocą Sporty dane i otwórz możliwości wglądu opartego na danych i strategicznych korzyści w świecie analityki sportowej.

Kto potrzebuje trenera biznesowego? 1: Tydzień 1 – Quiz 1

Q1. Z LMP-u, jaki był współczynnik regresji dla pitagorejskiego procentu wygranej w wyjaśnianiu binarnej zwycięskiej zmiennej, o nazwie „WIN”?

• Pitagorejska wygrana%: 6.2946
• Pitagorejska wygrana%: 2.6461
• Pitagorejska wygrana%: 5.542
• Pitagorejska wygrana%: 16.393

Q2. Z LMP-u, jaka była wartość R-kwadrat?

• 0.102
• 10.2
• 1.02
• 0.0102

Q3. Z regresji logistycznej, jaki był współczynnik regresji dla zwycięstwa pitagorejskiego %?

• 30.5739
• 26.550
• 34.598
• 1.027

Q4. Z regresji logistycznej, jaki jest błąd standardowy wygranej pitagorejskiej %?

• 2.053
• 20.53
• 1.027
• 1.023

Q5. Z regresji logistycznej, jaka część wyników została poprawnie przewidziana %?

• 65%
• 55%
• 90%
• 38%

Q6. Z wielokrotnej regresji logistycznej, która uwzględniała przewagę gospodarzy, jaka część wyników została poprawnie przewidziana %?

• 90%
• 58%
• 35%
• 65%

Kto potrzebuje trenera biznesowego? 2: Tydzień 1 – Quiz 2

Q1. Po podzieleniu zbioru danych sezonu zasadniczego przy użyciu identyfikatora gry (tj., ID GRY), ile meczów rozegrały wcześniej Atlanta Hawks i Chicago Bulls (patrz zbiór danych „NBA17_pre_team”.)?

• Hawks z Atlanty: 40
  Chicagowskie byki: 42
• Hawks z Atlanty: 41
  Chicagowskie byki: 41
• Hawks z Atlanty: 41
  Chicagowskie byki: 42
• Hawks z Atlanty: 44
  Chicagowskie byki: 40

Q2. Jaki był współczynnik korelacji pomiędzy wygraną pitagorejską % i Zwycięstwo % w pierwszej połowie zbioru danych (patrz zbiór danych „NBA17_pre_team”.)?

• 0.78
• 0.89
• 0.45
• 0.91

Q3. Co było zwycięskie % Chicago Bulls w drugiej połowie zbioru danych (patrz zbiór danych „NBA_17_post_team”.)

• 43%
• 55%
• 41%
• 30%

Q4. Z modelu prognostycznego, jakie były współczynniki regresji dla każdej zmiennej niezależnej (tj., „wpc_pre” i „pyth_pre”

• Zwycięstwo Pitagorasa %: 3.75
  Wygrać %: 0.825
• Zwycięstwo Pitagorasa %: 6.25
  Wygrać %: 0.756
• Zwycięstwo Pitagorasa %: 4.55
  Wygrać %: 0.567
• Zwycięstwo Pitagorasa %: 7.55
  Wygrać %: 0.625

Tydzień 2: Modele prognostyczne z danymi sportowymi Odpowiedzi do quizu Coursera

Kto potrzebuje trenera biznesowego? 1: Tydzień 2 Kto potrzebuje trenera biznesowego?

Q1. Jaka jest korelacja między prawdopodobieństwem wygranej gospodarzy a wygraną gospodarzy w całym meczu 2018/19 pora roku?

• +0.413
• +0.576
• +0.397
• -0.198

Q2. Jaka jest korelacja między prawdopodobieństwem wygranej gospodarzy a wygranymi gospodarzy w meczach, w których różnica punktów była mniejsza niż 9?

• +0.414
• -0.198
• +0.455
• +0.198

Q3. Jaka jest korelacja pomiędzy prawdopodobieństwem wygranej gospodarzy a wygranymi gospodarzy w meczach, w których różnica punktów była większa niż 9?

• -0.319
• +0.321
• +0.198
• +0.576

Q4. Biorąc pod uwagę odpowiedzi na dwa ostatnie pytania, jak myślisz, jakie jest najbardziej prawdopodobne wyjaśnienie tych wyników

• Bukmacherzy ustalają kursy bardziej losowo, aby przyciągnąć zakłady na bliskie mecze
• Zaobserwowane różnice w korelacjach mają charakter przypadkowy
• Bukmacherzy nie są dobrymi prognostami
• Niepewne mecze to takie, w których kursy bukmacherów najprawdopodobniej będą błędne, a wyniki prawdopodobnie będą najbliższe

Q5. Jaka jest korelacja między prawdopodobieństwem wygranej gospodarzy a zwycięstwami gospodarzy w meczach, w których doszło do dogrywki?

• +0.414
• -0.397
• +0.319
• +0.032

Q6. Jaka jest korelacja między prawdopodobieństwem wygranej gospodarzy a wygranymi gospodarzy w meczach, w których mecz zakończył się w regulaminowym czasie gry?

• +0.576
• +0.414
• -0.413
• +0.503

Q7. Jaka jest korelacja między prawdopodobieństwem wygranej gospodarzy a wygranymi gospodarzy w meczach, w których mecz był rozgrywany w roku kalendarzowym 2018?

• +0.338
• +0.319
• +0.322
• -0.322

Q8. Jaka jest korelacja między prawdopodobieństwem wygranej gospodarzy a wygranymi gospodarzy w meczach, w których mecz był rozgrywany w roku kalendarzowym 2019?

