เมื่อข้อมูลพบฟุตบอล

การล่มสลายของโมเดลผู้จัดการ

ฉันมองตัวเลขกว่าสองชั่วโมงคืนที่แล้ว—not เพราะความรู้สึก แต่เพราะตัวเลขพูดกับฉัน สถิติของพอร์โต: ชนะ2, เสมาก1, พ่าย5 ในรอบกลุ่มยูฟ่า? ไม่ใช่เรื่องโชค—แต่เป็นโมเดลที่ปรับเกินไป: มีตัวแปรมากเกินไป และความแปรปรวนน้อยเกินไป คำประกาศอย่างเป็นทางการไม่ได้มาจากการตื่นตก—แต่มาจากการอัปเดตโพสเตอร์เรียล: การประยุกต์ทฤษฎีเบย์สภายใต้แรงกดดัน ซูซาได้รับทีมพร้อมพรสวรรคและจุดหมาย แต่ข้อมูลบอกเรื่องอื่น: เป้าหมายประตูต่อเกมตกใต้เกณฑ์ โมเดลมีแนวโน้มเข้าหาความเฉียบ

อัลกอริธึมแห่งความพ่ายแพ้

เราฝึกโมเดลด้วยข้อมูลสะอาดจากสถาบันในลิสบอน แต่ความจริงไม่ได้ฟังสัญชาณของอารมณ์ ในฟุตบอล—เช่นเดียวกับสถิติ—ตัวแปรที่อันตรายที่สุดคือเวลา เมื่อความเหนื่อยมาถึง อัตราการชนะจะลดลง—not เพราะพรสวรรค—แต่เพราะ prior ที่ผิดเพี้ยง การดำรงตำแหน่งของซูซาไม่ได้เกี่ยวข้องกับบุคลิก—he เกี่ยวข้องกับการปรับเทียบ ฉันทำงานกับ R และ Tableau มาเพียงพอแล้วเพื่อรู้ว่านี่ไม่ใช่วางละคร—มันคือการตรวจวินิจฉัย โค้ชไม่มีถูกปลดเพราะแพ้เกม—he ถูกแทนที่เมื่อโอกาสหลังหมดตกใต้เกณฑ์

เหตุใดนี่จึงไม่มีแค่วางฟุตบอล

นี่ไม่มีเรื่องกลยุทธศาสตร์หรือเสน่ห์—it’s about what happens when you treat emotion like data—and let Bayes do the talking while everyone else clings to narratives of ‘gut feeling.’ เราไม่มีจำเป็นโค้ชใหม—we need better priors.