贝叶斯分析方法和体育比赛分析 - 知乎

　　体育玩家经常寻找新的工具，改善分配准确的概率到不确定事件的发生机率的流程。本文讨论贝叶斯分析方法（18世纪英国长老会牧师托马斯·贝叶斯发明的理论）如何帮助体育玩家估计赛事的结果。

　　贝叶斯分析方法的诞生1701年左右托马斯·贝叶斯在英国出生，他的生活可以分为两个研究主题：理论和数学。直到1761年，也就是他去世的那一年，才向英国皇家学会提交其研究之一《机会问题的解法》，他的伟大研究在他死后获得认可。但是，直到桌面计算机的到来——200年以后——贝叶斯的著作才真正获得赏识和广泛认可。自此以后，贝叶斯分析方法被用于解释很多不同的方面，例如人工智能。简而言之，贝叶斯方法可以说是在面对不确定性（包括体育结果分析）时使用概率和推理作出决定的最明智的方法。

　　套利VS价值投注

　　它应用迭代过程评估您知道的未来事件的概率，然后在有新的证据时测试新证据的影响。贝叶斯分析方法公式贝叶斯分析方法有很多名称，“贝叶斯推理”、“逆概率”、“贝叶斯更新”…但是最后都是一个相当简单的公式：

　　如果想要知道A概率， 当知道B也存在（条件）时, 您可以将之前估计的A（A概率）乘以当A存在时B存在的可能性（例如：P(B|A)/P(B))。

　　那么，假设您估计明天下雨的机率是30%。

　　您知道，在普通的一天里，多云的机率是50%。

　　您还知道，当下雨为100%时，多云的机率是100%（有雨就有云）。

　　您有以下信息：P(A)= 下雨的概率= 30%P(B)= 多云的概率= 50%P(B|A)= 下雨时多云的概率= 100%

　　在早上起床时，天空为您提供一条新信息：今天有云。现在，考虑到天上有云，您应该运用贝叶斯更新下雨的概率。

　　那么，我们回忆一下，P(A|B)=P(A)*P(B|A)/P(B)= 下雨的机率 * 下雨时多云的机率/多云的机率=30%*100%/50%=60%

　　现在，您算出最新的下雨机率是60%。重温凯利公式：风险评估 - 博讯

　　现在，让我们将这一理论用到体育比赛的例子。假设您对拜仁慕尼黑的比赛感兴趣，您认为他们赢得优胜冠军的机率为50%。您还知道，当他们胜利时，下雨的机率为11%，相比之下，在拜仁慕尼黑比赛中下雨的普通机率为10%。

　　计算：P(A)= 拜仁慕尼黑胜出的概率= 50%P(B)= 拜仁慕尼黑比赛中下雨的概率= 10%P(B|A)= 在拜仁慕尼黑胜出的足球比赛中下雨的概率= 11%。

　　现在，如果您收到天气信息，就不需要苦思瞑想这对赔率有何影响。就像许多领域的许多专家一样（包括体育比赛结果），您可以进行贝叶斯更新。

　　如果下雨，您知道 P(A|B)=P(A)*P(B|A)/P(B)= 50%*11%/10%= 55%。

　　请注意，P(B|A)/P(B)意味着”当出现A时B发生的可能性“——在此例子中，11/10 (11%/10%)。

　　当B已给出时，只需将他们相乘，例如P(A)*P(B|A)/P(B)，就可以相应更改对A的估计。NFL 2021/22赛季前瞻 - 谁将赢得超级碗？

　　体育玩家的最大敌人通常是他们自己，在面对改变的情况时仍执着地坚持特定的结果，这是他们的共同错误。贝叶斯分析方法打破这种习惯，允许和鼓励您不断用新证据检验自己的主张，从根本上讲，就是改善您对事件可能性的估计的积极反馈环路。

　　但是就像任何公式一样，贝叶斯分析方法不是精确的水晶球，古语说得好“接受垃圾思想，也会造就垃圾成果”，但是，无论测试任何事情，如果您对自己的估计有信心，那么贝叶斯方法可以挖掘体育比赛预测与分析蕴藏的价值。为此，您要谢谢这位18世纪的牧师先生。