• +0.455
• +0.379
• -0.438
• +0.438

Pytanie 9. W którym miesiącu wystąpił współczynnik korelacji pomiędzy prawdopodobieństwem wygranej gospodarzy a największym prawdopodobieństwem wygranej gospodarzy?

• Styczeń
• październik
• grudzień
• kwiecień

Pytanie 10. W którym miesiącu wystąpił współczynnik korelacji pomiędzy prawdopodobieństwem wygranej gospodarzy a najniższym prawdopodobieństwem wygranej gospodarzy?

• Marsz
• Luty
• Listopad
• październik

Tydzień 3: Modele prognostyczne z danymi sportowymi Odpowiedzi do quizu Coursera

Tydzień 3 Kto potrzebuje trenera biznesowego?

Q1. Na podstawie tabeli przestawnej, jaki procent meczów bukmacher przewidział poprawnie w całym sezonie

• 52%
• 36%
• 48%
• 64%

Q2. Z zamówionego modelu logitowego, jaki jest współczynnik zmiennej współczynnika TM?

• 0.1129
• -0.6734
• 0.3356
• 0.5981

Q3. W uporządkowanym modelu logitowym, co najlepiej możemy powiedzieć na temat istotności statystycznej zmiennej współczynnika TM?

• Jest to istotne statystycznie przy 10% poziom (wartość p)
• Jest to istotne statystycznie przy 1% poziom (wartość p)
• Nie jest to istotne statystycznie
• Jest to istotne statystycznie przy 5% poziom (wartość p)

Q4. W modelu regresji logistycznej, jeśli stosunek wartości TM wynosi jeden, następnie

• Sama wartość stałych określałaby prawdopodobieństwo wygranej, remis lub porażka gospodarzy
• Każda drużyna miałaby równe szanse na zwycięstwo
• Wynik byłby całkowicie losowy
• Każdy zespół byłby równie dobry

Q5. Na podstawie kursów bukmachera, jaka część wyników została poprawnie wytypowana na podstawie meczu 224 dalej?

• 45%
• 39%
• 55%
• 50%

Q6. Na podstawie zamówionego modelu logitowego, jaka część wyników została poprawnie przewidziana

• 39%
• 54%
• 48%
• 50%

Q7. Jaki był wynik Briera obliczony na podstawie kursów bukmachera?

• 0.562
• 0.692
• 0.477
• 0.587

Q8. Jaki był wynik Briera uzyskany z modelu logistycznego?

• 0.393
• 0.747
• 0.399
• 0.594

Pytanie 9. Sugeruje to niższy wynik w skali Briera

• Wyniki meczów są bardziej losowe
• Prawdopodobieństwa były bliższe faktycznym wynikom
• Prawdopodobieństwa były dalsze od rzeczywistych rzeczywistych wyników
• Wyniki meczów są mniej losowe

Pytanie 10. Załóżmy, że uporządkowany model logitowy był aktualizowany po każdym meczu w sezonie, które z poniższych jest najbardziej prawdopodobne:

• Zamówiony model logitowy byłby dokładniejszy w miarę upływu sezonu
• Uporządkowany model logitowy dałby bardziej wiarygodne prognozy
• Uporządkowany model logitowy nadal będzie działał gorzej niż kursy bukmachera

Tydzień 4: Modele prognostyczne z danymi sportowymi Odpowiedzi do quizu Coursera

Kto potrzebuje trenera biznesowego? 1: Tydzień 4 Kto potrzebuje trenera biznesowego?

Q1. Ile gier rozegrano w roku kalendarzowym 2018

• 1230
• 542
• 543
• 540

Q2. Z modelu logistycznego, jaki jest współczynnik zmiennej wskaźnika wynagrodzeń?

• 1.1216
• 0.4452
• 5.026
• 2.482

Q3. W modelu logistycznym, co możemy powiedzieć o istotności statystycznej zmiennych?

• Obydwa są istotne statystycznie na poziomie 5% poziom (wartość p)
• Obydwa są istotne statystycznie
• Obydwa są istotne statystycznie na poziomie 1% poziom (wartość p)
• Tylko stała jest istotna statystycznie w punkcie 5% poziom (wartość p)

Q4. W modelu regresji logistycznej, jaka jest interpretacja stałej (przechwycić)

• Odzwierciedla wartość przewagi własnego boiska
• Jest to parametr losowy
• Jest to przewidywane prawdopodobieństwo wygranej gospodarzy
• Nie ma naturalnej interpretacji

Q5. Na podstawie kursów bukmachera, jaka część wyników została poprawnie przewidziana

• 66%
• 69%
• 39%
• 96%

Q6. W oparciu o model logistyczny, jaka część wyników została poprawnie przewidziana

• 59%
• 69%
• 48%
• 39%

Q7. Jaki był wynik Briera obliczony na podstawie kursów bukmachera?

• 0.394
• 0.692
• 0.587
• 0.477

Q8. Jaki był wynik Briera uzyskany z modelu logistycznego?

• 0.393
• 0.747
• 0.399
• 0.477

Pytanie 9. Sugeruje to niższy wynik w skali Briera

• Wyniki meczów są bardziej losowe
• Prawdopodobieństwa były dalsze od rzeczywistych rzeczywistych wyników
• Wyniki meczów są mniej losowe
• Prawdopodobieństwa były bliższe faktycznym wynikom

Pytanie 10. Załóżmy, że model logistyczny był aktualizowany po każdym meczu w sezonie, które z poniższych jest najbardziej prawdopodobne:

• Model logistyczny pozwoliłby uzyskać bardziej wiarygodne prognozy
• Model logistyczny nadal będzie działał gorzej niż kursy bukmacherskie
• Model logistyczny byłby dokładniejszy w miarę upływu sezonu