На пръв поглед футболът и математиката изглеждат като две напълно различни области. Едната се развива върху тревния терен и е изпълнена с движение, емоции и непредвидими ситуации. Другата разчита на числа, модели и закономерности. Съвременният спорт обаче показва, че връзката между тях е много по-силна, отколкото изглежда.
Всеки футболен мач генерира огромно количество информация. Резултатът е само най-видимата част. Могат да бъдат измерени удари, положения, подавания, владение на топката, действия в различни части на терена и десетки други показатели. Когато тези данни се натрупат за стотици срещи, математическите методи позволяват в тях да бъдат откривани закономерности.
Но могат ли числата действително да предскажат как ще завърши един футболен мач?
От резултат към вероятност
Една от основните идеи в статистиката е разликата между сигурно събитие и вероятно събитие.
Ако един отбор е значително по-силен от друг, това не означава, че непременно ще спечели конкретната среща. Означава единствено, че при определени условия вероятността за победа може да бъде по-висока.
Това е важно разграничение.
Да предположим, че математически модел оценява вероятността даден отбор да победи на 60%. Ако той загуби следващия мач, моделът не е автоматично грешен. Останалите 40% включват именно възможността да се случи друг резултат.
За да се оцени качеството на подобен модел, трябва да се разгледат много срещи, а не единичен случай.
Защо голямата извадка има значение?
Представете си футболист, който е отбелязал два гола в един мач. Ако разполагаме само с тази информация, можем да останем с впечатлението, че той реализира средно по два гола на среща.
След десет мача картината вероятно ще бъде различна, а след цял сезон – още по-точна.
Това е прост пример за значението на големината на извадката.
Колкото по-малко наблюдения имаме, толкова по-силно случайните събития влияят върху средните стойности. При по-голям брой срещи отделните необичайни резултати имат по-малка тежест.
Именно затова статистическите модели обикновено работят с множество мачове, когато се опитват да открият устойчиви тенденции.
Средната стойност невинаги разказва цялата история
Ако един отбор отбелязва средно по два гола на мач, какво означава това?
Възможно е почти всяка среща да завършва с едно, две или три негови попадения. Но е възможно и нещо съвсем различно – тимът да не отбелязва в много мачове, а периодично да постига големи победи с четири или пет гола.
Средната стойност може да бъде една и съща, докато разпределението на резултатите е различно.
Затова при математически анализ се използват повече показатели, а не само една средна величина.
Как математиката моделира броя на головете?
Головете са сравнително редки събития. В рамките на един футболен мач обикновено не се отбелязват десетки попадения, което ги прави интересен обект за вероятностно моделиране.
Един от класическите математически подходи е използването на Поасоново разпределение. Чрез него може да се оценява вероятността даден отбор да отбележи определен брой голове, ако е известна очакваната средна стойност.
Това не означава, че формулата „знае“ резултата.
Тя просто разпределя вероятностите между различни възможности – например нула, един, два или повече гола.
Съвременните модели могат да бъдат много по-сложни и да включват допълнителни фактори като сила на нападението, качество на защитата, домакинство и форма.
Какво представляват очакваните голове?
През последните години показателят xG, или expected goals, стана широко разпространен във футболната статистика.
Основната идея е сравнително лесна за разбиране. Не всички удари имат еднакъв шанс да се превърнат в гол.
Удар от непосредствена близост до вратата обикновено е по-опасен от опит от много далечно разстояние. Положение без защитник пред нападателя се различава от удар под силен натиск.
Моделите за очаквани голове използват голямо количество исторически данни, за да оценят вероятността дадено положение да завърши с попадение.
Ако една възможност получи стойност xG 0,20, това приблизително означава, че подобни положения исторически са завършвали с гол в около една пета от случаите.
Отделното положение може да бъде реализирано или пропуснато. Стойността описва вероятността, а не крайния резултат.
Машините могат да откриват зависимости, които човек трудно забелязва
С увеличаването на количеството спортни данни се увеличават и възможностите за използване на алгоритми.
Компютърните модели могат едновременно да обработват множество показатели и да търсят връзки между тях. Например как се променя вероятността за победа според домакинството, броя създадени положения, силата на противника и представянето в последните срещи.
Подобни статистически подходи стоят зад много съвременни системи за спортен анализ и платформи за резултати и прогнози като weeksurvey.com/, където числата могат да бъдат използвани като отправна точка за разглеждане на предстоящите футболни срещи.
Но дори най-сложният алгоритъм има ограничения.
Футболът съдържа много случайност
Представете си удар, който среща гредата, връща се на терена и секунди по-късно противниковият отбор отбелязва след контраатака.
Ако топката беше попаднала няколко сантиметра по-встрани, резултатът можеше да бъде напълно различен.
Това е пример за случайност, която трудно може да бъде предвидена предварително.
Червени картони, индивидуални грешки, рикошети и контузии по време на мача също могат рязко да променят вероятностите.
Математическият модел може да оцени риска от определено развитие, но не може да знае точно в коя минута защитник ще направи грешно подаване.
Данните също могат да имат проблеми
Математическият модел е толкова добър, колкото са добри данните, върху които е изграден.
Ако информацията е непълна, неправилно измерена или вече не отразява настоящото състояние на отбора, резултатите могат да бъдат подвеждащи.
Представянето от началото на сезона например може да има по-малка стойност след смяна на треньора и сериозна промяна в състава.
Затова моделите трябва периодично да се актуализират и да дават различна тежест на информацията според нейната актуалност.
70% не означава „сигурно“
Една от най-честите грешки при работа с вероятности е превръщането им в категорични твърдения.
Ако вероятността за дадено събитие е 70%, остават 30% вероятност то да не се случи. Това далеч не е пренебрежимо малка стойност.
Представете си десет сходни ситуации. При идеални условия резултат с вероятност 70% може приблизително да се реализира седем пъти и да не се реализира три пъти.
Точно тези три случая често изглеждат като огромни изненади, въпреки че математически са напълно възможни.
Математиката не премахва магията на футбола
Науката за данните може да ни помогне да разберем играта по-добре. Тя може да покаже, че един отбор създава повече качествени положения, отколкото подсказват последните му резултати, или че серията от победи на друг тим трудно би се поддържала при същото представяне.
Но моделите не могат да превърнат футбола в предварително решена задача.
И това вероятно е добра новина.
Ако всеки резултат можеше да бъде изчислен с абсолютна точност, спортът би загубил голяма част от своята привлекателност. Математиката не е машина за сигурно предвиждане на бъдещето. Тя е инструмент за измерване на неизвестността.
Точно в това се състои интересната връзка между футбола и науката – колкото повече данни събираме, толкова по-добре разбираме играта, но винаги остава достатъчно неизвестност за следващата голяма изненада.
