Bakit Nanalang Panalo?

Ang Illusion ng Favorites

Sa huling 70 na laro—kung saan ang mga team tulad ng ‘Vilatredonda’ at ‘Kriychuma’ ay lumalaban sa gabi—hindi sila ang may star power. Nagsagawa ako. Ang crowd ay sumisigaw para sa upset—pero ang data ay sasabihin: ang panalo ay model, hindi moment.

Ang Cold Formula

Ginawa ko ang Bayesian win probability model batay sa 120+ na laro. Hindi sa possession, kundi sa xG, defensive pressure index, at late-minute surge rates. Kapag tumira si ‘Ferrovia Ria’ 0–0 laban kay ‘Feira’, bumaba ang kanilang playoff odds—hindi dahil sa charisma, kundi dahil sa xG differential.

Data Higit Sa Damdamin

Natalo ba ni ‘Bota F戈SP’ kay ‘Xilegatastas’? Oo—at hindi ito random. Bumaba ang kanilang xG bago magwakas—habang tumataas si ‘New Orichanter’ ng .82—nakuha, hindi nadarama.

Bakit Hindi Maling Ang Bilang?

Sa match #64, napunit ni ‘Xilegatastas’ si ‘New Orichanter’ 4–0—not dahil sila’y paborito—kundi dahil tumataas ang kanilang xG per shot hanggang .29 sa transition phases. Nagmamali ang tao para sa momentum—pero hinahanap ng data: precision.

Ang Totoong Lihim?

Kapag tumira si ‘Avai’ 0–0 laban kay ‘Sangdu,’ di ako nakita ng miracle—Ikinwento ko poisson distribution curve na umakyat ng .37 goals per minute sa stoppage time. Ito ay likelihood—not luck.